一种基于CUDA的快速宽视频拼接的方法

在视频拼接过程中,需要进行大量的图像处理计算,高复杂度的拼接算法很难满足实时性要求。因此,为了实现多视频源快速拼接,不仅要求拼接算法具有较强的鲁棒性,同时还需要具有较低的复杂度。文中提出了一种新的快速宽视频拼接方法,此方法首先利用SURF算子提取图像特征点并进行匹配,接着使用多分辨率融合算法进行全景图融合,然后利用基于路径的方法结合光流实现低复杂度的视频插帧,同时整个宽视频拼接过程使用CUDA进行并行加速,最后用一个双目拼接系统对文中提出的方法进行可行性验证。     

一种基于膨胀的渐进渐出图像融合算法

在对多幅图像的不同区域进行拼接时,需要涉及到图像分割、配准以及图像融合等方法。针对多幅图像不同区域进行拼接的情况,提出了一种“基于膨胀的渐进渐出”图像融合算法,该算法在图像融合过程中结合形态学方法,大幅度提高了拼接图像的效果。多个实验验证了所提算法的有效性。     

一种全自动稳健的图像拼接融合算法

提出了一种全自动稳健的图像拼接融合算法。此算法采用Harris角检测算子进行特征点提取，使提取的精度达到了亚像素级，然后以特征点邻域灰度互相关法进行特征点匹配得到了初步的伪匹配集合，并运用稳健的RANSAC算法将伪匹配点集合划分为内点和外点，在内点域上运用LM优化算法精确地估计出了图像间的点变换关系，最后采用颜色插值对交接处进行颜色过渡。整个算法自动完成，它对有较大误差或错误的特征点数据迭代过滤，并用提纯后的数据来做模型估计，因而对图像噪声和特征点提取不准确有强健的承受能力。在参数估计时，以特征点的坐标位置误差而不是亮度误差来构造优化函数，克服了以往算法对光照的敏感性，使算法更具有实用性。实验结果表明，该算法融合效果比较理想，鲁棒性强，具有较高的使用价值。     

一种多路快速视频拼接系统设计与实现

针对当前高分辨率的多路视频拼接系统速度慢、实时性能低的问题,提出一种基于CPU和GPU并行架构的多路高清视频拼接算法。该算法在传统基于方向的快速特征点检测和旋转不变的特征描述算法上进行改进,删除针对尺度不变性应用的图像金字塔模块,并使用基于重叠区的局部配准方法,将配准后的图像数据在GPU设备端进行并行融合。在GPU与CPU异步执行的原则上,实现CPU端当前帧图像的配准,与其前帧图像融合,且以并行方式执行。通过显卡端图像数据计算与图像渲染之间的共享缓冲区,完成帧图像的快速渲染。实验结果表明,在4路200万像素的网络相机环境下,该算法实现的全景拼接系统的视频帧率达到17 f/s,可满足大场景的实时性需求。     

视频拼接在三维空间的融合实现

近年来,视频图像拼接技术是视频应用领域研究的一个热门课题,针对视频监控系统对大场景监控的需求,从三维增强现实场景可视化系统融合实现角度,应用三维视频增强现实虚拟技术,将不同摄像机所采集的视频图像拼接成一完整而连续的图像,为监控系统提供无差别、连续的大场景视频,实现动态视频图像与二维、三维静态图像的关联.     

一种光照鲁棒的图像拼接融合算法

针对传统图像拼接方法只能处理光照一致图像的问题,提出了一种对环境光照鲁棒的全景图拼接算法。该算法首先使用圆环投影来获取待拼接图像的匹配特征序列,不仅克服了传统图像特征提取方法中的区域局限性问题,而且较好地实现了光照变化的图像匹配;然后使用统计参数来调整待拼接图像的整体亮度,以解决光照变化问题;最后对于传统图像融合处理中采用线性加权函数通常引起的最终拼合图像重叠区域模糊问题,构造了包含图像梯度的能量函数,用于计算重叠区域的全局最优融合因子。实验表明,该算法对光照变化图像的拼接融合能取得满意的视觉效果。     

