一种基于对象的动态视频超分辨率复原算法

从视频序列中复原高分辨率的运动对象在众多研究领域具有重要的应用意义.本文针对动态视频中整体运动的刚性或准刚性对象,提出一种基于对象的超分辨率复原方案,首先引入基于6参数仿射模型的对象跟踪和匹配算法,用于视频中运动对象的自动跟踪和匹配.进而将该运动模型与最大后验概率(MAP)算法相结合实现了所跟踪对象的超分辨率复原.对仿真和实测序列的实验结果表明,这种基于对象的处理方法能够实现更为准确的运动估计,因而收到了更好的复原效果.     

基于改进SURF算子的高低分辨率图像配准方法

针对激光三维成像传感器与可见光传感器图像分辨率差异较大,配准过程中特征点误匹配情况严重的问题,提出了一种基于改进SURF算子的高低分辨率图像配准方法。首先,采用双线性插值算法对低分辨率图像进行预处理,然后在经典SURF算子的基础上,采用最近邻向量匹配法完成SURF特征的粗匹配,并基于特征偏移一致性原则对匹配情况做进一步优化,最后结合RANSAC和最小二乘法求出图像之间的仿射关系,利用所求的变换参数插值得到配准后的图像。实验结果表明,该配准方法在保持配准速度的同时,结构相似性测量指数提高了约11%,进一步提高了配准的精度。     

一种改进的基于不变描述子的图像自动配准方法

本文提出了一种改进的基于不变描述子的图像自动配准方法来处理具有全局仿射变换的图像配准问题.该方法主要分为三步:首先,利用Mean-shift算法和区域标记算法分别从参考图像和待配准图像中提取区域特征作为配准基元,采用7个仿射不变矩作为不变描述子;其次,通过组合仿射不变矩的最小距离准则和行、列匹配概率系数算法获得一个候选匹配区域特征集,运用穷举策略从中得到三个最好的匹配区域特征,利用它们的重心点坐标计算仿射变换模型参数的初始值;最后,根据空间一致性检测获得所有正确的匹配区域特征,利用它们的重心点坐标和最小二乘算法估计最优的仿射变换模型参数.仿真和实际图像数据的配准实验和对比实验结果表明本文方法具有较高的可靠性和配准精度.     

基于曲线拟合的干涉合成孔径雷达(InsAR)复图像自动配准算法

由于乘性噪声和相干斑的存在,干涉合成孔径雷达(InSAR) 复图像对的配准算法比传统的图像配准算法更困难。该文提出了一种基于B-样条曲线拟合和匹配的InSAR复图像对的自动配准算法,能够有效地配准InSAR复图像对。在利用最小二乘法建立配准参数后,应用两步法完成了亚像元级配准。实验结果表明,该算法具有较高的精度和稳健性。     

一种基于封闭均匀区域的SAR图像配准方法

为克服图像间灰度差异、旋转差异和尺度差异对SAR图像配准精度的影响,该文利用均匀区域在SAR图像中的灰度统计特性,提出一种基于稳定封闭均匀区域的SAR图像配准算法。首先基于多尺度非线性扩散理论,提取得到轮廓保持性较好的封闭均匀区域;然后构建具有仿射不变性的区域特征,采取基于多边形拟合的区域粗匹配方法和基于重合度的区域精匹配方法,实现由粗至精的区域匹配;最后用匹配区域的质心点构建图像变换模型。实验结果表明,该算法配准精度高,能有效克服待配准图像之间的灰度差异、旋转差异和尺度差异,对噪声具有较好的适应性。     

一种基于改进SURF的遥感图像自动配准方法

现有的遥感图像自动匹配方法存在匹配准确度低、计算量大、配准效率低的问题,在经典SURF算法基础上,提出一种改进的SURF算法,首先提取遥感图像放射不变闭合区域,然后利用SURF算法提取该区域内的特征点,建立特征点筛选机制剔除信息含量低且分布不均匀的特征点,最后结合最小二乘法完成图像自动配准。研究结果表明,该配准方法在提高配准精度的同时,减少了运算时间,提高了算法的整体性能。     

一种视频序列的超分辨率重建算法

本文构建了一种视频序列超分辨率重建框架.在此框架下,讨论了基于最小二乘规整化泛函的单帧图像的超分辨率重建算法及其收敛性、凸性和参数选择等;还提出了基于加权矩阵的运动配准融合,并研究了运动补偿阵和加权阵的构成和特点.仿真结果表明方法的有效性和实用性.     

