基于灰度投影和块匹配相结合的稳像算法

在视频稳像过程中为兼顾算法的精度与效率,本文通过分析稳像的原理及目前常用的几种算法,提出了一种基于灰度投影和块匹配相结合的匹配策略.首先运用灰度投影算法来缩小块匹配的待匹配区域,然后运用块匹配算法进行运动估计与补偿.在此过程中,充分地体现了灰度投影算法运算量小以及块匹配算法精度高的特点.实验结果表明在保持块匹配算法优势的同时降低了算法的运算复杂度.     

一种鲁棒性强的电子稳像方法

介绍了电子稳像的原理、分类和实现方法,针对稳像过程中的主要问题——提高算法适应性和鲁棒性进行了研究,提出一种新的基于改进MCD法求解运动矢量的电子稳像方法,首先对图像进行梯度转换,再利用梯度图像进行MCD相关匹配。实验证明,此方法有效地克服了由于异物进入时的算法不可靠的问题,提高了算法的鲁棒性和适应性。     

基于DM642的块匹配稳像算法的研究

应用全搜索的块匹配法,对平移抖动的的视频序列在DM642平台上进行了稳像处理。该块匹配法在当前帧上均匀的选取6个小块,然后在±30像素范围内在参考帧上搜索匹配块,剔除不准确的运动位移值后得出抖动帧的位移值。实验结果表明,该块匹配法对抖动的视频序列有一定的稳像效果。     

一种鲁棒性的抖动视频稳像算法

设计了一种适用于移动摄像设备获取的视频序列的基于特征匹配的鲁棒性不稳定视频稳像算法,算法首先将亮度自适应模型融入传统的KLT方法中以实现鲁棒性的特征匹配,而后基于特征误差分析和运动一致性原则对特征集合进行有效性验证以提高特征的可靠性,并提出一种基于运动往复特性的抖动检测方法以避免视频无抖动时的稳像误差,最后根据匹配的特征区域间的对应关系采用Affine运动模型进行图像稳定.实验结果表明,算法对于前景物体运动和外界光线突变具有较好的鲁棒性.     

基于灰度投影和块匹配的无人机视频稳像方法

全局运动估计是电子稳像的关键技术之一。针对视频大抖动情况下的传统估计方法慢和不准确的问题,提出了一种灰度投影和块匹配相结合的平移运动估计,与基于图像极坐标变换的旋转缩放运动估计方法结合,形成了完整的全局运动估计新方法。使用卡尔曼滤波和视频图像重构,输出新视频。通过对大量视频处理,结果表明该方案提高了全局运动估计方法的运算速度和估计精度,产生了稳定的视频输出。     

动态前景干扰下的电子稳像算法

针对存在动态前景目标的抖动视频序列,提出了一种以块匹配为基础的块差分平方前景目标去除的电子稳像方法。首先,将图像分成大小为16×16的特征块,通过设定阈值筛选出具有足够梯度信息来估计运动矢量的特征块,从而减少参与计算的特征块数量以提高处理速度;然后,采用归一化互相关(Normalized Cross Correlation,NCC)匹配算法和迭代搜索策略来完成特征块的匹配;最后,采用牛顿迭代法计算仿射变换模型下的帧间运动参数,并根据这些参数完成运动补偿,实现图像序列的稳定。实验表明,算法成功地去除了视频序列中动态前景目标的干扰,对存在平移及旋转运动的视频序列,能够快速有效地去除抖动,获得稳定的视频序列。     

基于联合相机路径的红外视频稳像算法

针对由于视差变化而导致的红外视频稳像技术难题,文中提出了一种基于联合相机路径的红外视频稳像算法,该算法主要包括:预处理、联合相机路径求解、多路径优化、运动补偿四个步骤。首先,要对红外图像进行直方图均衡化、特征点提取和匹配处理、预映射。接着,要将每帧图像分为m×n个网格单元,利用基于网格的映射运动表征,将每一帧中对应网格得到的局部单应性矩阵进行相乘得到联合相机路径。然后,对联合相机路径采用“多路径优化”策略进行平滑处理。最后,利用平滑后路径进行运动补偿稳定视频。实验结果表明,该方法能有效地处理由于视差而引起的非线性运动,相比传统的稳像算法效果更好,当特征点存在部分遮挡时,也能取得不错的稳像效果。     

视频稳像技术综述

分析了视频稳像的各类算法,包括基于运动的经典算法框架下的各种研究和无运动的新稳像算法。指出了各类算法的优缺点和适用性,并展望了今后的研究方向。     

基于特征点轨迹增长的视频稳像算法

现今的特征点轨迹稳像算法都是基于网格变形达到稳定视频的最终目的,而保证结果不扭曲失真且稳定的网格变形需要由一定数量的长特征轨迹通过相应最优算法来实现.目前所提出的算法无法在保证良好时间性能下达到这一要求,针对这个问题,提出一种基于特征点轨迹增长的视频稳像算法.首先提取特征轨迹,为避免算法优先选择较长轨迹而导致轨迹分布过于集中造成局部抖动的问题出现,将特征点位置分布与轨迹长度相结合作为选择策略使特征点轨迹分布更加均匀;接着利用低秩矩阵迭代逼近原理生成虚拟轨迹来实现轨迹增长;最后利用网格变形生成稳定帧.将本文的算法与另外两种典型的特征点轨迹稳像算法相比较,其中包括基于对极几何点转移的稳像算法以及基于三焦点张量重投影的特征点轨迹稳像算法.实验结果表明,本文算法的特征点分布均匀且轨迹利用率高,与基于对极几何点转移的稳像算法相比,稳像效果更稳定并且时间复杂度更低,与基于三焦点张量重投影的特征点轨迹稳像算法相比,在保证稳像效果的同时时间复杂度更低.     

