无控制点场景下基于多运动目标的卫星视频稳像算法

为了解决无控制点场景下现有卫星视频稳像算法失效的问题,提出了一种基于多运动目标的卫星 视频稳像算法,该算法构建了目标检测、轨迹平滑和范数优化的框架,将多目标卡尔曼滤波、rlowess轨迹平滑 与L1?L2范数优化相结合,最终实现卫星视频稳像。利用海上多目标舰船观测数据集开展实验,验证该算法的 有效性,结果表明基于多运动目标的卫星视频稳像算法在X、Y 方向上的稳像误差均不超过0. 3个像素。本研究 填补了无控制点场景下卫星视频稳像的技术空白,具有重要的工程应用价值。     

电子稳像中运动矢量一致性的优化算法

针对电子稳像技术传统块匹配法求运动矢量的固有缺点，采取四叉树——一种变块匹配方法计算运动矢量，使求得的运动矢量有较好的一致性．与其它变块匹配方法相比，该方法克服了其它变块匹配法的不足．实验表明，使用该法求出的运动矢量有较好的一致性和准确性．     

电子稳像在计算机视频辐射信息再现中的应用

介绍了计算机视频辐射信息再现的基本原理，然后分析了产生图像左右飘移的原因，并提出了一种基于图像特征跟踪的电子稳像方案。该方案根据被接收的视频信息，找到图像的特征，实现图像的稳定再现。经过实验证明，该方案的稳像误差最大不超过1个像素。     

基于光流传感器的视频稳像技术

针对平台运动导致的视频抖动问题,提出了一种基于光流传感器的视频稳像技术。该方案首先通过对一般光流传感器的改进,使其具有旋转运动下输出准确运动矢量的能力,然后利用光流传感器获得相邻两帧图像之间的运动矢量,并通过坐标变换计算出主相机的实时平移和旋转信息;其次,对原视频图像序列进行运动补偿,以获得稳定的图像序列,最终实现了视频稳像。实验结果表明,稳像后的图像序列与未稳像之前相比峰值信噪比提高了11.86 dB。该方案在视频抖动较大的情况下,能够明显减小图像序列的抖动现象,具有稳像效果好的特点,满足视频稳像的性能要求,对提高平台抗扰能力有着较高的实用性。     

局部特征点的鲁棒性数字稳像

针对视频序列受载体的影响,本文提出了基于Harris局部特征点的数字稳像方法。局部特征点在图像处理、模式识别、计算机视觉以及目标检测与跟踪领域得到了广泛的研究。首先,利用Harris算法提取动载体摄像系统中每帧图像的局部特征点,采用基于归一化互相关匹配算法进行局部特征点的匹配,提出了一种双向搜索的匹配策略来提取具有较强鲁棒性的特征点;然后,利用随机抽样一致算法进一步筛选所选定的特征点,并将保留下来的精确匹配特征点带入仿射运动模型求出全局运动矢量;最后,提取全局运动矢量中的抖动参数,并对原始图像进行补偿。实验结果表明,该方法可以快速有效地处理图像序列的仿射运动,水平和垂直方向的精确度小于1 pixel,并且具有较好的鲁棒性,可用于动载体摄像系统。     

基于相位相关的数字稳像算法研究

提出一种基于相位相关的车载视频稳像算法.采用对数极坐标变换技术以及相位相关技术检测图像帧间的旋转、尺度变换以及平移运动参数.为克服局部运动对全局运动参数的影响,采取了由局部运动参数求取全局运动参数的策略.在建立运动参数状态空间模型的基础上,采用Kalman滤波技术进行运动滤波,获取补偿参数.实验结果说明该方法能够比较理想地保留摄像机的主动运动,去除高频抖动.     

基于L1范数正则化和最小二乘优化的冲击载荷识别研究#br#

为了改善冲击载荷识别问题的病态特性,最大限度提高识别精度,在时域内提出一种基于L1范数正则化和最小二乘优化的改进冲击载荷识别方法。采用L1范数正则化方法构建冲击载荷稀疏反卷积模型,使用截断牛顿内点法求解L1范数的最小二乘优化问题,同时根据预条件共轭梯度法确定最优搜索路径和计算方向。最后,考虑不同冲击工况、不同响应位置对识别结果的影响。通过对铝合金板进行冲击载荷识别试验进行验证,发现在铝板受单次冲击和多次冲击工况下所识别载荷与施加的实际载荷吻合良好。结果还表明,与Tikhonov 正则化方法相比,该方法能够提高冲击载荷识别的准确性和稳定性。     

