基于二维透射变换的视频全景图拼接算法

视频序列全景图拼接技术是视频图像分析的关键技术之一。针对帧间运动模型为二维投影变换的常见视频序列,提出了一种全景图拼接算法.该算法首先采用改进的基于RANSAC的特征点匹配算法对相邻帧的运动参数进行估计,接着采用直接法对各帧与全景图间的运动参数进行精确调整,最后运用自适应中值滤波绘制出全景图。实验结果表明,该方法能够生成较高质量的全景图,基本能实现无缝连接。     

基于图像增强局部上采样SSD的直线电机动子非接触位置检测方法

研究一种基于图像增强局部上采样平方差和(IE-LUSSD)的高精度亚像素检测算法,以提高直线电机动子位置检测对不同光照强度的抗干扰能力.首先,根据直线电机一维刚体平移的运动特点,设计一种基于线阵相机和非周期栅栏图像的动子位置检测系统,线阵相机固定在动子上并跟随动子移动采集信号序列;然后,通过灰度线性变换图像增强算法对采集到的信号序列进行预处理以增强图像信息;并通过SSD算法获取相邻信号序列间的整像素位移,为了进一步提高测量准确性,采用频率域矩阵乘法离散傅里叶变换对相邻信号间相关函数的峰值邻域进行上采样细化峰值曲线;最后通过搭建动子位置检测的实验平台验证所提出方法对不同光照条件的适应性.算法可以达到0.01 pixels的检测精度,动子的实际位置检测误差在0.025 mm以内.     

基于多变换的细粒度视频编码算法

针对现有细粒度视频编码算法计算复杂度大或视频恢复质量有各种效应的缺点，提出了一种基于联合小波变换和MP变换的细粒度编码算法。该算法在运动估计与补偿的基础上，用小波变换来消除帧间冗余，然后对变换结果根据不同帧的数据特征分别进行二维小波变换或MP变换。算法还提出了新的运动估计和像素调整策略、基于人眼视觉特性的MP原子分配策略和基于能量查找的原子搜索机制。实验表明，该算法可同时兼顾视频恢复质量、计算复杂度和控制粒度。     

基于运动补偿和自适应双闭值的镜头分割

镜头分割是视频检索的结构化基础.提出一种高效的镜头分割算法,首先针对视频中的图像帧序列间存在一定的运动,对视频中的图像帧采用运动矢量场自适应搜索技术进行分块运动矢量估计,然后进行运动补偿,接着在此基础上计算两帧间的像素值不变点数,并基于滑动窗口获取局部自适应的双阈值,最后基于自适应双阈值间的比较检测切变和渐变.实验结果证实,该算法不仅能够有效地检测出镜头的切变和渐变,而且对运动具有较强的鲁棒性.     

加权最小二乘法与卡尔曼滤波实时稳像技术

无人机和车辆行驶等情况下拍摄的视频受外界影响会造成视频抖动。通过对比现有的电子稳像技术,提出了利用FAST获取特征点的位置信息,再通过光流法结合NCC匹配得到参考帧特征点在当前帧的位置信息,在此基础上,结合RANSAC算法剔除错误匹配的特征点对的改进算法。为了提高运动矢量估计的精度,应用加权最小二乘法得到相邻帧间的刚性变换矩阵,并经过卡尔曼滤波进行运动平滑得到扫描运动矢量并补偿,最终得到实时的稳定视频。实验表明,视频序列稳像后的帧间变换保真度有所提高,并且能够达到实时处理速度。     

融合时空多特征表示的无监督视频分割算法

针对视频分割的难点在于分割目标的无规则运动、快速变换的背景、目标外观的任意变化与形变等,提出了一种基于时空多特征表示的无监督视频分割算法,通过融合像素级、超像素级以及显著性三类特征设计由细粒度到粗粒度的稳健特征表示。首先,采用超像素分割对视频序列进行处理以提高运算效率,并设计图割算法进行快速求解;其次,利用光流法对相邻帧信息进行匹配,并通过K-D树算法实现最近邻搜索以引入各超像素的非局部时空颜色特征,从而增强分割的鲁棒性;然后,对采用超像素计算得到的分割结果,设计混合高斯模型进行完善;最后,引入图像的显著性特征,协同超像素分割与混合高斯模型的分割结果,设计投票获得更加准确的视频分割结果。实验结果表明,所提算法是一种稳健且有效的分割算法,其结果优于当前大部分无监督视频分割算法及部分半监督视频分割算法。     

