基于视频处理的视线稳定技术

针对既有摄像机运动又有前景物体运动的图像稳定问题,提出了一种快速算法。该算法首先利用改进的 Harries 算子提取特征点,根据三级匹配策略实现特征点的三级匹配,并且利用基于块的去噪声点方法检测出前景区域,剔除存在于前景区域的角点;然后建立当前帧与参考帧的映射关系,利用最小二乘法求解出全局运动参数;最后利用 Kalman 滤波平滑运动参数,依据平滑后的参数对图像进行补偿。     

基于自适应SIFT算法的全局运动估计方法

为了更好地实现全局运动估计快速、准确的处理,根据全局运动中视频图像序列的时间冗余特性,提出一种自适应SIFT(Scale-invariant feature transform)算法。基于最近三次模型匹配的结果,采用Lagrange抛物线插值来预测需要匹配的参考帧和当前帧图像的重叠区域。在重叠区域上提取特征点和进行特征匹配,既能够消除视频图像序列中存在的大量信息冗余,加快每帧图像的处理速度,又可以提高待匹配特征点的有效性,减少误匹配。实验结果表明,改进后的算法自适应能力强、速度快、匹配精度高,基本满足实时定位。     

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。     

基于仿射不变约束与快速EKF滤波的航拍图像稳像

考虑到航拍机载成像平台抖动严重、视频稳像匹配环节精度不一致的特点以及航拍图像稳像技术快速、准确的要求,提出了一种结合仿射不变约束与快速扩展卡尔曼(Extend Kalman Filter,EKF)滤波的图像稳像算法。该算法首先以视频参考帧中的角点量作为特征点,通过Harris检测器选择出稳定角点;然后对待配准点构建Delaunay三角网进行初始匹配,提出利用仿射不变约束方法筛选出精确匹配点;最后利用快速EKF运动滤波方法实时估计和修正噪声的统计特性,从而解决摄像机扫描运动中存在的抖动问题。在对大量分辨率为640×480pixel的航拍图像的仿真实验中,可通过仿射不变约束实现精确的模型估计,采用的快速运动补偿方法在补偿过程中耗时为5.054ms,比传统的运动补偿方法节约了69.5%的时间。实验结果表明,该算法能够实时稳定航拍视频帧间的抖动现象,并能有效跟随场景的真实扫描。     

一种基于压缩域的视频拼接算法

提出了一种基于压缩域的双摄像机视频拼接算法。首先利用相位相关法估算输入视频的对应第一帧重叠区域，并在重叠区域进行SIFT角点检测和匹配，加快角点匹配速度，提高匹配稳健性，使用RANSAC算法去除外点，采用奇异值分解法配合LM非线性优化方法求解变换参数，得到首帧的对应投影矩阵；对于非首帧的配准，利用压缩视频中的当前帧与前帧的运动矢量，获得全局运动矢量，然后结合对应前帧的投影矩阵，获得相应的当前帧的投影矩阵;最后使用多频带融合算法进行图像混合以改善线性加权融合算法带来的高频细节模糊。与传统算法相比，由于省去了特征提取和匹配方法，从而减少了大量的计算步骤和时间，提高了速度，增加了实用性。实验结果表明该算法具有较好的实用价值。     

基于时空信息的多运动目标跟踪算法

利用帧差法和基于Sampson距离的随机抽样一致性（RANSAC）匹配算法,实现基于时空信息的多运动目标跟踪。采用帧差法获知运动目标大概位置,运用Harris算法提取每帧视频图像中运动目标的角点,并对其进行归一化处理,利用RANSAC算法对角点进行匹配,使用闽值分割法确定运动目标位置。实验结果表明,该方法能准确跟踪相似目标,其实时性较高。     

视频压缩感知中分级多假设预测算法

目的 多假设预测是视频压缩感知多假设预测残差重构算法的关键技术之一,现有的视频压缩感知多假设预测算法中预测分块固定,这种方法存在两点不足：1）对于视频帧中运动形式复杂的图像块预测效果不佳;2）对于运动平缓区域,相邻图像块的运动矢量非常相近,每块单独通过运动估计寻找最佳匹配块,导致算法复杂度较大。针对这些问题,提出了分级多假设预测思路（Hi-MH）,即对运动复杂程度不同的区域采取不同的块匹配预测方法。方法 对于平缓运动区域的图像块,利用邻域图像块的运动矢量预测当前块的运动矢量,从而降低运动估计的算法复杂度;对于运动较复杂的图像块,用更小的块寻找最佳匹配;对于运动特别复杂的图像块利用自回归模型对单个像素点进行预测,提高预测精度。结果 Hi-MH算法与现有的快速搜索预测算法相比,每帧预测时间至少缩短了1.4 s,与现有最优的视频压缩感知重构算法相比,对于运动较为复杂的视频序列,峰值信噪比（PSNR）提升幅度达到1 dB。结论 Hi-MH算法对于运动形式简单的视频序列或区域降低了计算复杂度,对于运动形式较为复杂的视频序列或区域提高了预测精度。     

