基于自适应参数高阶偏微分方程的图像平滑

为消除经典P-M方法在图像平滑时引起的"阶梯"效应,提出了基于自适应参数的高阶偏微分方程图像平滑方法,并且利用Mean Shift的核密度估计方法来确定各点阈值参数.与固定阈值参数的各向异性扩散方法相比,该方法有效地保持了图像的边缘等重要信息,能够更大程度地抑制孤立噪声,从而得到更高的PSNR值和更好的视觉效果.     

一种视频序列拼接的新方法

提出了一种基于视频序列拼接的新方法。首先,利用KLT算法对视频序列中特征点进行提取和跟踪,实现关键帧粗略选取;其次,在选取的关键帧中利用SURF算法进行特征提取,利用最近邻距离比进行特征点匹配,通过RANSAC估计算法求精单映矩阵,并结合关键帧选取判定寻找最佳关键帧;最后,利用级联单映矩阵和加权融合算法实现视频序列拼接。实验验证了该方法的有效性。     

一种有效的视频序列拼接方法

针对视频序列拼接中容易造成拼接耗时较长、拼接效果不佳等问题,提出一种有效的视频序列拼接方法,首先,利用时域检测窗口对视频序列进行关键帧的提取,其次,利用相邻关键帧间特征点的匹配结合(random sample consensus)算法以及单应矩阵的级联特性,获取相邻关键帧和非相连关键帧间的匹配矩阵,最后通过融合实现了关键帧所表示的视频序列无缝拼接,效果比较理想。     

一种基于自适应关键帧的视频序列拼接方法

由于视频帧数量较大,视频序列拼接时容易造成拼接误差大、耗时较多,为有效解决此问题,提出一种基于自适应关键帧的视频序列拼接方法。将固定间隔采样帧作为关键帧并对其进行特征点提取,利用特征点匹配结合RANSAC鲁棒估计算法得到关键帧间单映矩阵,依此计算关键帧间重叠区域,按照重叠区域比例结合折半排序方法重新定位关键帧,将此关键帧作为基准帧,重复帧采样、重叠区域确定、定位后续所需关键帧过程,直至关键帧提取完毕,最后,利用级联单映矩阵和加权融合实现视频序列无缝拼接。实验验证了该方法的有效性。