针对视频序列分类的快速抠像技术

针对视频序列分类的问题提出了一种快速抠像技术.根据视频序列间的相关度进行关键帧的区分,得到关键帧、序列间变化细微的非关键帧、序列间变化较大的非关键帧;对于关键帧,采用闭合式的抠像方法来进行处理,获得透明度值、前景像素值和背景像素值;对于变化细微的非关键帧,提出了一种基于帧间连续性的透明度值估计和优化方法;对于变化较大的非关键帧,提出了一种基于特征流传递的机制来传递关键帧的有效信息.实验结果表明,最终在获得与传统方法相比可接受的抠像效果条件下,这种快速抠像技术缩短了处理时间.     

一种视频序列的拼接算法

提出了一种视频序列的拼接算法。首先在同一镜头下的视频序列中提取若干关键帧，利用关键帧拼接表示序列的拼接；其次利用光流场算法计算出的运动位移量引导相邻关键帧间特征点的匹配,并结合随机抽样一致性（RANSAC）鲁棒估计算法和单映矩阵的级联性，得到相邻关键帧、非相邻关键帧间的对应矩阵；最后通过融合实现了序列的无缝拼接。实验验证了这种方法的有效性。     

基于帧间预测的视频水印算法

数字水印技术是视频版权保护的一种重要方法。研究了一种新的鲁棒型视频水印算法,水印嵌入时,对原始视频亮度分量的帧图像整体做DCT变换,将扩频序列叠加在其低频系数段上。水印检测时,首先基于运动估计对水印视频做帧间预测,把得到的运动补偿帧与当前帧相减,并对该残差图像整体做DCT变换,取相应低频系数段作为估计序列,将该序列与原始水印序列的相关性作为水印是否存在的判决依据。实验证明该算法具有良好的鲁棒性。     

彩色视频的四维矩阵离散余弦变换编码

为了在高信噪比条件下获得对彩色视频的高倍压缩 ,提出了 4维矩阵及 4维矩阵离散余弦变换理论 ,并将该理论应用于彩色视频编码 .基于 4维矩阵离散余弦变换的彩色视频编码方法将彩色视频的多个帧放在一个统一的数学模型 (即 ,4维矩阵 )中考虑 ,利用 4维矩阵离散余弦变换去除其间的各种相关性 ,并通过矢量量化对变换系数进行压缩编码 .其方法可以同时全面利用彩色视频图象相邻像素间、彩色空间 Y、U、V 3分量间 ,以及视频图象相邻帧之间的相关性 .实验结果证明 ,对可视电话和视频会议等应用中的彩色视频序列图象 ,利用该方法可在高信噪比条件下获得较高压缩比的编码效果     

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。     

长视频序列拼接

针对长视频序列的全景图拼接,提出了一种新的处理方法。该方法将长视频序列分段,对每一段分别采用场景流形算法进行拼接;将拼接后的相邻图像采用动态规划的思想搜索最佳缝合线;依次缝合所有拼接后的图像,得到整个视频序列的全景图。实验结果表明,采用该方法拼接而成的全景图可以最大限度地保证源图像的细节,没有明显的扭曲和变形,视觉效果比较好。在实际应用中,该方法可以较好地实现含动态场景的长视频序列的全景图拼接。     