一种视频序列的超分辨率重建算法

本文构建了一种视频序列超分辨率重建框架.在此框架下,讨论了基于最小二乘规整化泛函的单帧图像的超分辨率重建算法及其收敛性、凸性和参数选择等;还提出了基于加权矩阵的运动配准融合,并研究了运动补偿阵和加权阵的构成和特点.仿真结果表明方法的有效性和实用性.     

一种用于图像超分辨的实时高精度像素内配准方法

在超分辨图像复原处理中,像素内的配准精度、速度是超分辨图像最终实现的实时性和高质量的关键因素。传统的利用泰勒级数展开像素内配准方法实时性较差;分级少的块匹配配准精度相对较低。该文提出一种基于分段双三次多项式拟合的分级块匹配像素内配准技术,在算法复杂度低的同时保证了配准精度,并在文中给出了实验统计结果。     

一种新的图像配准和超分辨率重建算法

对低分辨率观测图像进行精确配准是实现图像超分辨率重建的关键。然而,当低分辨率图像中的混叠分量达到一定程度时,许多配准算法不能满足超分辨率重建的精度要求。将图像配准和超分辨率重建联合实现的方法受混叠影响较小,该文分析其原因并提出实现这类方法的新算法,该算法采用类似于变量投影的思想,改善问题求解的条件,从而克服常用的坐标轮转下降法的一些不足。新算法利用Lanczos方法和Gauss求积原理高效地实现,并且能够处理低分辨率图像之间平移和旋转等形式的运动。实验结果证明了该方法的有效性。     

Object-based Super Resolution for intelligent visual surveillance video

Construction of high resolution images from low resolution sequences is often important in surveillance applications. In this letter, an affine based multi-scale block-matching image registration algorithm is first proposed. The images to be registered are divided into overlapped blocks of different size according to its motions. The Least Square （LS） image registration algorithm is extended to match the blocks. Then an object based Super Resolution （SR） scheme is designed, the Maximum A Priori （MAP） super resolution algorithm is extended to enhance the resolution of the interest objects. Experimental results show that the proposed multi-scale registration method provides more accurate registration between frames. Further more, the object based super resolution scheme shows an enhanced performance compared with the traditional MAP method.     

（英）基于多帧配准的红外焦平面阵列非均匀性自适应校正

提出了一种场景自适应的非均匀性校正固定图案噪声去除方法.基于多帧配准和相邻帧之间的全局位移估计,利用最小均方算法迭代计算均方误差函数,同时结合误差函数均方差以及互相关峰值,从而能够自适应场景变化.所提出的算法充分利用相邻多帧之间的相关性,对模拟和实际红外图像序列非均匀性的校正效果突出.实验结果表明本方法能够精确估计非均匀性参数,收敛速度较快,几乎不残留鬼影.     

基于小生境遗传算法的雷达组网误差配准

多传感器信息融合须进行误差配准。传统的误差配准技术采用RTQC、最小二乘法或极大似然估计法,将非线性方程进行线性化,而线性化过程会引入误差。给出了一种基于小生境遗传算法的误差配准算法,该方法在采用基于ECEF坐标系的误差配准技术的基础上,克服了将非线性方程线性化带来的误差,并在传统遗传算法的基础上引入小生境技术,提高了遗传算法全局寻优能力、收敛速度以及系统误差估计结果的精度。最后,将该方法与基于ECEF坐标系的最小二乘法及传统遗传算法进行了比较,仿真实验结果验证了算法的有效性。     

一种快速、鲁棒的压缩视频光流场估计算法

该文针对视频运动特性的快速分析需求,提出了一种压缩域中的光流场估计算法。首先利用DCT变换后的两个AC系数估计出图像的空间偏导数,在此基础上再利用预测残差以及运动矢量对图像的时间偏导数进行估计。另外对编码过程中未进行前向运动预测的宏块特性进行了详细的分析,给出了这些宏块相对于前向参考帧的运动信息估计方法,并对时域不连续的图像块给出了一种修正的偏导数估计方法,以此解决遮挡、切换等现象。然后通过最小二乘法并结合图像的偏导数进行光流场估计。实验表明该方法在准确度上可以达到或超过像素域中的L-K估计方法,比起现有的压缩域估计方法也有一定提高,而在计算时间上相比像素域估计有了大幅度降低。     

