基于运动方向预测的快速运动估计算法

利用序列图像的相邻块运动矢量的高度相关性和运动矢量的中心偏移特性,提出一种基于运动方向预测的快速运动估计算法。设计4种方向性模板,根据参考运动矢量预测出图像块的运动情况,根据不同的运动方向选择对应的方向性模板进行搜索。实验结果表明,该算法在速度和准确性方面都优于传统的快速运动估计算法。     

基于光流法的迭代反投影超分辨率重构算法

为了提高重构图像或者视频的分辨率．提出把新型的基于光流法的图像配准算法应用于迭代反投影（IBP）超分辨率算法中。在所提出的方法中．基于光流法的图像配准算法用来提高图像配准的准确性。首先,为了得到像素级别的运动矢量．基于光流法的图像配准算法被用于估计图像间的运动矢量。以得到更加准确的运动矢量矩阵。接着,利用所获得的运动矢量矩阵结合迭代反投影算法重构高分辨率的图像。同时．由于基于光流法的图像配准能够很好地估计视频图像间的运动．所提出的方法同样适用于视频图像的超分辨。实验结果表明．提出的方法对于图像或者视频的超分辨率效果．在主观效果和客观评价上都有一定的提升。     

基于维纳线性预测的Horn-Schunck光流运动矢量优化算法

针对Horn-Schunck光流运动估计的矢量中可能出现局部错误估计点的问题,提出一种基于维纳线性预测的光流运动矢量优化算法。首先,将光流运动矢量从笛卡尔坐标转换到极坐标下;其次,根据制定的判决规则,对于判决中的可疑点做进一步判定,而对于判决中的错估点采用维纳线性预测的方法进行重新估值;最后,将极坐标下的光流矢量转换到笛卡尔坐标下,到此就完成了光流运动矢量的优化。与直接求出的Horn-Schunck光流矢量相比,优化后的Horn-Schunck光流矢量中幅度和角度错估点的误差明显减小,光流矢量的准确性获得了一定程度的提高。将直接求出的Horn-Schunck光流矢量和优化后光流矢量分别应用到图像和视频序列的运动补偿中。结果表明:基于维纳线性预测的Horn-Schunck光流运动矢量优化算法取得了比较好的效果。     

基于六边形的运动矢量场自适应搜索算法

提出了一种基于六边形的运动矢量场自适应搜索算法,该算法充分利用了序列图像中运动矢量场的中心偏置性和时空相关性,结合六边形搜索法和小菱形搜索法,根据运动类型自适应的选择搜索策略和搜索起始点,同时设定阈值对静止块直接中止搜索。实验结果表明,该算法的搜索速度优于现有的快速运动估计算法,搜索精度接近于全搜索法。     

基于纹理约束和参数化运动模型的光流估计

提出了一种基于局部小平面运动的光流估计新方法。目的是获得精确致密的光流估计结果。与以往采用亮度一致性区域作为假设平面的算法不同，本算法利用序列图像的纹理信息，在纹理分割区域的基础上，进行运动估计。该算法首先通过微分法计算粗光流，可以得到参数化光流模型的初始估计，然后通过区域迭代算法，调整初始估计，从而得到精细的平面分割及其对应的参数化光流模型。基于纹理信息的部分拟合算法被用于算法的每一步当中，保证了纹理边缘位置的光流估计值的准确性。实验采用了标准图像序列，结果表明，可以得到更为精细的光流估计结果，特别是对于那些有着丰富纹理信息的室外环境的图像序列，而且在运动边界处的结果改善尤为明显。     

基于事件相机的连续光流估计

事件相机对场景的亮度变化进行成像,输出异步事件流,具有极低的延时,受运动模糊问题影响较少.因此,可以利用事件相机解决高速运动场景下的光流(Optical flow, OF)估计问题.基于亮度恒定假设和事件产生模型,利用事件相机输出事件流的低延时性质,融合存在运动模糊的亮度图像帧,提出基于事件相机的连续光流估计算法,提升了高速运动场景下的光流估计精度.实验结果表明,相比于现有的基于事件相机的光流估计算法,该算法在平均端点误差、平均角度误差和均方误差3个指标上,分别提升11%、45%和8%.在高速运动场景下,该算法能够准确重建出高速运动目标的连续光流,保证了存在运动模糊情况时,光流估计的精度.     