基于L1最小范数法的波束形成方法参数研究

L1最小范数法的波束形成方法具有运行速度快、识别准确度高、分辨率好等优点,广泛应用于声源识别领域,然而因该方法参数选取较为困难,在使用中需要花费大量时间来试值。针对此问题,建立声源测量模型,研究不同条件下约束参数的取值。基于详细的理论推导与数值模拟仿真,分析约束参数ε与声源距离,信噪比和阵列孔径之间的关系。数值模拟结果表明：信噪比为10 d B到40 d B之间,测量距离大于0.5 m,测量阵列采用49个阵列单元时,可以实现声源的精确定位,并且约束参数的变化范围很小,在不同的频率下呈现一定的规律性。发现这种变化规律为参数选择提供了可靠的理论基础,可大大缩短取值的时间,具有很高的可行性。     

一种基于灰度投影与块匹配的视频序列快速稳像算法

针对视频图像序列的不稳定性,结合灰度投影算法与块匹配法各自的特点,提出了一种可以快速消除图像序列间平移和旋转抖动的新型电子稳像算法.该算法首先采用灰度投影法估计与补偿图像序列间的平移运动,然后用拉普拉斯算子在图像边缘处选取灰度信息比较丰富的小块模板,利用块匹配法计算模板的平移运动,再结合模板在图像上的位置估计图像的旋转...     

基于加速度传感器的红外图像稳像技术研究

本文对安装于非固定平台上红外前视设备的像移产生的机理进行了详细分析,在此基础上提出了采用微机械加速度传感器获取像移矢量的方法及算法,并研制了可安装于红外前视设备上的像移矢量测量系统,利用三维摇摆台进行了像移测量和稳像试验,并与纯软件化稳像效果进行了比较,验证了本文提出的理论和方法的正确性,以及试验装置的有效性。     

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。     

基于区域自适应模型耦合向量约束的图像匹配算法

目的 为了解决提高图像匹配算法的匹配精度与鲁棒性。方法 设计基于区域自适应模型耦合向量约束规则的图像匹配算法。首先引入采用上下文信息的显著性分析方法,提取图像的显著区域和非显著区域。根据区域的显著性特征构造区域自适应模型,用以动态调整FAST算法中的灰度阈值,提取图像中的特征点。然后,通过欧氏度量将特征点邻域内的点分为长、短点集;通过长点集生成特征方向,利用短点集生成特征向量,以获取特征点的描述符。最后,对特征点之间的Hamming距离进行度量,实现特征点的匹配。利用匹配特征点组成的向量建立向量约束规则,对匹配特征点进行优化,完成图像匹配。结果 实验结果表明,与当前图像匹配技术相比,所提算法具有更高的鲁棒性与匹配正确度,当目标旋转角度达到100°时,其匹配准确率仍可达到88.95%。结论 所提算法具有良好的适应性,在遇到几何变换时,具有较好的匹配精度,在图像处理、信息安全等领域具有良好的参考价值。     

基于优先权和匹配度量的图像修复算法

目的 针对当前图像修复算法主要通过固定单一模板大小实现修复块与匹配块之间的匹配度量来完成图像复原,导致其存在一定的模糊效应以及振铃效应等不足,这里提出基于改进优先权和匹配优化度量的图像修复算法。方法 首先,利用数据项构造平滑因子,建立优先权模型,度量待修复像素点的优先权,选定优先修复块。然后,制定四级模板大小,利用误差平方和函数,结合模板大小特性,构造匹配度量模型,用于实现修复块和匹配块之间的动态匹配,选取最优匹配模板,对待修复块进行填充修复。最后,利用待修复像素点及其邻域像素点的灰度值构造邻域灰度差分模型,用于对修复区域的边缘进行缝合,优化修复效果。利用最优匹配度量结果,构造置信度更新模型,对置信度项进行更新,实现图像修复。结果 仿真实验结果显示,与当前图像修复算法相比,所提算法具有更高的修复质量,其输出图像无模糊效应与振铃效应。结论 所提算法能够较好地对损坏图像进行复原,在图像信息处理领域具有一定的参考价值。     

基于图形处理器的相位校正稳像

由于稳像算法中的运动估计占据整个算法60％～80％的运算量,并随着图像分辨率的提高,实时稳定连续图像序列的难度不断增加.本文提出一种基于图形处理器的相位校正策略,根据相位校正稳像算法教学模型,利用图像处理器统一并行架构与像素单线程模式,设计交叠复合相位运动估计结构,提升并行线程同步性能,缩短FFT并行运算时间;同时通过...     

