数字抠像的最新研究进展

数字抠像是图像处理、视频编辑和电影制作中的关键技术.通过数字抠像,从图像或视频的背景中精确地分离出前景, 是计算机视觉领域的重要问题.本文首先介绍了目前数字抠像的交互方式,然后把抠像技术分为基于颜色采样、 基于像素相似性、基于能量函数以及基于机器学习的四类技术,介绍和分析了其中的典型算法和最新研究成果, 并对这些算法的测试结果进行了定量和定性比较,最后总结了数字抠像技术目前的研究状况和未来的发展方向.     

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.     

复杂环境下基于信息融合的视频实时抠像算法

针对复杂场景下传统的视频抠像算法对目标物体与背景纹理相似或边界不清晰的图像分割困难的问题,提出了一种基于视觉传感器和激光雷达信息相融合的视频实时抠像算法。该算法从原始激光雷达点云数据中获取感兴趣区域深度信息,并作为先验知识融合到改进的谱抠图算法,创建感兴趣区域深度抠图拉普拉斯矩阵,通过聚类算法最优迭代得出抠像结果,并运用导向滤波器对抠像结果进行后处理。实验证明,对比于融合深度信息的传统算法和没有融合其他信息的算法,该算法降低了欠分割率、提高了运行效率,抠像目标的边缘信息也更加饱满、清晰、平滑。     

基于多面部特征融合的驾驶员疲劳检测算法

本文将卷积神经网络（Convolutional Neural Network,CNN）应用到视频理解中,提出一种基于多面部特征融合的驾驶员疲劳检测算法.本文使用多任务级联卷积网络（Multi-Task Cascaded Convolutional Networks,MTCNN）定位驾驶员的嘴部、左眼,使用CNN从驾驶员嘴部、左眼图像中提取静态特征,结合CNN从嘴部、左眼光流图中提取动态特征进行训练分类.实验结果表明,该算法比只使用静态图像进行驾驶员疲劳检测效果更好,准确率达到87.4%,而且可以很好地区别在静态图像中很相似的打哈欠和讲话动作.     

基于显著度的非监督抠像方法

为免除抠像过程中的人工参与步骤,提出一种基于显著度的非监督抠像方法。提取输入图像的显著度图,利用块融合与块过滤方法,获得抠像的参考信息,将图像划分为多个层次进行多分辨率抠像,从图像背景中抠取出前景物体。实验结果证明,该抠像方法在计算速度和抠像效果上均优于非监督的光谱抠像方法。     

影视后期制作中数字视频技术AE软件应用研究

常规的影视后期制作方法以创建三维图像为主,抠像时边缘处理不当,影响影视后期观感。因此,研究了基于数字视频技术AE软件的影视后期制作方法。利用数字视频技术AE软件,对影视后期进行抠像处理,将图像边缘整理圆滑。整理并衔接影视后期图像镜头,将抠出来的图像与后期背景完美融合。合成后期影像画面与声音,将声音与图像相结合,使音频与视频高度一致,从而实现影视后期作品的高效制作。采用对比实验的方式,验证了该制作方法的抠像效果更佳,能够与后期背景充分融合,具有较高的推广价值。     

视频图像雨场去除仿真研究

计算机视觉系统在军事和民用领域有着广泛的应用,而雨场的存在严重影响计算机自动检测、识别和跟踪目标的能力.通过深入分析雨滴的色彩属性及动态特性,为提高识别目标的准确性,提出了先将视频图像转化到YCbCr颜色空间,然后采用二次k-means聚类去除视频图像中雨场的方法.相比传统在RGB色彩空间的雨场去除方法,在保证不降低处理效果的前提下,方法仅需要处理一个Y分量,节省了两个色彩分量的处理,提高了实时性.在MatLab平台下进行仿真结果表明:方法可以有效的去除视频图像中的雨场,为恶劣天气下视频图像清晰化提供一种可行的图像雨场去除处理方法.     