利用全局运动估计和Canny理论压缩显微图像

随着全自动生物显微镜的应用越来越广泛,高分辨率显微图像数据量大的问题越来越突出。为了使其便于存储及网络传输,针对全自动生物显微镜下图像步进式移动的特点,提出了基于全局运动估计和Canny边缘检测算法的显微图像压缩算法,利用Canny边缘检测算法、全局运动矢量估计及运动补偿等技术对图像进行压缩。实验结果表明,该算法对高分辨率生物显微图像的压缩比可以达到600倍以上。     

基于几何活动轮廓模型的目标跟踪与快速运动估计

为了快速灵活地实现对图像序列中的目标运动的跟踪与描述,首先基于几何活动轮廓模型,提出了一种目标跟踪与运动估计的耦合变分模型,该模型可在进行多个目标跟踪的同时,估计运动矢量场,并以此修正跟踪的结果;然后分别从耦合模型的两个方面,讨论了模型对序列图像处理的执行效率和精度,接着针对耦合框架中的目标跟踪环节,改进了几何活动轮廓模型的外力场,从而增强了模型的跟踪能力和收敛速度;最后针对运动估计问题,由于耦合框架基于几何活动轮廓模型,因此框架在跟踪过程中,天然地提供了图像水平集信息,并在此信息的基础上,提出了一套用于快速计算图像序列局部目标的运动矢量场的方法,其对混合有非刚性运动的目标也能有较好的逼近结果。多种类型图像的数值实验结果证明,整套框架是有效的和鲁棒的,而且与经典光流方法进行的对比实验表明,新算法可以快速准确地同时估计图像序列中局部运动目标的轮廓位置与运动参数,从而为后续图像分析与处理打下了良好的基础。     

基于时空相关性预测的运动估计的优化

运动估计的方法不仅在视频压缩技术中得到广泛的应用,而且也在高质量的视频帧频转换中起到了越来越重要的作用。如何提高运动估计所得到的运动矢量的质量,从而得到更高质量的插入帧图像,是文中研究的目的。在分析比较了现有的几种运动估计算法的基础上,提出了一个优化方法。该方法利用了分水岭算法对视频图像的物体进行正确分割,得到了被识别物体的最优的运动矢量。实验结果表明,该优化方法能够优化所有基于时空相关性预测的运动估计的算法的运动矢量,得到的插入帧图像的质量更高,因而具有较强的实用性。     

基于时空相关性预测的运动估计的优化

运动估计的方法不仅在视频压缩技术中得到广泛的应用,而且也在高质量的视频帧频转换中起到了越来越重要的作用。如何提高运动估计所得到的运动矢量的质量,从而得到更高质量的插入帧图像,是文中研究的目的。在分析比较了现有的几种运动估计算法的基础上,提出了一个优化方法。该方法利用了分水岭算法对视频图像的物体进行正确分割,得到了被识别物体的最优的运动矢量。实验结果表明,该优化方法能够优化所有基于时空相关性预测的运动估计的算法的运动矢量,得到的插入帧图像的质量更高,因而具有较强的实用性。     

液体管道小泄漏检测和定位

本文对德国著名学者Isermann提出的检测液体管道小泄漏的定位公式加以修正。修正后的方法考虑了液体管道发生泄漏后对泵后压力的影响。因此,它适用于各种特性的泵所组成的液体管道系统的泄漏检测和定位,扩大了 Ise-rmann 提出的液体管道小泄漏定位的应用范围,提高了估计泄漏位置的精度。文中应用互相关技术对量测到的信号进行处理,提高了泄漏检测灵敏度,同时采用递推算法进行在线检测和定位。对一条长91.6米,内径8毫米的液体(煤油)管道的泄漏实验表明,修正后的方法估计泄漏位置平均误差从原来的10%左右下降到3%。本方法能检测出1%的泄漏量。     