一种改进图像拼接算法的仿真研究

研究图像拼接优化问题,在图像拼接中有精度要求,但由于受到光照、目标移动、视角等影响,图像含有噪声,且容易发生变形,传统Harris特征提取算子不能适应图像变形特性,容易获得很多错误的特征点,导致后继的图像拼接精度低。为了提高图像拼接精度,提出一种改进Harris算子的图像拼接方法。首先对待拼接图像进行平滑和几何校正处理,然后采用改进Harris算子提取图像特征点,最后采用傅立叶变换实现图像配准,平均值法进行图像融合,得到一幅全景图像。仿真结果表明,改进算法不仅减少了图像拼接耗费的时间,同时提高了图像精度和拼接的效率,达到了图像无缝拼接的效果。     

一种基于特征点匹配的图像拼接算法

本算法首先采用边缘检测缩小了待提取的特征点的寻找范围,然后根据图像中各列边缘点的梯度最大值提取特征点,进而确定两幅图像的缝合点及其匹配位置,最后通过对图像的重叠区域进行平滑过渡处理,实现了待拼接图像的无缝拼接。实验表明,本算法能较好的实现图像拼接。     

实时全自动视频拼接方法

在视频拼接中,配准的误差和运动物体都会给拼接结果带来鬼影,简单的融合方法会带来图像高频内容的丢失,复杂的融合算法则难以满足实时性。针对上述问题,使用一种改进的快速检测Harris算子以及改进的RANSAC算法来减少图像配准误差,结合捆绑调整进行全局调整,并提出新的融合方法。通过对重叠区域边界的求取和形态学腐蚀运算,确定需要融合的像素,结合三角函数作为权值来进行融合。大量的实验结果表明,该方法具有良好的实时拼接效果。     

一种新型煤矿视频监控图像滤波算法

针对煤矿视频监控图像存在噪声强度高且对比度低等问题,提出了一种新型煤矿视频监控图像滤波算法。该算法首先采用自适应Canny算子对图像进行边缘检测,实现边缘图像和非边缘图像的有效分离;然后对边缘图像引入直方图均衡化算法进行处理,以突出图像边缘信息,提高图像对比度;从滤波器的构建、结构元素的设计方面对经典数学形态学滤波算法进行改进,将其应用于非边缘图像的滤波;最后对处理后的边缘图像和非边缘图像引入图像融合机制进行加权融合。实验结果表明,与小波阈值法、经典数学形态学滤波算法相比,该算法具有较好的滤波效果。     

视频传感器网络中基于相关性图像融合算法

基于图像相关性信息,从系统层面提出了一种图像融合算法.该算法充分考虑到视频传感器节点的有限资源及相邻节点间冗余视觉信息,将同一场景的视觉监测任务分配到相关度较大的2个视频传感器节点上,每个视频传感器节点仅负责传输一部分视觉场景信息.特别地,利用极线约束性质融合多路传输来的部分图像信息,最终实现场景视觉信息的重建.实验结果表明:该算法简单易行,既可以减少网络传输量、节约网络能量,又可以实现场景视觉信息的有效监测.     

基于拉普拉斯金字塔融合的岩心图像拼接算法

针对岩心图像拼接效率低以及易出现鬼影现象的问题,提出了一种基于最佳缝合线的拉普拉斯金字塔融合的岩心图像拼接方法.首先将待拼接的两幅岩心图像进行灰度变换,根据ORB算法计算并描述特征点;其次使用改进的random sample consensus (RANSAC)算法对特征点进行提纯,完成特征点匹配;根据匹配的特征点计算图像间的配准关系,最后根据最佳缝合线实现岩心图像的拉普拉斯金字塔融合,完成拼接.实验结果表明,改进的RANSAC算法能在保证正确率的同时提升速度,而且本文提出的图像融合方法避免了鬼影的产生,在融合区域的PSNR、SSIM和DoEM客观评价指标上与另外两种图像融合算法相比都有所提升.     