基于声源定位技术的智能视频监控系统

针对目前的大部分视频监控系统都是基于图像检测的静态或动态监控,提出了在智能视频监控系统中应用声源定位和摄像头动态采集进行联合判决的方案。系统采用麦克风阵列对声源进行定位,然后驱动摄像头转动到声源位置监控,通过图像分析给出报警动作。实验结果表明,该系统在低噪声干扰的实验环境下,能实现对声源的有效定位,并进行异常情况报警。     

一种用于动态场景的全景表示方法

针对全景图无法表示动态场景这一问题，提出一种用于动态场景的全景图表示方法，将视频纹理和全景图结合起来，构造动态全景图。系统首先将一系列定点拍摄的图像拼接成全景图，然后用摄像机拍摄场景中周期或随机运动的物体，提取视频纹理，最后视频纹理与全景图对准并融合，生成动态全景图。动态全景图既保持静态全景图全视角漫游的优点，又使得场景具有动态的特征，极大地增强漫游的真实感。     

基于方向直方图的手语识别方法研究

传统的手语识别方法基本都是利用离散的各帧静态图像进行识别,存在一定局限性,根据普通摄像头获得的视频图像,并采用方向直方图来获得单帧的静态特征矢量和各帧图像间的动态特征矢量.实现手语的识别.首先针对头两帧图像,通过手部边缘轮廓提取算法找到手的区域,然后从中提取出能表现手部形状的静态特征矢量.同时,对连续帧的图像做动作评估,获得手部移动的动态特征欠量.最后,将手部形状的静态特征与动态特征结合,采用使用欧氏距离作为矢量问匹配程度的度量算法以实现手语识别.实验对5个人的5种手语分别进行测试,均能正确识别,结果验证了该方法的有效性.     

Adobe Premiere CS4中数字视频合成技术的实现

视频合成就是要将多个视频画面融合为一个视频画面,它是数字视频编辑中的一个重要问题。在Adobe Premiere CS4视频编辑软件中,提供了多种技术手段来解决这一问题。本文介绍通过调整素材的透明度和设置视频剪辑的＂混合模式＂来完成视频合成;通过视频特效组中的滤镜,根据素材的颜色、亮度、无用信号以及遮罩进行抠像,以达到视频合成的目的;使用＂轨道遮罩键＂特效实现跟踪画面的视频合成技术。实践证明,灵活地使用这些方法可以制作出高效、自然的数字视频作品。     

四款流行聊天软件视频音频大比拼

在这次评测中，MSN的视频画质最佳。必须承认，在视频质量方面，我们同国外，尤其是微软这样的软件巨头，是有着较大差距的。笔者在使用MSN进行视频聊天的过程中，发现MSN似乎使用了类似“图像平滑”，或“动态补偿”的技术，不管是静止还是动态，视频画面都非常清晰，而且在“大”图像比例时，也没有“马赛     

改进的整体变分模型在视频图像修补上的应用

改进了经典的图像修补变分模型,既考虑了图像区域中梯度不同给图像修补带来的不同影响,同时兼顾了视觉心理学对图像效果的影响。提出了新的变分泛函,给出了相应的欧拉-拉格朗日方程。将此模型应用到静态的图像上,和原来的模型在图像修补效果上进行了对比。将此图像修补模型应用到视频修补问题上,从一个新的角度,在两帧图像之间以增加一帧,把目标放在相应位置,形成新帧,使人物动作连贯,达到更好的视频图像的修补效果。     

基于Adaboost算法的人脸检测实现

人脸检测是指把人脸从一幅静止的图像或者动态视频中检测出来,并且指出人脸在图像或视频中的大小和位置.目前存在着大量的人脸检测算法,其中Adaboost算法是比较实用的人脸检测算法.Adaboost算法中人脸的特征采用的是矩形特征,在大量的样本集中,提取样本的矩形特征进行训练,生成多个弱分类器,然后合并多个弱分类器形成一个...     

