用影像显示技术分析运动物体特征及动态变量

本文采用影像显示技术对运动物体的特征及变量进行了分析。通过运动物体的变量直接把没影点与基点的像特征相联系，建立一种新的测量运动物体的数学模型，并对该模型的应用作了展望。     

运动模糊图像的降质过程分析与恢复技术研究

在获取图像的过程中，由于被摄物与成像系统产生相对运动，使得图像的像素并不代表该点的实际灰度，而是一定范围内相邻像素灰度值的叠加。为了有效地恢复运动模糊图像，从像素运动的角度分析了因运动造成的图像模糊的实际过程，并首先揭示了运动造成图像降质的内在原因，然后根据模糊图像像素间的关系建立了一维和二维由匀速直线运动所造成的模糊图像的模糊模型，并依据图像降质过程的逆过程推导出恢复模型。为验证该模糊图像恢复技术的效果，对匀速直线运动造成的图像模糊进行了模拟和恢复实验，取得了令人满意的效果，尤其对字母的恢复，效果更好。另外，对边界像素问题还进行了专门的讨论，同时对恢复过程中产生误差的原因也进行了分析，最后总结了该算法的优越性和需要进一步改进的问题。     

基于灰度直方图的运动目标特征检测算法

为提高运动目标的检测效果和指导性，提出一种基于灰度直方图分析的运动目标特征检测算法。采用视觉成像技术进行运动目标图像采集和视觉特征分析，提取运动目标的动态视觉特征量。根据运动目标边缘差分变换和空间位置关系进行运动图像的特征分离，提取运动目标图像的边缘轮廓特征量。采用统计形状模型进行运动目标图像的二值化分离，构建运动目标图像的灰度直方图。根据灰度直方图中的统计信息进行目标特征检测和动态特征提取，实现运动目标图像的视觉检测和动态识别，有效提取运动目标的关键特征，实现目标特征检测。仿真结果表明，采用该方法进行运动目标图像的特征检测性能较好，对运动目标的动态识别能力较强。     

低信噪比下运动目标提取的软件实现

在电视系统中，为改善图像质量往往引入运动检测技术。本文主要是研究在低信嗓比下提取运动目标的方法．包括帧差法和方块法，并给出了算法和具体程序。帧差法的结构简单，实时性和边缘特性好；方块法的优点是去全效果好．图像平滑。     

视频图像序列运动参数估计与动态拼接

本文采用多重分层叠代算法来估计全局运动参数，并提出应用于动态拼接的运动分割新方法，实现既有摄像机运动又有物体运动的视频图像序列自动拼接。我们的方法基本步骤如下：首先进行全局运动参数的初始估计，并且在分层叠代过程中进行区域分类，得到初始运动模板。接着空间分割原始图像，先根据图像的空间属性由底向上分层合并图像空间区域，再利用视频图像时间属性进一步向上合并，得到图像空间分割结果。然后结合初始运动模板和图像空间分割结果，采用区域分类新方法重新对图像空间分割结果的每个区域进行分类。然后根据分类结果逐步精确求解全局运动参数。最后进行图像合成，得到全景拼接图像。我们的方法利用了多重分层叠代的优点，并且充分考虑到视频图像空间和时间上的属性，实现了运动物体和覆盖背景的精确分割，避免了遮挡问题对全局运动参数估计精度的影响。而且在图像合成时我们解决了拼接图可能产生模糊或某些区域不连续等问题。实验结果表明我们的方法实现了动态视频图像序列高质量的全景拼接。     

基于邻近译码图像的运动估计算法

本文首先提出了一咱新的运动估计算法，它利用当前帧中已经译码的相邻图像实现当前图像的运动估计，避免了运动矢量的编码和传输；然后提出了一种符合图像编码要求的图像发割算法，该算法能够较好地从图像中提影响图像质量的关键区域，在这两种新算法基础上，本文最终实现了一种性能较好的视频编码算法。     