Informed Choice of the LMS Parameters in Super-Resolution Video Reconstruction Applications

Super-resolution reconstruction of image sequences is highly dependent on data outliers and on the quality of the motion estimation. This paper addresses the design of the least mean square algorithm applied to super-resolution reconstruction (LMS-SRR). Based on a statistical model for the algorithm behavior, we propose a design strategy to reduce the effects of outliers on the reconstructed image sequence. We show that the proposed strategy leads the algorithm to a close-to-optimum performance in both the transient and the steady-state phases of adaptation in practical situations in which registration errors occur. The analysis also shows that lower values of the step size do not necessarily lead to a better steady-state mean-square error, differently from the traditional LMS behavior.     

Robust and Improved Channel Estimation Algorithm for MIMO-OFDM Systems

Multiple-input multiple-output (MIMO) system using orthogonal frequency division multiplexing (OFDM) technique has become a promising method for reliable high data-rate wireless transmission system in which the channel is dispersive in both time and frequency domains. Due to multiple cochannel interferences in a MIMO system, the accuracy of channel estimation is a vital factor for proper receiver design in order to realize the full potential performance of the MIMO-OFDM system. A robust and improved channel estimation algorithm is proposed in this paper for MIMO-OFDM systems based on the least squares (LS) algorithm. The proposed algorithm, called improved LS (ILS), employs the noise correlation in order to reduce the variance of the LS estimation error by estimating and suppressing the noise in signal subspace. The performance of the ILS channel estimation algorithm is robust to the number of antennas in transmit and receive sides. The new algorithm attains a significant improvement in performance in comparison with that of the regular LS estimator. Also, with respect to mean square error criterion and without using channel statistics, the ILS algorithm achieves a performance very close to that of the minimum mean square error (MMSE) estimator in terms of the parameters used in practical MIMO-OFDM systems. A modification of the ILS algorithm, called modified ILS (MILS), is proposed based on using the second order statistical parameters of channel. Analytically, it is shown that the MILS estimator achieves the exact performance of the MMSE estimator. Due to no specific data sequences being required to perform the estimation, in addition to the training mode, the proposed channel estimation algorithms can also be extended and used in the tracking mode with decision-aided method.     

基于稀疏编码的视频序列超分辨率重构

把学习型算法用于稀疏编码的重建算法中来实现视频序列图像的超分辨率重构。该算法无需显式求取运动向量,能够克服传统方法对精确运动估计的要求,通过稀疏编码便能够自动利用邻近帧中最相关的那些样本块进行重构;另外,算法通过设置最大运动窗口,利用帧间运动的连续性特点,在相邻帧已经重建的基础上,提取其运动窗口内的高、低分辨率图像块来构建样本库,从而实现减小所需样本库的尺寸的目的。     

基于总体最小二乘准则的OFDM系统时变信道估计

信道估计的准确程度直接影响正交频分复用系统的性能。为了提高时变信道估计算法的精度,基于总体最小二乘准则( TLS)提出了一种时变信道的估计方法。该方法用线性模型对时变信道进行建模,不仅考虑了信道噪声,同时也兼顾了模型误差。该方法能较好地跟踪信道的变化,显著消除模型误差。仿真结果表明所提算法的均方误差介于最小二乘算法与最小均方误差算法之间,在不同归一化多普勒频移下,该算法具有较好的稳健性。     

基于核回归正则项的图像超分辨率重建

讨论了图像成像的基本模型,并提出了一种基于调整核回归函数作为正则项的序列图像重建算法。该算法是对已经提出的核回归算法的改进,减少其在超分辨率图像重建时的运算量。而且在图像配准过程中针对图像间只存在平移和旋转变换,采用了基于矩形像素值的亚像素配准方法,以提高配准的速度和精度。利用此算法对序列图像进行重建仿真,并通过结论得出其在噪声严重的情况下具有更好的边缘保留特性。     

多传感器误差配准研究

多传感器组网信息融合时,需要对组网中各传感器系统误差进行估计和补偿,以消除各传感器系统误差对融合性能的影响.研究了雷达组网系统误差配准模型,并对最小二乘算法(LS)、广义最小二乘算法(GLS)、递推最小二乘算法(RLS)、修正EX算法等误差配准算法进行对比分析,同时给出了扩维配准模型用于解决多传感器组网配准问题,针对实...