基于像素级图像融合的Mean Shift目标跟踪

针对可见光、红外单模图像序列进行Mean Shift目标跟踪时存在的问题,提出了先对可见光、红外图像序列进行像素级动态图像融合,采用加权平均融合和基于区域目标检测的图像序列融合框架,再对融合结果进行Mean Shift目标核函数直方图建模,然后进行匹配跟踪。实验采用了实际图像序列。实验结果表明,针对目标进行跨背景区域的运动,该方法较采用单模图像序列进行跟踪具有更好的鲁棒性,并且满足实时性的要求。     

基于投影特征的快速图像稳定算法

本文针对摄像机的栽体既有抖动又有正常扫描运动的图像稳定问题提出了一种快速算法。该算法首先把二雏图像数据投影为一维数据，并在投影数据上估计图像序列的偏移量；然后通过卡尔曼滤波从图像序列的偏移量序列中消除抖动带来的影响，从而保持正常的扫描运动；最后依据滤波后的偏移矢量对图像进行运动补偿。实验结果表明，该算法
法在保持与块匹配算法相当的稳像准确度的前提下，大大减少了计算量。     

基于块匹配的鲁棒视频图像镶嵌算法

为了获取宽视野的场景表示,提出了一种基于块匹配的视频图像镶嵌算法,该算法首先采用基于相位相关的块匹配方法估计出视频图像间的运动矢量场,并剔除其中由于图像噪声或运动物体的遮挡而导致外点运动矢量,然后根据图像的运动矢量场确定出图像子块之间的对应点对,进而利用得到的对应点对迭代求解图像间的变换模型参数以实现视频图像的自动镶嵌.针对真实场景的视频图像序列进行实验,获得了较好的镶嵌结果,表明了该算法的有效性.     

基于特征块角点检测的电子稳像方法

针对稳像过程中的局部运动干扰, 提出了一种基于特征块角点检测的电子稳像算法。该算法采用SUSAN算子, 对均匀分布的大尺寸特征块进行检测, 并构造特征块及对应检索区域角点集合。通过计算基于角点响应函数的修正Hausdorff距离实现背景局部遮挡下的特征块配准, 进而通过运动矢量一致性检测得到有效运动矢量。实验结果表明, 该方法对实测抖动视频序列的平均峰值信噪比在稳像后提高了19. 83 dB, 对局部运动干扰下的抖动图像序列具有较好的稳像性能。     

求取真实运动矢量的一种算法

针对物体基视频编码与分割应用,提出了求取特征区域真实运动矢量的一种算法。首先,利用运动检测器将图像序列的每一帧分割成静止区域与运动区域。然后只对运动区域进行运动估计。为了克服传统块匹配法的固有缺点,本文算法采用变尺寸块匹配法,大的均匀区用大方块,运动物体的边缘区用小方块;在进行块匹配搜索期间,在易误匹配的区域,为了不遗漏真实的运动矢量,先按照ＭＡＥ准则预选出多个候选运动矢量,尽可能保证真实的运动矢量包含其中,接着再根据相邻块运动矢量的相关性,从多个候选运动矢量中选出一个比较可靠的运动矢量。实验结果表明,该算法产生的运动矢量真实可靠,而且一致性好,可用于识别可靠的运动区域。     

基于动态图像序列的下肢运动参数测量

针对人体下肢运动参数的检测问题，提出了基于动态图像序列的下肢运动测量方法。首先对成像系统进行了分析，然后根据所得的图像序列，提出了图像帧间特征点的对应、下肢的运动及结构参数估计等问题的处理方法，实验结果反映了该方法的有效性。     

矿井车载视频图像稳像算法研究

针对矿井车载摄像系统拍摄的视频因含有前景运动目标及高噪声造成的全局运动矢量估计误匹配率高、实时性较差等问题,提出了一种基于ORB特征匹配与改进粒子滤波的矿井车载视频图像稳像算法。在运动矢量估计阶段,采用ORB算法提取图像特征点;采用基于图像块的连续3帧间差分法,联合时空一致性准则快速剔除前景运动区域的特征点;结合前景标记区域,对特征点位置进行初次筛选,对保留下来的背景特征点进行配准;利用仿射变换模型实现帧间运动矢量的估计。在运动滤波阶段,采用基于估计窗的实时粒子滤波算法滤除抖动分量,获得补偿参数。实验结果表明,该算法有效避免了前景运动目标对稳像精度的影响,且具有较快的处理速度。     

针对融合图像的均值位移跟踪方法

提出一种针对融合图像的均值位移跟踪方法。运用加权平均融合和基于动态目标检测的多源动态图像融合体系,对可见光与红外图像进行像素级动态图像融合,利用Mean Shift算法进行目标跟踪。采用真实数据进行实验,并对实验结果进行稳态的位置均方根误差评价。结果表明,在跨背景区域及复杂背景下,采用该方法对目标进行运动跟踪,能满足鲁棒性及实时性要求。     