一种改进的多尺度Retinex色调映射算法

传统的低动态范围显示设备不能很好地表现高动态范围图像信息,针对这一问题,提出一种基于引导滤波的Retinex多尺度分解色调映射算法。该算法使用引导滤波对光照信息进行估计,将高动态范围图像的亮度分为光照层和反射层;然后对反射层分量进行多尺度分解,得到一系列细节层和一个基本层,将细节层和基本层进行合并和色彩还原;最后得到色调映射后的图像。实验结果表明,该算法可以较好地还原真实场景信息,映射后图像的细节和对比度较好,色彩鲜艳。     

基于视频图像的人眼动态追踪

论文基于视频图像对人眼的瞳孔中心进行实时定位,根据该点的位置变化从而判断人眼的注视方向即人眼的动态追踪.首先对视频图像进行灰度化处理,将视频图像从RGB色彩空间转换到灰度空间.然后对灰度图像进行高斯滤波处理,去除图像的噪点.接着对图像进行二值化处理找到人眼区域并检测出瞳孔轮廓,最后进行瞳孔中心定位实现人眼动态追踪.实验结果表明,该方法是有效的,能够实时追踪眼动方向.     

轻松捕获DV清晰静态图像

在用DV拍摄时,突然发现一个非常漂亮的场面,但是苦于没有随身携带数码相机,于是就想用手中的DV来帮忙,但是在我将捕捉后的视频用会声会影保存为静态图像后,却发现原本动态播放时清晰的图像却变得很模糊,下面就让我们用两种方法,轻松捕获DV中清晰的图像。     

分析视频编辑中的抠像技术

随着人们生活水平的不断提高,对精神文化生活的要求也不断提高,这也在很大程度上促进了我国影视事业的发展。在影视后期编辑中,抠像技术是使用率较高的技术之一。因此,掌握并能熟练使用抠像技术,对提高影视后期处理效果具有重要意义。鉴于此,本文主要从含义、种类及具体操作流程等方面入手,对视频编辑中的抠像技术进行探讨,以期为同行提供参考与借鉴。     

基于神经网络的视频序列车牌定位算法

在研究静态汽车牌照定位算法的基础上,利用时间序列多帧图像信息量大的优势弥补以往单幅图像牌照定位的不足,研究了视频序列下的汽车牌照定位方法.针对静态图像的牌照定位问题,提出了一种新的基于字符边缘特征和神经网络的汽车牌照定位算法.将上述定位算法应用到视频单帧图像中的牌照定位,并依此为基础,在动态视频序列中,对连续抽取的帧图像进行定位检测,各得到若干候选牌照区,比较相邻帧之间对应候选区的匹配程度,以得到真正的牌照位置.实验结果表明,该方法的定位精度高,实用性强.     

高动态场景的图像融合优化和实时应用

目的：由于照相机不能采集到很宽的亮度范围,过度曝光和曝光不足现象普遍存在,尤其对于高动态(HDR)场景。图像融合技术能够解决这一问题,但是由于算法大多过于复杂,难以实现高效的处理速度,只适合对静态图像做处理。本文针对图像融合算法进行了多种优化,并提出使用图像融合技术来解决视频中的曝光问题。方法：我们对图像融合算法进行测试,对块融合的方法做了有效的优化来提升算法效率,并且将优化后的算法嵌入到实时监控系统中,通过曝光控制模块与融合技术相结合,实现了实时融合的视频采集系统。结果：对高动态场景的测试表明,视频中的每一帧均能采集到整个场景中的所有信息,并且不会存在曝光问题。结论：本文针对图像融合方法提出了多种优化和加速策略,并独创性地将其应用于实时视频采集中。实验结果表明,即使是高动态场景中,也可以将几乎所有信息都保留下来,不受曝光问题的干扰。