一种基于HVS特性的视频质量评测方法

本文针对视频质量的评测应用,对传统峰值信噪比(PSNR)算法加以改进.通过在视频帧内图像和帧间图像的处理过程中引入人眼视觉系统(HVS)的主要特性,克服传统PSNR算法在序列质量检测应用方面的缺陷.方法在帧内图像处理上利用人眼对边缘轮廓失真具有较强敏感性的特点,设计了基于图像边缘的检测方案以提高对典型空域失真的检测性能;在帧间图像处理上,通过测量帧间时域能量的变化,获得序列在时域轴上的典型特征,并据此对空域检测结果进行修正.通过上述改进,算法能在保持传统PSNR算法简易性的同时,提升其检测结果与主观感受的相关性;同时算法的计算量并不复杂,易于在检测设备中实现系统集成     

基于阵列探测方式的时域光声成像系统

将阵列超声探头和超声相控技术与光声成像相结合的成像系统,与采用水听器的单探头旋转扫描光声成像系统相比,避免了机械旋转机构给光声信号采集所带来的不稳定性,提高了数据采集速度．时域光声信号由64阵元线阵超声探头以电子相控聚焦的方式进行线性扫描采集,然后通过时域后向投影算法进行光声图像的重建．采用波长532nm、重复频率10Hz的脉冲激光,系统可快速重建样品内部光学吸收分部的二维图像,单帧图像数据采集时间小于200s,成像横向分辨率小于2mm．实验结果表明,采用此方法可显著提高系统对光声信号的扫描稳定性和成像效率,该系统是一种有潜在临床应用价值的光声成像系统．     

一种改进的视频序列超分辨率重建算法及应用

在凸集优化基础上,充分利用最大后验概率和凸集投影技术,提出了一种高效强鲁棒性视频序列分辨率提升算法。首先,在空域设计一个简单的预处理共轭梯度估计器,预测原始高分辨率图像;然后,在小波域分别创建帧间和帧内两个不同的凸集,并实施不同的投影运算,提取出隐含在相邻低分辨率图像中的细节信息;最后,利用空域估计器中相邻因子间的关系约束凸集投影解的可行域,保证快速获得图像重建的唯一最优解。仿真实验和实际交通监测系统应用结果均表明,该方法较其他方法不仅可获得更高的峰值信噪比和更好的可视化效果,而且收敛更快,鲁棒性更强。     

基于主动位移成像的图像超分辨率重建

超分辨重建算法是一种将低分辨率图像恢复为高分辨率图像的算法,被广泛用于医学、遥感、军事安防以及人脸识别等领域。在黑夜、远场场景下构建数据集比较困难,基于深度学习的超分辨重建算法应用受到阻碍。而微扫描成像技术扫描模式固定,对器件到位精度要求高。针对这两个问题,我们提出一种基于主动位移成像的图像超分辨率重建算法。具体地,在控制相机随机移动的同时记录采样时刻位移,通过解算、映射选图、精确匹配图像序列并获取多帧图像间的亚像素信息,然后对估计图像进行迭代和更新,最后重建获得高分辨率图像。实验结果表明,本算法在PSNR、SSIM和平均梯度三个指标上都优于最近提出的基于POCS的图像超分辨率重建算法MFPOCS,与基于CNN的方法 ACNet相比具有竞争力。值得提出的是,本算法无需固定的扫描模式,降低了微扫描技术对器件实时到位精度的要求,同时,本算法可以保证重建初始帧的优良选取,有效规避了POCS算法的固有缺点。     

基于Polar插值改进的结构振动信号压缩采样正交匹配追踪恢复算法

压缩感知是近年来出现的采样和信号处理方法,它利用了信号中普遍存在的稀疏特性,从而可以以远低于奈奎斯特频率的采样速率采集压缩样本,并依概率恢复得到真实信号。结构振动信号具有一定的稀疏性。对其进行压缩采样并进行信号重构,离散傅里叶原子的频率往往与信号实际频率不匹配,造成频率泄漏,降低信号重构精度。针对离散原子库存在的缺陷,采用Polar插值对正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法进行了改进。以OMP算法选择的最优原子为基础,利用Polar插值在最优原子临近构建频域连续原子库,构建了信号重构的优化模型,通过凸优化算法获得实际频率的最优估计。改进算法以较小的计算量实现对OMP算法得到的离散原子频率的修正。通过对结构振动的数值模拟和对模型试验压缩信号的重构,结果表明,与常规算法相比,改进算法可有效提高信号重构精度,特别是在压缩观测值数量较少的情况下,精度提升效果更加明显。     

实时视场拼接系统的设计与实现

当要求的场景尺寸超出一个光学传感器的范围时,同时取得完整的场景就成为一个难点.针对这一问题,采用多个光学传感器同时对场景进行采集,可以得到几幅互相有一定重叠的场景图像.应用改进的相位相关算法对重叠图像进行快速配准,应用渐入渐出融合算法消除拼缝,实现无缝大视场拼接.并将整套算法在以TMS320DM642为核心处理器的平台上实现,得以构成一个小型化视频拼接系统.实验结果表明,该系统可以自动地对存在一定重叠和旋转的两幅768×494分辨率、25帧/秒的视频图像进行拼接,获得无缝、清晰的大视场视频图像,满足系统实时性的要求.     