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。     

摄像机图像序列的全景图拼接

全景图是虚拟现实和计算机视觉中一种重要的场景表示方法 .通常获得高质量的全景图需要使用昂贵的专用设备 ,而且拍摄时需要精确地校准摄像机 .从普通摄像机图像拼接是获得全景图的一种低成本而且比较灵活的方法 .文中提出一种新的摄像机图像拼接算法 ,利用摄像机绕垂直轴旋转 36 0°依次拍摄的照片序列 ,拼接圆柱面全景图 .该算法不要求校准摄像机 ,对相邻帧之间摄像机的转角也没有严格的限制 ,而且不受帧间光照强度剧烈变化的影响 .从实验结果看 ,该算法获得了理想的拼接效果     

弱纹理条件下无人机姿态参数估计

基于视觉定位的无人机在弱纹理环境下,位置容易产生漂移,针对该问题,提出一种基于改进Snake算法与ORB(oriented FAST and rotated BRIEF)特征光流相结合的方法,对无人机运行参数进行估计,从而改善漂移.首先,采用高斯滤波对采集视频帧进行去噪处理;然后,计算视频帧灰度共生矩阵,判断是否均处于...     

融合图像显著性与特征点匹配的形变目标跟踪

目的 针对目标在跟踪过程中出现剧烈形变,特别是剧烈尺度变化的而导致跟踪失败情况,提出融合图像显著性与特征点匹配的目标跟踪算法。方法 首先利用改进的BRISK（binary robust invariant scalable keypoints）特征点检测算法,对视频序列中的初始帧提取特征点,确定跟踪算法中的目标模板和目标模板特征点集合;接着对当前帧进行特征点检测,并与目标模板特征点集合利用FLANN（fast approximate nearest neighbor search library）方法进行匹配得到匹配特征点子集;然后融合匹配特征点和光流特征点确定可靠特征点集;再后基于可靠特征点集和目标模板特征点集计算单应性变换矩阵粗确定目标跟踪框,继而基于LC（local contrast）图像显著性精确定目标跟踪框;最后融合图像显著性和可靠特征点自适应确定目标跟踪框。当连续三帧目标发生剧烈形变时,更新目标模板和目标模板特征点集。结果 为了验证算法性能,在OTB2013数据集中挑选出具有形变特性的8个视频序列,共2214帧图像作为实验数据集。在重合度实验中,本文算法能够达到0.567 1的平均重合度,优于当前先进的跟踪算法;在重合度成功率实验中,本文算法也比当前先进的跟踪算法具有更好的跟踪效果。最后利用Vega Prime仿真了无人机快速抵近飞行下目标出现剧烈形变的航拍视频序列,序列中目标的最大形变量超过14,帧间最大形变量达到1.72,实验表明本文算法在该视频序列上具有更好的跟踪效果。本文算法具有较好的实时性,平均帧率48.6帧/s。结论 本文算法能够实时准确的跟踪剧烈形变的目标,特别是剧烈尺度变化的目标。     

基于混沌序列和扫描模式的视频加密算法的研究

提出了一种新的基于混沌序列和扫描模式的视频序列加密算法.该算法利用扫描模式通过对二维存储空间的不同访问方法来产生非常大的扫描路径或空间填充曲线,并使用正规语言来确定扫描模式.视频加密的过程通过求解视频序列中的相邻帧之间的差值矩阵,然后压缩该差值矩阵,最后再用扫描模式和混沌序列对该差值矩阵进行加密.基于混沌序列和扫描模式的置换和替代操作,组合成了具有良好密码特性的非线性耦合结构,而且在每次迭代过程中使用了密钥的融合操作,提高了加密算法的安全性.实验以Tennis等标准视频序列进行仿真,结果表明,该算法具有良好的加密安全性和效率.     

基于平面单应性的单目视觉里程计设计

针对如何准确获取位姿信息来实现移动机器人的避障问题,提出一种可用于实时获取移动机器人位姿的单目视觉里程计算法。该算法利用单目摄像机获取连续帧间图像路面SURF（Speeded Up Robust Features）特征点;并结合极线几何约束来解决路面特征点匹配较难的问题,通过计算平面单应性矩阵获取移动机器人的位姿变化。实验结果表明该算法具有较高的精度和实时性。