基于曲线拟合的视频稳像方法

根据人眼的视觉特性,提出一种基于曲线拟合的视频稳像方法。使用图像背景特征点对摄像机的全局运动进行估计,利用曲线拟合的方法计算出摄像机的抖动分量,并将曲线拟合的结果作为摄像机的主观运动方向,对其摄像机的抖动运动分量进行补偿,使图像位移矢量达到最小,以有效减少运动补偿后引起的图像信息丢失。对抖动角度在20°内移动摄像机拍摄的视频进行稳像处理,实验结果表明,该方法稳像后视频的抖动角度小于2°,视频图像信息的损失小于5%,具有较好的稳像效果,并且在稳像后保证了视频帧内容的完整性。     

李群流形上的在线视频稳像算法

针对传统视频稳像算法无法兼顾高质量稳像和低延时的问题,提出李群流形上卡尔曼滤波的实时视频稳像算法。将视频帧间运动分解为旋转分量和平移分量。旋转分量由陀螺仪数据计算的旋转矩阵表示,平移分量由视频帧间匹配得到的平移矩阵表示,旋转矩阵的序列和平移矩阵的序列分别对应于李群流形上的运动路径。利用李群流形上的卡尔曼滤波分别对旋转分量和平移分量进行平滑。最终通过运动补偿获得稳定的视频帧序列。实验表明,文中算法能够兼顾延时和稳像效果,可以在移动端实现高质量的在线视频稳像。     

基于分段处理的视频稳像算法

针对视频拍摄过程中出现抖动的问题,本文根据在短时间内摄像机运动轨迹保持不变的观察现象,提出了一种按时间分段处理视频的视频稳像（SPVS）方法。首先提取视频的SURF特征点,用uMLESAC算法快速准确地去除异常点,并使用最小二乘法求解帧间仿射运动模型。然后利用分段方法优化处理视频的仿射运动模型参数。最后利用视频补偿得到稳定的视频文件。实验表明SPVS方法可有效地去除视频中抖动成分。     

融入时空显著性的高精度视频稳像算法

为剔除复杂运动前景对视频稳像精度的干扰,同时结合时空显著性在运动目标检测上的独特优势,提出一种融入时空显著性的高精度视频稳像算法。该算法一方面通过时空显著性检测技术识别出运动目标并对其进行剔除;另一方面,采用多网格的运动路径进行运动补偿。具体包括：SURF特征点提取和匹配、时空显著性目标检测、网格划分与运动矢量计算、运动轨迹生成、多路径平滑、运动补偿等环节。实验结果表明,相较于传统的稳像算法,所提算法在稳定度（Stability）指标方面表现突出。对于有大范围运动前景干扰的视频,所提算法比RTVSM（Robust Traffic Video Stabilization Method assisted by foreground feature trajectories）的Stability指标提高了约9.6%;对于有多运动前景干扰的视频,所提算法比Bundled-paths算法的Stability指标提高了约5.8%,充分说明了所提算法对于复杂场景的稳像优势。     

基于灰度投影的铁路道口视频电子稳像

机车过往铁路道口时的震动会导致监控视频图像序列的抖动.为了改善图像质量,获得稳定的监控视频,提出了一种基于灰度投影的道口视频电子稳像方法,该方法利用图像的灰度变化特点,通过灰度映射、投影滤波和运动矢量提取估计出视频帧间运动偏移量,进而进行运动偏移量补偿,实现道口视频图像序列的稳像.仿真实验表明,该方法能够有效实现铁路道口的视频稳像.     

基于3D旋转模型的全景视频稳像算法

视频稳像算法是指消除由于手持相机拍摄造成的视频帧间抖动的算法.由于全景视频广视域的特性,传统的稳像算法并不适用.针对全景视频,提出一种使用3D旋转模型进行稳像处理的新方法.通过特征点提取跟踪计算出的3D旋转模型可以准确地描述相机的真实运动路径;为了减少数据冗余,使用欧拉角表征旋转模型的参数.在路径平滑过程中,引入一种基于样条拟合的改进方法,分离抖动和主观运动并消除高频的抖动,相比传统方法更加准确可靠.实验结果表明,该算法可以有效地消除视频中的抖动并生成稳定的视频序列.     

车载实时视频稳像系统研究与设计

通过对惯性稳像技术和电子稳像技术的分析,提出了一种新颖的坦克装甲车辆视频稳像设计理念,即在低成本的速率陀螺平台稳定的基础上采用电子稳像进行二次精稳,可有效提高图像稳定精度并能解决三级海况条件下的图像平移问题;主要论述了视频稳像系统的组成、工作原理和关键技术,建立了图像运动模型并工程实现了视频稳像系统快速原型--周视稳定观瞄镜;试验结果表明,该系统实现了视频稳像一级稳定的稳定精度要求(已高达0.2mil),而且跟踪平稳,快速性好;为车载稳像观瞄系统提供了成本低、性能优良的图像稳定系统,在军事及民用领域中具有广阔的应用前景.     