基于时空一致性的立体视频稳像改进方法

随着立体拍摄设备的普及,立体影视的后期稳像需求大大增加.直接观看带有抖动的立体视频,极易造成视觉疲劳.利用传统2D稳像方法分别稳像合成的立体视频很可能引入新的垂直视差,并且会导致水平视差的不稳定,大大影响视觉体验.因此,提出了一种改进的立体视频稳像方法,在3D运动模型进行单目稳像的基础上,增强两路视频的时空一致性约束,更好地稳定水平视差及消除垂直视差.最后对稳定后的序列进行合理的裁切放大.对几组不同的立体抖动视频进行了试验,测试结果表明所提出的方法是有效的.     

基于Harris图像拼接的全景视频稳像算法

对于背景变换和抖动分量比较小的视频序列,传统稳像算法不能直接适用,本文提出一种基于Harris图像拼接的全景稳像算法。首先采用Prewitt算子提取出图像的边缘信息,在此基础上进行分区的Harris特征点检测;然后结合NCC（normalized cross correlation）算法与RANSAC（random sample consensus）算法实现图像间的特征点精确匹配,接着利用加权平均融合的方法进行图像融合;最后对融合后的全景图像进行剪裁,完成图像补偿,输出稳定的视频序列。实验结果表明:改进的Harris算法提高了算法效率以及正确特征点数量,并且本文稳像算法实时性较好,能够有效消除视频抖动并输出稳定的视频序列。     

基于光流法的多分辨率电子稳像算法

针对动载体摄像系统中视频序列受载体姿态运动及抖动的干扰而出现的不稳定现象,提出一种基于光流算法的多分辨率电子稳像算法。首先,通过划定有效的运动估算区域取代对整帧图像的计算以降低计算量;然后,利用基于光流算法的多分辨率分层运动估计快速并精确地计算出包含平移、旋转以及缩放运动的相邻帧间仿射变换参数;最后,采用固定帧补偿算法,利用求得的仿射变换参数,对图像进行运动补偿,消除或减轻图像序列帧间的随机抖动,达到稳像的目的。实验结果表明,针对包含运动目标的动态场景,该算法可以精确地检测出视频序列帧间平移、旋转以及缩放等复杂的抖动,水平和垂直方向的稳像精确度小于1pixel,保证视频序列的稳定输出,可应用于目标跟踪系统中。     

基于块合成的视频图像去模糊算法的改进

提出了一种对基于图像块合成的视频图像去模糊算法的改进.该算法通过建立图像模糊模型,并引入“幸运度”来代表图像的清晰程度,在当前帧的时间窗内使用基于图像块合成的方法来达到图像去模糊的目的,文中对图像块的选择用K-means聚类算法进行改进.通过对实验结果的分析,证明了改进方法的有效性.     

基于Hadoop视频转码的任务调度算法

现有的分布式转码系统大多没有考虑到根据计算节点的处理能力分配转码任务量,对转码过程造成影响,导致转码效率降低。针对这一问题,在对现有Max-Min算法的研究基础上,提出一种新的任务调度算法。利用佩奇排名算法评估机器转码性能,输入视频被分成大小不同的段,依据其复杂度和机器的转码能力进行映射。处理能力强的节点将分配到更多的视频块,最终所有计算节点的完成时间得到均衡化。实验结果表明,该算法能够显著提升视频转码效率,在很大程度上改善了云转码系统。     

基于图像拼接的全帧视频稳定算法

结合改进的比特平面匹配运动估计方法和图像拼接技术得到一种全帧视频稳定算法.基于菱形搜索的灰阶编码比特平面局部求精匹配方法在保证匹配精度的前提下,利用二进制布尔运算和菱形搜索降低了运动估计的计算复杂度,得到近似最优的估计精度.针对静态、平面场景视频序列,算法利用图像拼接技术得到全帧稳定视频.仿真实验验证了算法的有效性.     

交通监控视频的快速图像稳定方法

安装在户外的摄像机容易受到各种干扰,因此图像稳定是交通视频监控过程中必不可少的一步.本文采用背景图像中含有较大曲率边缘的区域做运动估计,并判别出全局运动矢量.再根据一个简单的3参数摄像机运动几何模型,估算出全局运动参数,进行全局运动补偿达到快速图像稳定.该方法结合特征匹配方法与运动判别方法的优点,模型参数少,求解过程快,能很好满足监控应用中图像稳定的实际需求,也可以用来对驾驶疲劳警示和车辆碰撞预防等场合获取的视频图像实现稳定化处理.     

应用残差总变分和低秩表示的视频去噪算法

为了有效地去除视频当中的高斯噪声和脉冲噪声,提出了一种新的视频去噪算法。该算法通过相似图像块组内的残差值总变分及低秩表示来同时探索图像块内的局部相似性以及图像块之间的相似性。首先,采用块匹配的方式在含噪视频中寻找最相似图像块并组合成图像块组;其次将每个相似图像组表达为一个低秩矩阵及一个稀疏矩阵之和,并同时强调低秩矩阵内的残差总变分范数最小化;最后,通过求解最优化问题获得最终的低秩矩阵,即恢复出的图像块组数据。实验结果表明,本文的算法能够有效去除视频当中含有的高斯噪声和脉冲噪声。与同类算法相比,能够获得显著的峰值信噪比提升。