基于分块运动估计的对象跟踪方法

针对摄像机运动和场景光照突变的情况,提出了一种基于分块运动估计的对象跟踪算法。首先,对图像进行分块角点匹配,得到各块运动参数,然后对各块进行分块运动补偿和光照补偿;对补偿后的图像进行相邻帧差分得到目标的近似质心位置;跟踪过程则融合运动目标加权颜色直方图和梯度直方图作为目标特征,以所得质心为初始搜索点,采用螺旋搜索算法,进行目标模板和候选目标相似性检测,搜索最佳匹配点得到目标对象在当前帧的准确位置。实验结果表明,该算法能够有效克服光照剧烈变化,在动态背景下能达到对对象的准确跟踪。     

慢运动背景下运动目标提取算法*

提出一种慢运动背景视频序列下基于帧间背景图像匹配的运动目标检测和提取算法。该算法首先使用仿射变换模型来描述慢运动背景图像的运动变化,并使用基于光流约束方法求解该仿射变换模型参数,实现了相邻帧间图像的背景匹配;其次,采用背景匹配后的两帧图像差进行目标检测,使用自适应二值化区分变化与未变化区域;最后,使用形态学等图像算法进行后处理提取运动目标。算法经实验证明,在背景慢运动情况下可以有效地提取出运动目标。     

运动图像的自适应多重搜索算法

提出新的图像块匹配算法,将归一化运动图像匹配准则用于心肌细胞特征点的运动矢量检测。针对图像局部极值问题,提出了多重三步搜索及自适应选择候选点算法,以及优选帧策略,以提高匹配精度和运算速度。     

An efficient multi-layer reference frame motion estimation for video coding

Most of the fast search motion estimation algorithms reduce the computational complexity of motion estimation (ME) greatly by checking only a few search points inside the search area. In this paper, we propose a new algorithm—multi-layer motion estimation (MME) which reduces the computational complexity of each distortion measure instead of reducing the number of search points. The conventional fast search motion estimation algorithms perform ME on the reference frame with full distortion measure; on the contrary, the MME performs ME on the layers with partial distortion measures to enhance the computational speed of ME. A layer is an image which is derived from the reference frame; each macro-pixel value in the layer represents the sum of the values of the corresponding pixels in the reference frame. A hierarchical quad-tree structure is employed in this paper to construct multiple layers from the reference frame. Experimental results on different video sequences show evidence that many motion vectors have been found similar both in the reference frame and the layers. The effectiveness of the proposed MME algorithm is compared with that of some state-of-the-art fast block matching algorithms with respect to speed and motion prediction quality. Experimental results on a wide variety of video sequences show that the proposed algorithm outperforms the other popular conventional fast search motion estimation algorithms computationally while maintaining the motion prediction quality very close to the full-search algorithm. Moreover, the proposed algorithm can achieve a maximum of 97.99 % speed-improvement rate against the fast full-search motion estimation algorithms which are based on hierarchical block matching process. The proposed MME performs the motion estimation on the layers by using three types of search patterns. The derivation of these search patterns exploits the characteristic of the center-biased motion vector distribution and that of less intensive block distortion measurement of the layers.     

基于马尔可夫随机场的运动分割研究

运动对象的分割技术一直是图像处理和计算机视觉领域的重要研究课题。采用一种将运动估计方法与马尔可夫随机场（MRF）模型相结合的运动分割方法。采用鲁棒统计技术与误差模型相结合构成运动估计的目标函数,运动模型为仿射运动,通过过松弛算法获得每种运动的运动参数;根据误差最小原则确定运动对应区域的初值,采用马尔可夫随机场（MRF）模型对运动估计结果进行平滑去噪。最后给出了该方法在通用图像实例上的实验结果。     

An efficient blocking-matching algorithm based on fuzzy reasoning

Due to the temporal and spatial correlation of image sequence, the motion vector of a reference block is highly related to the motion vectors of its adjacent blocks in the same image frame. By using that idea, we propose a novel efficient fuzzy search (EFS) algorithm for block motion estimation. The experimental results show that the EFS performs better than other fast search algorithms, such as TSS, CS, NTSS, FSS, BBGDS, SES, and PSA in terms of picture quality, accuracy, computational complexity, and coding efficiency.     