多自由度人体运动动态图像目标检测方法仿真

采用当前方法对人体运动动态图像进行目标检测时,无法消除图像中存在的阴影区域,导致图像清晰度低、位置误差大和检测效率低.提出多自由度人体运动动态图像目标检测方法,构建高斯背景模型,分离图像的背景区域和目标区域,将目标区域变换到HSI空间中,结合小区域去除方法和数学形态学处理,根据阴影区域饱和度高和亮度值低的特点确定目标区域中存在的阴影,通过匹配补偿去除目标区域中的阴影部分.根据目标区域的灰度分布构建目标更新模型,实现多自由度人体运动动态图像目标的检测.实验结果表明,所提方法的图像清晰度高、位置误差小、检测效率高.     

基于全局仿射变换估计的航拍视频校正*

提出了一种快速的基于特征匹配的全局运动估计方法,用于航拍视频校正和运动检测。为建立对应点集合,改进的harris角点检测器用于从图像序列中提取和选择稳定的角点,并采用SURF描述子描述这些角点。在运用随机一致性采样方法求取运动参数之前,将匹配对视为矢量进行分析,滤除明显的误匹配对以提高内点率。结果表明,该方法可实时、准确的估计全局仿射运动,完全能够满足移动平台下运动检测的需要。     

改进的航拍图像序列背景运动补偿技术

针对航拍图像序列提出用于提取图像特征点的最小亮度变化算法。利用特征点进行运动矢量估计,使用自适应十字模板搜索算法找到各个特征点的匹配点,结合随机样本一致算法估计背景运动模型的仿射变换参数,实现一种改进的背景运动补偿技术。该技术保障了航拍图像中运动目标检测的有效性。     

视频标准帧速率上变换的自适应运动补偿方案

提出了一种自适应的运动补偿方案，首先利用预测三步搜索算法进行运动估计，由于此运动估计算法能够很好地利用运动向量的时空相关性．从而能得到更加平滑的运动向量场。其次．为了能够抑制运动向量场中个别奇异向量以及块匹配算法所固有的块效应问题，对向量场进行中值滤波，并采用了一种特殊的向量分配算法。方案的最后一个环节是运动补偿插值，它综合考虑插值帧的局部图像质量以及全局图像质量，利用一种白适应性较强的中值滤波操作来达到一定的综合效果。实验结果证明，此算法与运动补偿时间插值(MCTI)算法相比，插值得到的图像更加平滑，而且，两者的信噪比指标对比也充分说明了本算法的优越性。     

Detection of collapsed buildings with the aerial images captured from UAV基于低空无人机航拍图像的坍塌建筑物自动探测方法

In this paper, we present a method of detecting the collapsed buildings with the aerial images which are captured by an unmanned aerial vehicle (UAV) for the postseismic evaluation. Different from the conventional methods that apply the satellite images or the high-altitude UAV for the coarse disaster evaluation over large area, the purpose of this work is to achieve the accurate detection of collapsed buildings in small area from low altitude. By combining the motion and appearance features of collapsed buildings extracted from successive aerial images, each pixel in the input image will be measured by a statistical method where the background pixels will be penalized and the ones of collapsed buildings will be assigned with high value. The candidates of collapsed buildings will be established by integrating the extracted feature points into local groups with the online clustering algorithm. To reduce the false alarm caused by the complex background noise, each predicted candidate will be further verified by the temporal tracking framework where both the trajectory and the appearance of a candidate will be measured. The candidate of collapsed buildings that can survive through long time will be considered as true positive, otherwise rejected as a false alarm. Through extensive experiments, the efficiency and the effectiveness of proposed algorithm have been proved.     

基于光流法的定点监控虚拟预置位图像提取方法

大范围定点监控存在摄像头预置位不足以覆盖全部监控区域的问题，而依靠摄像头本身的三维定位功能抓取监控点图像速度太慢，且可能存在定位误差。针对上述问题，提出了一种用于土地违法与违章建筑大范围定点监控的虚拟预置位图像提取及配准方法。对前后两帧图像进行灰度转化和中值滤波去除噪声点，使用基于金字塔的Lucas-Kanade光流算法计算前一帧图像强角点的光流，通过计算仿射变换得到帧间运动矢量；对相邻帧间运动矢量进行积分，得到每一帧图像总的运动矢量；通过提取出运动矢量与虚拟预置位运动矢量最接近的那一帧，得到所需的新时相虚拟预置位图像。实验结果表明，本文算法可以更快速地提取出同一监控点不同时相的监控对比图像，图像重叠率优于95%，不论是重叠率还是图像质量都可以很好地满足日常监控的需求。     