矿井车载视频图像稳像算法研究

针对矿井车载摄像系统拍摄的视频因含有前景运动目标及高噪声造成的全局运动矢量估计误匹配率高、实时性较差等问题,提出了一种基于ORB特征匹配与改进粒子滤波的矿井车载视频图像稳像算法。在运动矢量估计阶段,采用ORB算法提取图像特征点;采用基于图像块的连续3帧间差分法,联合时空一致性准则快速剔除前景运动区域的特征点;结合前景标记区域,对特征点位置进行初次筛选,对保留下来的背景特征点进行配准;利用仿射变换模型实现帧间运动矢量的估计。在运动滤波阶段,采用基于估计窗的实时粒子滤波算法滤除抖动分量,获得补偿参数。实验结果表明,该算法有效避免了前景运动目标对稳像精度的影响,且具有较快的处理速度。     

塔机吊钩可视化系统的视频稳像算法

针对施工现场工况复杂,塔机吊钩视频稳像效果差的问题,本文提出了一种改进ORB特征匹配与固定滞后Kalman滤波相结合的吊钩视频稳像算法.在图像运动估计中,对经典ORB算法进行改进,采用了图像分块与自适应阈值的特征点提取,并引入图像四叉树算法提高图像特征点分布均匀性;在此基础上,采用背景补偿结合帧间差分法,快速识别局部运动目标并进行剔除,提高了全局运动参数估计的准确性;在运动滤波和补偿阶段,采用固定滞后Kalman滤波算法去除随机抖动分量,以获得视频去抖动的运动补偿参数,进而实现塔机吊钩可视化系统监控视频的稳像处理.实验结果表明:与经典ORB加Kalman滤波的稳像算法相比,本文所提出的稳像算法帧间变换保真度ITF提升了约9.12%,结构相似度平均值■提升了约2.75%,获得了更好的稳像效果,且帧处理速率FPS达到了29.65 f/s,满足塔机实时监控要求.     

基于特征匹配与运动补偿的视频稳像算法

针对在复杂背景下航拍视频的抖动情况,为了实时输出稳定的视频,提出了一种改进的特征匹配算法与全局运动补偿相结合的视频稳像算法。首先,利用尺度不变的SURF算法提取特征点并计算描述符,再结合快速近似最邻近匹配算法得到匹配点对,并通过双向匹配以及K近邻算法筛选优秀匹配点,从而提高匹配正确率;其次,提出了一种局部区域匹配法,提高了算法处理速度,并避免场景内运动目标对稳像效果的影响。通过建立仿射变换模型,求解相邻帧图像的变换参数,进而对图像进行全局运动补偿。结果表明,该算法速度快、匹配精度高,有良好的视频稳像效果。     

新兴数字视频稳像中相机运动估计技术综述

为了解当前数字视频稳像中相机运动估计技术的发展现状、存在问题和发展前景,对其进行了研究。通过对相关文献的归纳和分析,将新兴数字视频稳像中相机运动估计技术分为3D运动估计、传感器辅助运动估计以及新兴2D运动估计,并分别讨论了各种运动估计技术的研究现状、研究成果、不足和挑战。最后,结合技术和市场因素对数字视频稳像中相机运动估计技术的发展前景进行了展望。研究表明,当前数字视频稳像中相机运动估计技术在实时应用和估计精度上都有待改善。     

Total Variation Wavelet Thresholding

We propose using Partial Differential Equation (PDE) techniques in wavelet based image processing to remove noise and reduce edge artifacts generated by wavelet thresholding. We employ a variational framework, in particular the minimization of total variation (TV), to select and modify the retained wavelet coefficients so that the reconstructed images have fewer oscillations near edges while noise is smoothed. Numerical experiments show that this approach improves the reconstructed image quality in wavelet compression and in denoising.     

利用总变分最小化方法的无监督纹理图像分割

纹理图像的分割是图像处理领域中的一个典型难题。不同于传统的提取纹理特征量进行纹理分割的方法,本文将图像复原和重建中的总变分最小化方法和活动围道分割方法相结合,提出了一种简单的线性纹理模型。利用总变分最小化方法在保持图像大尺度棱边信息的基础上对纹理体现的局部小尺度周期性灰度振动细节进行平滑得到简化的图像原型。对其进行分割获得不同纹理区域之间的低定位精度的边界围道,再利用原始图像对围道进行高精度细化。在总变分最小化导致的非线性扩散方程求解过程中,运用AOS(additive operatorr splitting)数值算法以改进算法效率。实验结果表明,该方法能很快提取出纹理图像的简化图像,同时是一种无监督的纹理分割方法。     

