基于运动矢量场的双迭代全局运动估计方法

提出了一种基于运动矢量场的双迭代全局运动估计方法，该方法用两个最小二乘迭代过程来去除局部运动区域对全局运动估计的干扰。第一个迭代使用一个递减的百分比阈值来排除局部运动区域；第二个迭代过程使用一个固定的绝对阈值来检测完整的伞局运动区域并估计运动模型参数。实验结果表明双迭代法进行伞局运动估计的结果更加准确和稳定。     

基于背景前景分割的全局运动估计算法

文章提出一种直接对压缩视频码流进行全局运动估计的新算法。为了提高估计精度和计算效率．提出一种新的视频背景前景分割方法，该算法利用运动矢量和AC系数实现背景与前景分割。基于分割的结果，采用背景宏块的运动矢量进行全局运动参数估计。实验验证了提出的全局运动估计算法的计算效率和精度。     

基于运动矢量多级分析的视频全局运动估计

基于运动矢量场的视频全局运动估计相较于基于像素的估计方法具有较低的计算复杂度,因而广泛应用于视频分割及视频压缩等领域中.然而噪声和前景目标等外点区域的存在,降低了全局运动估计的准确性.为了提高全局运动估计的准确度,该文提出一种基于运动矢量多级分析的全局运动估计算法,该算法根据局部运动与全局运动的运动特性差异自适应地滤除前景目标区域,由邻域矢量间相似性度量检测出纹理平滑周期区域,最后滤除孤立的噪声区域,由滤波得到的内点区域求解全局运动参数.实验结果表明,该方法能有效地滤除外点区域,提高全局运动估计的准确性.     

基于MPEG的全局运动估计技术

提出了一种基于MPEG(moving picture experts group)的全局运动估计技术: 利用四参数模型来描述由摄像机运动带来的全局运动,再利用基于块匹配的算法来求解4个参数,进而作相应的运动补偿.由于MPEG视频流中的运动矢量蕴含了最优块匹配的信息,所以不需要对MPEG视频流完全解码,即可进行参数估计.实验证明该算法速度较快,并能通过运动补偿排除由摄像机运动造成的伪运动区域的干扰.     

基于MPEG的全局运动估计技术

提出了一种基于MPEG（moving Picture experts group)的全局运动估计技术;利用四参数模型来描述由摄像机运动带来的全局运动,再利用基于块匹配的算法来求解4个参数,进而作相应的运动补偿,由于MPEG视频流中的运动矢量蕴含了最优块匹配的信息,所以不需要对MPEG视频流完全解码,即可进行参数估计,实验证明该算法速度较快,并能通过运动补偿排除由摄像机运动造成的伪运动区域的干扰。     

基于运动矢量对消和差分原理的快速全局运动估计

该文针对全局运动估计计算复杂度过高的问题,提出了一种基于运动矢量对消和差分原理的快速全局运动估计方法。基于不同象限运动矢量对之间存在的对称抵消特性,首先估计出平移运动参数分量;再使用运动矢量对的差分原理,并结合一种置信判断的策略,估计出变换运动参数分量。在5组几何全局运动模型和真实视频序列上的实验结果表明,与基于迭代最小二乘(ILS)和基于偏导数(PD)的估计算法相比,该方法在保证估计精度的情况下,所需的平均计算时间只要它们的50％左右。     

一种快速自适应全局运动估计算法的研究

该文提出一种快速自适应全局运动估计算法。该方法从分析块匹配运动矢量统计特性出发,通过 引入一个可预设置参数,计算当前帧与参考帧之间的基本平移矢量,并自适应地采取混合全局运动、局部运 动估计的算法处理不同特征的源数据.仿真结果表明,与传统方法相比,该文算法复杂性低、处理延时小、 更利于硬件实现,在PSNR变化不大的情况下,编码效率有较大的改善.     

一种新型全局运动估计算法

提出了一种新型全局运动估计算法,将进货规划算法引入全局运动估计算法中,能明显加快全局运动估计的计算量。实验结果表明,新算法有良好的计算速度和计算精确性。     

基于自适应模板匹配的帧间全局运动估计算法

针对传统的匹配方法在匹配模板与待匹配图像间存在噪声影响、亮度等差异时导致匹配算法在时间和精度上得不到很好的统一,由此影响到红外图像帧间全局运动估计和补偿问题,提出了基于自适应模板匹配的方法进行帧间全局运动估计算法。该算法首先利用模板选择策略进行待匹配模板的选取,提高匹配的精度;然后提出自适应模板匹配准则,以达到较好的匹配效果,克服噪声等奇异点对误差函数值的影响;最后提出菱形搜索策略,以便搜索到最佳匹配点,使搜索不至于陷入局部最优,并提高了搜索速度。仿真实验结果表明,在红外图像背景变化较为缓慢的情况下,所提算法降低了帧间全局运动估计计算复杂度,同时具有很好的匹配精度和准确性。     

基于鱼眼视频图像的人群运动估计算法

随着公共活动在规模和数量上的不断增长,人群危险事件的预防已成为人群监控安全领域的重要问题.本文针对常规相机在人群监控领域的局限性,使用鱼眼镜头对人群进行监控,提出了基于图像金字塔迭代的LK光流算法,得到人群运动的矢量,对人群运动的方向和速度等信息进行估计,便于提前预防危险事件的发生.通过对比实验验证,结果表明该算法与高精度的全搜索块匹配算法结实验结果接近,且耗时更少,适用于人群监控领域.     