利用拉氏算子鉴别运动模糊方向

提出一种新的鉴别运动模糊图像的运动模糊方向的方法，它利用拉氏算子对运动模糊图像进行无方向性的二阶微分，并求微分图像的自相关，发现自相关图像中数值较大的点(鉴别点)能够有效标示出运动模糊方向。选取适当数目的候选鉴别点，并利用聚类方法剔除其中的奇异点，得到鉴别点；过零频尖峰(自相关图像的中心点)画一条直线，计算各个鉴别点到该直线的距离，求距离和；改变直线方向，当距离和最小时，直线的方向即为运动模糊方向。数据实验表明，这一新的运动模糊方向鉴别方法，具有抗噪声能力强、适用范围广、计算量小、鉴别精度高、稳定性好的优点．     

人体运动检测及仿真系统的研究与实现

本文实现了一种基于计算机视觉技术的人体运动捕获方法,以简单的摄像头录制的单视图视频作为素材,从图像序列中提取并描述人体轮廓的运动,然后对其进行识别,捕获得到人体运动骨架模型,最后利用三维虚拟人进行三维仿真。     

图像运动模糊还原技术综述

图像作为人类信息交流的载体,包含大量信息元素,图像在获取过程中,会因相机抖动、物体位移等原因产生运动模糊,导致图像无法正确传递信息。图像运动模糊还原技术可将此类退化图像修复还原,是当前计算机视觉及图像处理领域的热点。通过模糊核是否已知将图像运动模糊还原方法分为两类,详细阐述了图像运动模糊还原的概念,归纳梳理了近年来图像运动模糊还原技术的方法及研究现状,总结了各方法的优缺点并对经典方法实验结果进行了对比,对模糊核估计及模糊数据集等关键问题进行了分析并对其发展方向给出了建议,最后对图像运动模糊还原技术发展趋势进行了展望。     

高品质运动图像哪里来？：全面解析液晶显示器的抗施影技术

随着BenQ第二代疾彩引擎（AMA Z）的发布，“插黑”等液晶显示抗拖影技术引起了人们的广泛关注（前期报道请参考本刊7月上的技术广角：专家讲堂栏目）。在显示高速运动物体的动态图像时，运动物体的拖影或残影现象所造成的运动模糊（Motion Blur），一直是液晶显示技术中一个比较突出的问题。与传统的阴极射线管（CRT）显示技术相比，液晶显示器（LCD）在显示基本没有变化的静态图像时．其所具有的无闪烁等优点是显而易见的．但在显示高速变化的动态图像时则会出现比较严重的拖影问题。这使得液晶显示技术在数字电视、视频播放及游戏等方面的应用受到了很大的局限，而如何利用各种抗运动拖影技术消除拖影现象，获得更为完美、流畅的动态图像显示效果，成为新一代液晶显示技术发展的一个重要方向。[编者按]     

视频监控系统中运动检测算法的研究

运动检测是现代视频监控系统的核心.在分析和探讨了几种运动检测算法后,提出了一种新的应用于视频监控系统的运动检测算法,该算法结合统计法和边缘检测筛选出运动边缘点,对运动边缘点逐个进行块匹配最优搜索,估算出运动矢量.该算法的应用有效地压缩了存储的视频数据,改善了系统性能,有很好的实用价值.     

基于自适应Kalman预测器的运动估计算法

利用图像序列估计目标运动速度是机器人视觉中的一项重要研究内容。它应用在机器人操作、导航、视觉跟踪等多项领域中。这些应用一般均要求运动估计算法具有较好的实时性和抗噪能力。卡尔曼滤波器和预测器正符合上述要求。该文基于运动图像的仿射模型，探讨从序列图像中预测目标三维平动速度的卡尔曼预测算法。首先建立运动目标的“当前”统计模型，然后根据运动图像的仿射模型找出图像运动参数与目标三维速度间的关系(图像运动参数由目标图像的几何矩计算获得)。最后结合自适应卡尔曼滤波和卡尔曼一步预测算法设计自适应卡尔曼一步预测器。为减轻预测器的发散性，对初始状态进行估计。仿真结果表明，基于“当前”统计模型和运动图像仿射模型设计出的自适应卡尔曼一步预测器具有较高的精度。     