Multi-Index Image Retrieval Hash Algorithm Based on Multi-View Feature Coding

In recent years, with the massive growth of image data, how to match the image required by users quickly and efficiently becomes a challenge. Compared with single-view feature, multi-view feature is more accurate to describe image information. The advantages of hash method in reducing data storage and improving efficiency also make us study how to effectively apply to large-scale image retrieval. In this paper, a hash algorithm of multi-index image retrieval based on multi-view feature coding is proposed. By learning the data correlation between different views, this algorithm uses multi-view data with deeper level image semantics to achieve better retrieval results. This algorithm uses a quantitative hash method to generate binary sequences, and uses the hash code generated by the association features to construct database inverted index files, so as to reduce the memory burden and promote the efficient matching. In order to reduce the matching error of hash code and ensure the retrieval accuracy, this algorithm uses inverted multi-index structure instead of single-index structure. Compared with other advanced image retrieval method, this method has better retrieval performance.     

多尺度空间基于集中度判定的二维稳像算法

二轴运动平台由于震动、非一致性摩擦等因素造成视频序列出现抖动,同时外部噪声,光照变化等对图像特征提取、匹配等存在严重影响导致运动向量估计错误,本文提出一种在多尺度空间基于集中度判定的二维稳像算法.通过在多尺度空间下提取视频序列的不变特征,采用深度优先最邻近搜索算法,寻找匹配点对,然后计算匹配点对的集中度,通过最优集中化...     

基于匹配调节法则和梯度约束模型的图像修复算法

目的针对当前较多图像修复算法难以根据不同纹理结构来自适应调整修复块的尺寸,导致修复结果中存在不连续效应和模糊效应等不足,提出一种结合匹配调节法则和梯度约束模型的图像修复算法。方法首先,利用平滑因子对置信度项进行约束,构造优先级判定模型,对待修复块的优先级进行度量,确定优先修复块。随后,通过SSD模型度量样本块之间的匹配结果,并根据匹配结果制定匹配调节法则,使得样本块能根据匹配度自适应调节其大小,以提高修复质量。最后,将梯度模值块中像素点的均方距离度量结果与样本块中像素点相结合,构造梯度约束模型,用以获取最佳匹配块对待修复块进行填充修复。结果实验结果表明,与当前图像修复算法相比,该算法修复的图像具有更好的修复质量,在像素丢失率较高的情况下,仍然具有较高的相似度值。结论所提算法具备较好的修复视觉质量,可用于被大面积损坏图像的修复。     

基于虚拟点的可见光和SAR图像配准研究

本文以机场场景下的可见光和SAR图像为研究对象,提出了一种基于虚拟点特征的可见光和SAR图像配准方法.该方法以虚拟点特征和控制点匹配技术为基础,处理具有全局仿射几何失真的异源图像配准问题.首先根据两类图像的特点,使用Canny算子和一种兴趣算子提取两幅图像中的共有特征一直线特征,然后在直线特征的基础上拟合虚拟点特征,采用基于特征一致的粗配准和基于虚拟点特征的精确配准相结合的方法,对两幅图像实现由粗到精的自动配准,实验结果表明,本文方法可行且能取得较高的配准精度.     

可见光和红外反相图像的SURF特征双向匹配

特征匹配的准确率影响图像配准的精度,是基于特征配准方法的重点和难点之一。为了解决单向最近邻/次近邻法所导致特征点一对多的误匹配问题,提出了一种红外和可见光图像的特征双向匹配方法。首先,对红外图像进行反相和直方图均衡化处理,增强两类图像的相似性,提取数量更多重复率高的共有特征;其次,对提取的SURF(Speed-up Robust Feature)特征进行双向最近邻/次近邻粗匹配,确保特征匹配的一致性,降低误匹配率,并利用RANSAC(Random Sample Consensus)算法对特征点进行二次匹配,实现特征点精确匹配。实验结果表明,该算法在正确匹配率和配准精度方面都优于传统SURF的单向最近邻/次近邻匹配方法,具有有效性。