基于区间全局优化的非线性最小二乘估计

分析了使用区间全局优化算法进行非线性系统模型参数估计的原因,介绍了非线性最小二乘估计和区间全局优化算法.在非线性系统模型参数估计中,相对于通过优化目标函数求得待估参数点估计的现有算法,基于区间分析的区间全局优化算法不仅可以求得待估参数的点估计,还可得到肯定包含待估参数真值的估计区间,并且该算法还具有计算结果稳定以及更大范围收敛的性质.通过仿真实验并与其他方法进行比较,结果表明算法的可行性和有效性.     

非线性回归模型参数估计的区间分析方法

现有很多方法都属局部搜索方法,不能保证得到问题的全部全局最优解,而基于区间分析的区间全局优化算法则能在给定精度范围内求出问题的全部全局最优解,并能给出满足要求的包含最优解的任意小区间。基于此,给出了非线性回归模型参数估计的区间全局优化算法,论述了算法求解问题的基本思想、解算步骤、基本算法和加速工具等,并将其应用于非线性回归模型参数估计中,仿真实验结果验证了所给算法的可行性和有效性．     

智能天线中一种迭代的联合信道估计与符号检测算法

在传统的二维RAKE接收机中,通常使用导频信道来估计信道矢量,进而求取加权系数,用于业务信道符号序列的检测.当导频功率较低时,信道估计误差较大,系统性能较差.本文提出了一种新的算法,先利用导频进行信道矢量的初始估计,然后用带投影的迭代最小二乘法,进行信道和符号序列的联合估计,该算法具有计算复杂度低,收敛速度快的特点.仿真结果表明:与传统二维RAKE接收机相比,该算法使系统的误码性能得到了有效改善.     

基于变分法的参数约束估计方法研究

提出一种基于变分法的参数约束估计方法,以获得渐进无偏的估计参数.通过分析包含待估参数的系统输入输出方程,构造变分法中的性能范函和约束方程,将传统的参数估计问题化为带约束条件的最小二乘估计问题;利用拉格朗日乘子法,分析参数估计方程,得到参数的最优估计.计算机仿真的结果表明,该优于传统的最小二乘估计法,获得的估计参数是渐进无偏的,获得的估计参数的辨识精度更高,该参数约束估计法在系统辨识和参数估计领域具有极其重要的实际应用价值.     

应用于稳像系统中的改进梯度光流法

由于传统的梯度光流法当运动不连续时运动场估计值与真实值有较大偏差,因而不能直接应用于稳像系统中。引入金字塔多分辨率分层技术对传统的梯度光流法进行改进。首先,在视频序列中选定细节丰富的区域作为计算区域;其次,利用结合金字塔多分辨率分层技术的光流法迭代求解相邻帧间的仿射参数;最后,采用帧间补偿方式,并增加控制累积错误传播的措施,在不丢失过多原有信息基础上,实现了长时间稳像。实验表明:改进的方法能够检测出剧烈的复杂抖动,并能达到旋转精度小于0.09、平移精度小于0.07个像素,缩放精度小于0.02的高精度估计,且补偿序列平均峰值信噪比值提高了2.36 dB以上。     

Structured total least squares approach for efficient frequency estimation

A new structured total least squares (STLS) based frequency estimation algorithm for real sinusoids corrupted by white noise is devised. Numerical results are included to contrast the estimator performance with an existing STLS frequency estimation method as well as the Cramér-Rao lower bound in different signal-to-noise ratio conditions.     

Linear Prediction Approach for Accurate Dual‐Channel Sine‐Wave Parameter Estimation in White Gaussian Noise

The problem of sinusoidal parameter estimation at two channels with common frequency in white Gaussian noise is addressed. By making use of the linear prediction property, an iterative linear least squares (LLS) algorithm for accurate frequency estimation is devised. The remaining parameters are then determined according to the LLS fit with the use of the frequency estimate. It is proven that the variance of the frequency estimate achieves Cramér‐Rao lower bound at sufficiently small noise conditions.     

Linear prediction approach to oversampling parameter estimation for multiple complex sinusoids

The problem of oversampling parameter estimation for noisy sinusoidal signals is addressed. We first extend the weighted least squares (WLS) approach to the complex sinusoids. Then the oversampling weighted least squares (OSWLS) estimator is proposed based on data decimation. Estimation performance of the OSWLS method is analyzed via theoretical and simulation studies. Results are also compared to those of the WLS and decimative unitary ESPRIT methods as well as Cramér-Rao lower bound.     

基于NLS-RELAX的空中多机动目标参数估计

针对机载雷达在环境复杂的高空飞行时检测空中多机动目标难度大的问题,提出了一种基于NLS-RELAX的空中多机动目标参数估计方法。本方法借鉴了RELAX算法的思想,可对多个机动目标进行有效分离,并利用非线性最小二乘(Nonlinear Least Squares, NLS)对分离后的每个机动目标信号进行参数估计。仿真实验表明,在目标信号严重被强杂波淹没且脉冲数有限的情况下,本方法可以获得较为精确的参数估计结果,且由于加入了RELAX的分离思想,在待检测距离单元内存在多个机动目标时本方法同样适用。