MIAS计算机辅助精子运动分析系统的设计和实现

计算机辅助精子分析是图象分析技术在生物医学领域的又重要的应用，本文介绍了诉设计原理、方法和系统功能，着重说明了物理模型，连续多帧采样技术和多目标轨迹踊跃算法。     

一种时空联合的视频运动目标提取与跟踪新算法

提出了一种时空联合的视频运动目标提取与跟踪新算法。在空域分割中,针对分水岭方法过分割现象明显的缺点,对分水岭分割方法进行了改进;在时域分割中,首先对全局运动进行了补偿,随后为消除仅用两帧帧差进行对象分割所带来的误差,采用多帧帧差求和的方法,并自适应选取累积帧差的二值化阈值;时空分割结果进行投影融合后得到视频对象,提出用一种基于区域子块匹配的方法跟踪视频对象。实验结果表明,该算法简洁有效,能较好地把对象从运动背景中提取出来,并实现跟踪。     

基于背景自适应生成的监控图像运动目标分割

通过插值填充运动目标区域,生成首帧参考背景.背景更新时,结合当前帧和前一帧图像及其参考背景,根据亮度补偿动态生成当前帧参考背景.然后采用减背景方法对目标进行粗提取,再经目标阴影去除和形态学处理后分割出精确的运动目标.实验结果表明,该方法是有效可行的,能达到实时处理的要求,同时对场景光照变化具有较好的自适应性.     

基于相对形变模型及正则化技术的人体运动估计

为了使根据人体行走的单目动态图象序列，对人体手臂及腿部的运动及结构参数进行估计的结果更为可信、更具鲁棒性，提出了一种基于相对形变模型及正则化技术的人体运动估计方法，该方法首先在物体中心坐标的运动表示方式下，通过在刚体运动模型中加入形变系数的方法给出了基于相对形变概念的非刚体运动模型；然后，根据这一非刚体运动模型进行正则化运动及结构参数的估计，再以正则化的形式融入人体运动的先验知识，使运动估计的结果更具鲁棒性，实验结果证明，该方法有效地反映了人体的非刚体运动模式，运动模型中所加入的相对形变系数也一定程度反映了人体的运动规律。     

基于并行处理的快速运动估计算法

运动估计是视频编码的一项关键技术。该文针对传统搜索算法串行处理的缺点,提出了一种基于并行处理的快速运动估计算法。该算法利用序列图像的相邻块运动矢量的高度相关性和运动矢量的中心偏移特性,在搜索过程中根据图像的内容(运动类型)进行并行处理,加速了块匹配的快速搜索策略。实验结果表明,该算法在速度和准确性方面都有了很大的提高。     

Human motions representation and recognition by directional motion history images

In this paper, we describe a technique for representing and recognizing human motions using directional motion history images. A motion history image is a single human motion image produced by superposing binarized successive motion image frames so that older frames may have smaller weights. It has, however, difficulty that the latest motion overwrites older motions, resulting in inexact motion representation and therefore incorrect recognition. To overcome this difficulty, we propose directional motion history images which describe a motion with respect to four directions of movement, i.e. up, down, right and left, employing optical flow. The directional motion history images are thus a set of four motion history images defined on four optical flow images. Experimental results show that the proposed technique achieves better performance in the recognition of human motions than the existent motion history images. This work was presented in part at the 13th International Symposium on Artificial Life and Robotics, Oita, Japan, January 31–February 2, 2008     

传播波方程与运动模糊图像恢复

首选讨论水平方向匀速直线运动所导致的图像模糊的去除,包括运动方向和位移量的探测和原始图像的递推求取,然后推广到任意方向的匀速直线运动上.实验结果表明这样的空间域处理可以避免传统的频率域处理中必有的振铃效应和迭代求解的高计算量.     

3-D recovery of human motion by mobile stereo cameras

A method is described which recovers the 3-D shape of deformable objects, particularly human motions, from mobile stereo images. In the proposed technique, camera calibration is not required when taking images. Existing optical 3-D modeling systems must employ calibrated cameras that are set at fixed positions. This inevitably puts constraints on the range of the movement of an object. In the proposed method, multiple mobile cameras take images of a deformable object moving freely, and its 3-D model is reconstructed from the video image streams obtained. The advantages of the proposed method include the fact that the cameras employed are calibration-free, and that the image-taking cameras can move freely. The theory is described, and the performance is shown by an experiment on 3-D human motion modeling in an outdoor environment. The accuracy of the 3-D model obtained is evaluated and a discussion is given. This work was presented in part at the 10th International Symposium on Artificial Life and Robotics, Oita, Japan, February 4–6, 2005