基于对偶范数的自适应图像分解模型

提出一种减少阶梯现象的图像分解模型。该模型所表示的结构成分的能量介于全变差正则化和各向同性光滑化之间,纹理成分所表示的能量介于Meyer的G范数和H-1范数之间,它们在Legendre-Fenchel变换的意义下是对偶的,根据图像的局部信息自适应地调整。实验表明,新模型能很好地避免在光滑区域出现的阶梯现象,有效保护图像的边缘和纹理信息。     

Bisimulation Minimization and Symbolic Model Checking

State space minimization techniques are crucial for combating state explosion. A variety of explicit-state verification tools use bisimulation minimization to check equivalence between systems, to minimize components before composition, or to reduce a state space prior to model checking. Experimental results on bisimulation minimization in symbolic model checking contexts, however, are mixed. This paper explores bisimulation minimization as an optimization in symbolic model checking of invariance properties. We consider three bisimulation minimization algorithms. From each, we produce a BDD-based model checker for invariant properties and compare this model checker to a conventional one based on backwards reachability. Our comparisons, both theoretical and experimental, suggest that bisimulation minimization is not viable in the context of invariance verification, because performing the minimization requires as many, if not more, computational resources as model checking the unminimized system through backwards reachability.     

Multiplicative noise removal via combining total variation and wavelet frame

Total variation (TV) regularization has been proved effective for cartoon images restoration however it produces staircase effects, and properly wavelet frames were confirmed to provide a more smoothing approximation to the original image. In this paper, a new model for multiplicative noise removal was proposed, which combines wavelet frame-based regularization and TV regularization. A modified proximal linearized alternating direction method is developed to solve the proposed model, considering that adding a new regularization term to the TV model would yield more parameters, which will result in computational difficulties. For the new model, the existence of solution and the convergence property of the proposed algorithm are proved. Numerical experiments have proved that the proposed model has a superior performance in terms of the peak signal-to-noise ratio and the relative error values for non-piecewise constant images when compared with some state-of-the-art multiplicative noise removal models.     

基于非凸的全变分和低秩混合正则化的图像去模糊模型和算法

非盲图像去模糊问题是从已知核的带噪声的线性卷积变换中恢复原始图像.如果噪声是满足高斯分布的,则可以直接使用最小二乘求解.然而在大多数情况下,去模糊问题都是高度病态的,直接求解无法做到.因此,通常的做法是通过抽取原始图像的已知统计先验信息进行正则化来帮助求解问题.两种常用的正则化是低秩和全变分.早期的相关工作单独使用这两...     

全变差最小化在CT图像环状伪影去除中的应用

环状伪影是多种CT图像中普遍存在的一种伪影,主要由像元响应不理想等因素引起。全变差最小化是一种广泛使用的去噪方法,将全变差最小化应用于CT图像,在模拟投影数据中人为添加噪声并重建,使用全变差最小化进行处理,观察图像环状伪影的去除情况,并得出了图像峰值信噪比随全变差最小化次数的变化曲线。     

一种面向攻击图的即时验证方法

攻击图将原本孤立的攻击行为关联起来,描述潜在攻击路径,是一种网络脆弱性分析技术.现有方法通常从攻击目标节点开始进行反向搜索,找出所有可能的攻击路径,从而对网络进行安全分析.本文在攻击图的基础上,提出了一种基于正向搜索的即时验证方法.该方法快速搜索网络中的一条完整攻击路径,通常只需构造网络系统的部分状态空间,从而减轻了内...     

Error Analysis for Image Inpainting

Image inpainting refers to restoring a damaged image with missing information. In recent years, there have been many developments on computational approaches to image inpainting problem [2, 4, 6, 9, 11–13, 27, 28]. While there are many effective algorithms available, there is still a lack of theoretical understanding on under what conditions these algorithms work well. In this paper, we take a step in this direction. We investigate an error bound for inpainting methods, by considering different image spaces such as smooth images, piecewise constant images and a particular kind of piecewise continuous images. Numerical results are presented to validate the theoretical error bounds. Tony F. Chan received the B.S. degree in engineering and the M.S. degree in aerospace engineering in 1973, from the California Institute of Technology, and the Ph.D. degree in computer science from Stanford University in 1978. He is Professor of Mathematics and currently also Dean of the division of Physical science at University of California, Los Angeles, where he has been a Professor since 1986. His research interests include mathematical and computational methods in image processing, multigrid, domain decomposition algorithms, iterative methods, Krylov subspace methods, and parallel algorithms. Sung Ha Kang received the Ph.D. degree in mathematics in 2002, from University of California, Los Angeles, and currently is Assistant Professor of Mathematics at University of Kentucky since 2002. Her research interests include mathematical and computational methods in image processing and computer vision.