结构相似度的立体视频错误隐藏

针对立体视频传输中右视点整帧丢失,提出了一种基于结构相似度(Structural Similarity,SSIM)的立体视频右视点整帧丢失错误隐藏算法。首先,提出了时域SSIM和视间SSIM的概念。然后,根据视频序列的时域相关性,将前一时刻右视点图像宏块的预测方式作为丢失图像宏块的预测方式。接着,将前一时刻右视点图像以宏块为单位进行时域和视间匹配,求取其以像素为单位的时域SSIM映射图和视间SSIM映射图。最后,计算并比较前一时刻右视点图像每个宏块的时域SSIM和视间SSIM值,得到每个宏块的预测方式,将其预测方式作为丢失帧中宏块的预测方式,从而使用运动补偿预测或者视差补偿预测的方法进行恢复。实验结果表明,与传统的算法和Pang的算法相比,PSNR值分别提高了2.76 dB和3.43 dB,且本文算法主观效果较好。     

滚动轴承故障脉冲信号提取及诊断:一种盲解卷积方法

运用一种基于峭度最大化的盲解卷积算法，从局部损伤的滚动轴承振动信号中提取或增强脉冲冲击信号。在对内、外圈存在损伤的轴承振动信号进行解卷积处理后，故障脉冲信号得以充分增强，而且在时域上呈规律地分布。另外，取2倍的解卷积信号样本标准差为阈值，通过时域阈值除噪，可以进一步得到提纯的故障脉冲序列。计算表明，其脉冲线周期性出现的平均频率与相应的故障特征频率相当吻合。     

面向视频监控的人脸超分辨率重建系统

随着视频监控系统在交通和安全等领域的广泛应用,人脸图像的高分辨率显示和识别问题显得日益重要。监控视频中人脸区域通常很小,辨识度很差,这给主观的人脸识别造成了一定的困难,为此本文提出一种基于样本学习的两阶段人脸超分辨率技术。分为全局脸重建阶段和残差补偿阶段。本文提出的方法能够根据低分辨率人脸图像合成效果较好的高分辨率人脸图像,消除了分辨率过低对人脸识别造成的影响。     

基于FDM的爆破振动信号分析

为提高爆破振动信号分析精度,针对其非平稳、非线性的特点,基于傅里叶分解理论展开研究。将爆破振动信号中有效信息分解到不同频率范围内,得到不同频率范围内爆破振动信号的细节特征。对分解所得优势分量进行重组后,进行时频分析。结果表明：经傅里叶分解处理后的重构信号在时域和频域上均具有很好的分辨率;傅里叶分解理论的应用可以避免模态混叠现象,提取指定频率区间的模态分量,提高爆破振动信号分析的准确性。     

二阶广义总变分约束的太阳图像多帧盲解卷积

盲解卷积是常用的自适应光学图像事后重建方法之一。为提高盲解卷积对太阳(自适应光学)图像的重建效果，本文提出了基于二阶广义总变分的空变多帧盲解卷积算法。该算法首先利用交替最小化和半二次分裂方法求解本文提出的二阶广义总变分约束的空不变多帧盲解卷积模型；然后针对非等晕大视场太阳图像特性，利用重叠分块与加权拼接实现空变盲解卷积扩展。在一米新真空太阳望远镜(NVST)观测的真实太阳图像上进行的重建实验与分析表明，本文算法在主观视觉效果和客观指标上均具有较好的图像重建效果。     

基于特征点匹配的视频稳定算法

目的 解决检测摄像机在拍摄过程中因外界抖动导致视频扭曲失真等问题。方法 选取视频第1帧作为基准帧,检测视频每帧的特征点,并与第1帧特征点位置进行对比,经过仿射变换消除每一帧的扰动。通过FAST算法生成每一帧特征点,利用BRISK算法得到特征点的二进制特征描述符,比较特征点描述符的汉明距离来匹配相邻两帧间的特征点,利用匹配好的特征点对确定仿射变换模型,最后利用得到的仿射变换矩阵对每一帧进行校正。结果 实验原视频总帧数为23帧,时长为1 s,分辨率为320×240,视频中除第1帧外,其余22帧均得到修正。结论 FAST角点检测算法与BRISK匹配方法结合可以有效解决视频扭曲等问题。     

多级FFD配准视频人脸超分辨率重建

超分辨率重建是解决视频人脸识别中人脸分辨率低的有效方法,但由于人脸畸变、表情变化等非刚性变化导致无法精确配准和重建.针对此问题,提出基于B样条的多级模型自由形式形变(FFD)弹性配准算法.先用低分辨率FFD网格全局配准,再对全局配准后的图像分块并计算对应子图块的相关性系数,对相关性系数小的子图块用高分辨率FFD网格局部细配准.在配准的寻优过程中采用基于混沌因子的自适应步长最速下降法提高寻优效率.配准后,采用POCS算法对多帧图像重建高分辨率图像来识别.在标准视频库和自建视频库上实验仿真,结果表明在人脸畸变和表情变化很大的情况下,也能够精确的配准和很好的重建,得到较高识别率.     