基于全局拼接的航拍图像拼接算法研究

研究航拍图像的拼接问题,提高图像拼接的准确度。由于当通过航拍获取的图像中部分图像相互存在重叠区域的比例不大时,造成拼接不准确。传统的区域的图像拼接算法无法将具有较小重叠区域的图像准确拼接。为了提高航拍图像拼接的准确率,提出一种全局的图像拼接算法,通过使用SIFT算法提取图像的SIFT特征点,根据位置误差最小的原则完成两幅图像的SIFT特征点匹配,最后利用整体最优化方法对拼接结果进行优化,采用全局特征点的拼接方法,可避免传统方法只利用重叠区域灰度特征而不能准确拼接低重叠度图像的问题。实验证明,改进方法利用图像的全局信息,准确地实现图像的拼接,取得了满意的结果。     

基于仿射不变约束与快速EKF滤波的航拍图像稳像

考虑到航拍机载成像平台抖动严重、视频稳像匹配环节精度不一致的特点以及航拍图像稳像技术快速、准确的要求,提出了一种结合仿射不变约束与快速扩展卡尔曼(Extend Kalman Filter,EKF)滤波的图像稳像算法。该算法首先以视频参考帧中的角点量作为特征点,通过Harris检测器选择出稳定角点;然后对待配准点构建Delaunay三角网进行初始匹配,提出利用仿射不变约束方法筛选出精确匹配点;最后利用快速EKF运动滤波方法实时估计和修正噪声的统计特性,从而解决摄像机扫描运动中存在的抖动问题。在对大量分辨率为640×480pixel的航拍图像的仿真实验中,可通过仿射不变约束实现精确的模型估计,采用的快速运动补偿方法在补偿过程中耗时为5.054ms,比传统的运动补偿方法节约了69.5%的时间。实验结果表明,该算法能够实时稳定航拍视频帧间的抖动现象,并能有效跟随场景的真实扫描。     

一种改进的有效运动估计方法—准菱形搜索法

根据基于对象的MPEG－4视频标准[1]，以对象宏块的运动矢量作类似的多边形匹配，利用相邻帧中运动矢量和图象像素的相关性，提出了一种“准菱形”搜索运动估计方法，该方法在图象运动复杂的情况下，不仅能根据方向选择来扩大搜索范围，而且能有效地降低搜索点数和搜索次数，该算法利用C语言编程，结合Matlab数学工具来处理典型图象序列，其结果表明，该方法与菱形搜索，六角形搜索相比，具有既能够有效地保持图象质量又能降低计算的复杂度等优点。     

Image registration by local histogram matching

We previously presented an image registration method, referred to hierarchical attribute matching mechanism for elastic registration (HAMMER), which demonstrated relatively high accuracy in inter-subject registration of MR brain images. However, the HAMMER algorithm requires the pre-segmentation of brain tissues, since the attribute vectors used to hierarchically match the corresponding pairs of points are defined from the segmented image. In many applications, the segmentation of tissues might be difficult, unreliable or even impossible to complete, which potentially limits the use of the HAMMER algorithm in more generalized applications. To overcome this limitation, we have used local spatial intensity histograms to design a new type of attribute vector for each point in an intensity image. The histogram-based attribute vector is rotationally invariant, and importantly it also captures spatial information by integrating a number of local intensity histograms from multi-resolution images of original intensity image. The new attribute vectors are able to determine the corresponding points across individual images. Therefore, by hierarchically matching new attribute vectors, the proposed method can perform as successfully as the previous HAMMER algorithm did in registering MR brain images, while providing more generalized applications in registering images of various organs. Experimental results show good performance of the proposed method in registering MR brain images, DTI brain images, CT pelvis images, and MR mouse images.     

Efficient motion vector recovery algorithm for H.264 based on a polynomial model

In this paper, we propose an efficient motion vector recovery algorithm for the new coding standard H.264, which is based on a polynomial model. To achieve better coding efficiency, the motion estimation scheme used in H.264 is different from previous coding standards. In H.264, a 16/spl times/16 macroblock can be divided into different block shapes for motion estimation. Each macroblock contains more motion vectors than previous coding standards. For nature video, the blocks within a small area likely belong to the same object, hence the motion vectors of neighboring blocks are highly correlated. Based on the correlation of neighboring motion vectors, we can use the motion vectors that are adjacent to the lost motion vectors to constitute a polynomial model, which can describe the change tendency of motion vectors within a small area. Through this model, the lost motion vectors can be predicted and the lost macroblocks can be reconstructed. Different video sequences are used to test the performance of proposed method. The simulation results show that the quality of corrupted video can be obviously improved by proposed algorithm.     

基于特征点匹配的全局运动估计

传统块匹配法只考虑平移运动,对大角度旋转无法进行有效估计。为此,根据圆形的旋转不变性,提出一种基于圆形块的匹配方法,提取圆投影矢量作为匹配特征,采用特征匹配的策略,得到当前块的运动矢量。为提高匹配效率,利用Harris算子检测特征点,获取特征点的运动矢量。通过局部运动矢量和刚体变换模型得到线性参数方程,并采用RANSAC算法进行求解,以获得全局运动参数。实验结果证明,该方法对较大的平移及旋转角度具有较强的适用性。