基于CUDA 与粒子滤波的多特征融合视频目标跟踪算法

针对复杂环境中非线性运动目标跟踪,单一特征无法满足对目标的准确描述,造成不能准确跟踪的问题,提出了一种基于粒子滤波与多种特征自适应融合的跟踪方法．该方法先对目标区域提取轮廓方向分布与颜色分布。根据自适应规则融合后,然后与粒子滤波理论相结合,实现对各种复杂环境中视频运动目标的有效跟踪．同时,通过使用CUDA（ComputeUnifiedDevicemchitecture）加速,实现了目标跟踪的实时性．实验结果表明,该方法可对非线性、非高斯的运动目标进行有效的跟踪,对目标的遮挡与暂时消失,背景焦距的拉伸与背景颜色的变换,有很强的鲁棒性和实时性．     

基于目标分割和融合的快速视频浏览算法

针对稀疏对象的监控视频的快速浏览,提出了一种基于目标分割和融合的快速视频浏览的方法.首先,利用背景差分法得到前景目标,并对背景模型不断更新;然后,滤除无目标出现的视频帧,并以一定的密度对目标对象进行融合播放.实验结果表明,该方法鲁棒性好,能取得较好的效果.     

基于生物传感和图像信息融合的视频监控系统

将生物传感与图像信息融合技术引入到网络视频监控系统的研究中,开发出一套用于重点区域的安防监控系统。该系统克服了自动监控报警系统由于环境变化产生的误报警,实现了监控区域对人体生物的自动视频监视与告警。     

基于颜色传递的数字视频融合方法

针对伪彩色融合方法的融合图像色彩单一、颜色传递算法计算复杂等问题,提出一种新的红外与可见光数字视频融合方法。该方法在Toet算法的基础上,利用图像统计信息进行颜色查找表映射运算,对融合图像进行快速颜色传递,使融合结果具有与参考图像相同的色彩信息。实验结果表明,该方法的融合结果接近自然景物的颜色,效果优于伪彩色融合方法,且运算速度较颜色传递算法有较大提高。     

基于神经网络的双通道视频融合人员入侵检测

为克服单个可见光摄像头检测准确率低的问题,提出一种融合双通道视频的人员检测系统.由可见光摄像头和红外热像仪分别获取同一场景的可见光和红外线视频数据,使用自适应学习速率的神经网络背景模型在2个通道中分别检测运动区域.通过图像配准对2个通道的结果进行“或”融合,并采用高斯滤波以消除噪声,利用积分图像快速检测近似长方形响应的人体区域.实验结果表明,该系统对行人和骑自行车人员的检测准确率达到98％,比单一通道具有更高的可靠性.     

基于CUDA的并行多尺度Retinex视频增强算法

多尺度Retinex图像增强算法增强效果明显,被广泛应用于图像和视频的增强处理中,但复杂的计算量限制了其在实时性应用中的推广,对于高清及多路视频的处理更是如此,因此研究其高速并行算法具有重要意义。本文以通用型GPU为基础,提出了一种基于CUDA的多尺度Retinex实时视频增强并行算法。根据算法各模块的耦合性将计算复杂的高斯滤波、对数空间差分及动态范围压缩等模块采用CUDA并行处理的方式实现,并利用视频序列之间的相似性降低多尺度Retinex算法的参数更新频率,以节省大量的计算耗时。实验结果表明所提算法能显著提高计算速度。     

视频传感器网络中基于动态注意力的图像融合

为了降低视频传感器网络中的网络负载,减少能量消耗并降低时延,提出一种基于动态注意力的图像分层融合方法。通过对网络的结构化部署和节点间的区域映射,对视频监测区域进行逻辑划分。利用动态注意力模型对局部重点区域进行精度优化,实现多质量图像融合。实验结果证明了该方法的有效性。