求取真实运动矢量的一种算法

针对物体基视频编码与分割应用,提出了求取特征区域真实运动矢量的一种算法。首先,利用运动检测器将图像序列的每一帧分割成静止区域与运动区域。然后只对运动区域进行运动估计。为了克服传统块匹配法的固有缺点,本文算法采用变尺寸块匹配法,大的均匀区用大方块,运动物体的边缘区用小方块;在进行块匹配搜索期间,在易误匹配的区域,为了不遗漏真实的运动矢量,先按照ＭＡＥ准则预选出多个候选运动矢量,尽可能保证真实的运动矢量包含其中,接着再根据相邻块运动矢量的相关性,从多个候选运动矢量中选出一个比较可靠的运动矢量。实验结果表明,该算法产生的运动矢量真实可靠,而且一致性好,可用于识别可靠的运动区域。     

基于运动空间相关性和时间连续性的运动估算快速算法

运动估算是视频信号的帧间预测编码中的一个重要环节,其效率和精度直接影响到编码器的性能。由于全搜索算法搜索速度较低,而很少采用,故目前普遍采用三步法、交叉法等各种快速近似算法,但是这些算法匹配精度较低,而且某些情况下应用效果不好。为解决上述算法存在的问题,在对视频编码中运动物体的空间相关性和时间连续性进行分析的基础上,给出了一种利用运动物体的空间相关性和时间连续性来进行运动估算的快速算法。实验结果表明,该算法计算每个宏块运动矢量所需的平均搜索次数低于三步法,而匹配精度则非常接近于全搜索算法,并且采用该算法的编码器,其总的编码输出位数少于采用全搜索算法的编码器。     

基于Harris角点与改进Hu矩的电子稳像算法

为提高抖动视频电子稳陣系统的稳陣雙果,提出一种基于 Harris 角点和改进 Hu 几何不变矩的电子稳陣算法。该算法检测视频每帧图陣的 Harris 角点为特征点,并计算其邻域图陣改进的 Hu 矩作为对应特征除量,以仿射变换为模型,通过特征点匹配计算前后帧的陒对运动参数,从而计算出图陣序列的运动轨迹,加以陒应的运动平滑补偿,得到保留镜头正常运动信息稳定的视频图陣序列。实验结果表明,在视频图陣帧间存在旋转、平移和轻微缩放的情况下,该算法能有雙降低特征匹配的计算量,且保持良好的匹配雙果。     

利用运动强度判据的高效自适应运动估计算法

为减少运动估计计算量,提高视频编码效率,提出了基于运动强度的自适应运动估计搜索算法。该算法通过定义运动强度概念来反映帧间图像运动的剧烈程度,依据当前帧的运动强度信息预测下一帧运动情况,并自适应选择算法进行运动搜索:当运动强度高于设定阈值时选用UMHexagonS算法,低于该阈值时选用改进的六边形算法。实验仿真结果表明,该算法能在保证图像质量和压缩效果的基础上,大幅提高编码效率,并可通过调节阈值大小满足不同编码要求。     

基于三角剖分的形状检索算法

提出了一种基于三角剖分的形状检索改进算法.算法的基本思想是:先对图像进行边界跟踪和角点检测;然后寻找初始角点在边界跟踪中的对应点,并对找到对应点的角点按对应点在边界跟踪中的顺序进行排序;再对排序后的角点进行德洛内三角剖分,得到能表示目标真实形状的三角形序列;最后计算三角形序列的角度直方图作为形状特征进行相似性匹配.实验结果表明,该算法有较高的效率和检索精度.     

一种基于非标定摄像机仿射变换的块匹配算法

针对"平行视"多视视频,提出了一种基于非标定摄像机仿射变换的块匹配算法.该算法采用Harris算子提取角点,依据特征跟踪法和线段仿射性质作为同名点匹配准则,利用同名点信息构造摄像机仿射变换矩阵,在此基础上实现视问块匹配.实验结果表明,该算法可有效提高"平行视"块匹配效果.