一种结合时间轴滤波的视频消噪新方法

为了提高含噪视频图像的质量,提出了一种二维小波域自适应滤波与时域时间轴滤波相结合的视频图像消噪新方法。首先,对视频序列的各帧在二维小波域中进行自适应滤波,之后在时域中进行时间轴滤波。对于二维小波域滤波算法,提出了一种高效的自适应阈值选取方案;时间轴滤波器则是结合了运动检测和递归平均。实验结果表明,其消噪效果要优于单纯的二维小波域滤波方法。     

基于EMD和HHT的航空发动机转子—机匣振动信号分析

将EMD和HHT方法引入航空发动机转子—机匣的振动信号分析,某台发动机的台架实测机匣振动信号的分析结果表明,该方法能够比较清楚地再现转静系统碰摩故障随转速和采样周期的演变过程,能够克服傅立叶谱无法同时获得时域和频域信息的缺陷。同时边际谱与傅立叶谱相比能够比较真实客观地反映系统的频率和幅值分布情况。     

一种基于自样本学习的人脸图像超分辨率复原算法

针对人脸图像超分辨率复原问题,提出了一种新的基于自样本学习的超分辨率复原算法.该算法从输入图像本身提取训练样本库,并采用矢量量化的方法对训练样本进行分类.再利用并行设计的多类预测器对每类样本进行学习训练,指导高频信息的估计重建.对来自输入图像本身的自样本训练集合和来自特定训练图像库的特定训练样本集合进行了对比研究.实验结果表明提出算法在图像重建质量和实现速度上都有很好的表现.     

一种基于差错估计的H.264视频容错算法

针对最新的视频编码标准H．264,设计了一种基于差错估计的容错算法。该算法结合信道条件,估计差错在视频编码帧之间的扩散;根据每个宏块差错的程度,自适应地判断是否对该宏块进行帧内编码,从而抑制差错的积累。在存在反向信道的环境中,该算法可以利用解码器反馈的实际宏块错误信息,跟踪差错扩散,对其进行更准确的估计,以提高容错性能。仿真表明,在各种信道条件下,该算法相对于随机帧内宏块更新算法．重建图像平均峰值信噪比有1．3～2．5dB的提高。同时,该算法对信道估计的要求不高,运算量和存储量的增加较低,具有实用性。     

时变参数模型及其在非平稳振动分析中的应用

对时变参数模型TVAR（Time-varying Autoregressive Model）进行了研究，并将其应用于转子实验台非平稳振动信号的分析。TVAR是模型参数随信号统计特性而变化的变参数AR（Autoregressive Model）模型，适用于分析非平稳信号。利用TVAR对调频仿真信号进行分析并与典型时频分析方法进行比较，结果表明TVAR具有时频分辨率高、无交叉干扰项以及对噪声不敏感等优点。基于TVAR分析了转子实验台正常及故障工况下连续变速过程中采集的振动信号，实验表明TVAR能够有效地分析非平稳振动信号，并具有较强的信号特征提取能力，为非平稳工况下转子故障诊断及模态分析等提供了一种有效的分析方法。     

基于DSP的全景视频多目标实时检测

全景视频由于具有360?的视角,非常适合用于智能视频监控中的多目标检测。首先介绍了以DSP处理器为核心的系统处理平台;接着介绍了全景图像的展开算法和MHOEI多目标检测算法;然后针对全景展开设计了适合DSP平台的分块查表展开方法,针对MHOEI设计了降分辨率处理方法;最后在DSP处理器上进行了优化实现。实验表明,在所选的DM6437处理器上,将720×576大小的全景图像展开为896×180大小的目标图像,展开帧率可达120帧每秒;再经过多目标检测后能达到平均35帧每秒,满足实时要求,同时能有效检测出全景视频中的运动和静止目标。     

快速背景重建的在线运动目标检测

为了能快速地从视频图像序列中创建可靠的背景图像,进而提取运动目标,文中提出了一种基于反馈信息的运动目标检测算法.首先提出了基于相邻帧信息和背景估计信息相融合的背景重建算法,保证了在视频场景改变时仍能迅速捕捉背景;还提出了基于一种在线Otsu法的运动目标检测,将相邻帧运动目标信息反馈到目标提取算法中,弥补传统Otsu法的不足;最后提出了对光线变化具有一定鲁棒性的背景估计算法.实验表明,该方法的重建速度快,准确率高,能满足实时检测的需要.