一种面向ERP外包项目的开发成本估算方法

对于软件项目而言,项目成本的有效控制是每个项目取得成功的标志之一。恰当的软件开发成本估算方法将大大提高成本估算的稳定性和可靠性,从而提高项目经理对项目成本的有效控制。本文在深入分析目前业界常用的软件项目开发成本估算方法的基础上,针对ERP外包软件项目开发生命周期的特点,提出了以ERP程序单元为最小单位的一种项目开发成本估算法,即FRICE估算法。该估算方法已经在大量ERP外包软件项目中得到了成功应用、实践和验证,它能有效地帮助项目经理对项目开发成本进行估算、控制和管理。     

一种改进的路口背景频度估计算法

从路口视频图像中实时地构建道路背景图像是基于背景减法的车流量检测的前提。由于路口车流信息复杂，图像受外界环境因素影响大，现有的背景估计算法都有不足之处。该文提出了一种改进的频度背景估计算法，通过离散样本图像，实时地构建背景。该方法不仅算法简单、实时性高，而且增强了在背景估计时对光线变化的适应性，提高了背景建模的准确度，可适用于基于视频的路口信号灯的智能控制系统。     

Optimal linear granulometric estimation for random sets

This paper addresses two pattern-recognition problems in the context of random sets. For the first, the random set law is known and the task is to estimate the observed pattern from a feature set calculated from the observation. For the second, the law is unknown and we wish to estimate the parameters of the law. Estimation is accomplished by an optimal linear system whose inputs are features based on morphological granulometries. In the first case these features are granulometric moments; in the second they are moments of the granulometric moments. For the latter, estimation is placed in a Bayesian context by assuming that there exists a prior distribution for the parameters determining the law. A disjoint random grain model is assumed and the optimal linear estimator is determined by using asymptotic expressions for the moments of the granulometric moments. In both cases, the linear approach serves as a practical alternative to previously proposed nonlinear methods. Granulometric pattern estimation has previously been accomplished by a nonlinear method using full distributional knowledge of the random variables determining the pattern and granulometric features. Granulometric estimation of the law of a random grain model has previously been accomplished by solving a system of nonlinear equations resulting from the granulometric asymptotic mixing theorem. Both methods are limited in application owing to the necessity of performing a nonlinear optimization. The new linear method avoids this. It makes estimation possible for more complex models.     

Finite-time estimation for a class of systems with unknown time-delay using modulating functions-based method

Time-delay systems are widely used to model real problems. Most of the works on such systems assume prior knowledge of the delay, which is mostly unknown in real applications. This paper aims to fast and robustly estimate unknown delay, parameters, and output derivatives for a class of linear time-delay systems in noisy environment. First, the classical modulating functions method is combined with the recursive least square algorithm and the Gauss–Newton method to estimate the coefficients and the time-delay, respectively. Second, the generalized modulating functions method is adopted to provide algebraic integral formulas to estimate the output derivatives using the estimated parameters. Finally, numerical simulations are given to demonstrate the efficiency and robustness of the proposed methods.     

系统参数和状态联合估计

文［１］提出了多变量系统所有参数同时估计的联合辨识算法。本文将讨论系统参数和状态的联合估计算法。其特点是在估计系统参数的同时，可获得系统状态的估计，这为状态反馈设计控制器提供了极大方便。文中还给出了仿真例子。     

Implementing a Multi-Model Estimation Method

We revisit the problem of parameter estimation in computer vision, reconsidering and implementing what may be called the Kanatani's estimation method, presented here as a simple optimisation problem, so (a) without any direct reference to a probabilistic framework but (b) considering (i) non-linear implicit measurement equations and parameter constraints, plus (ii) robust estimation in the presence of outliers and (iii) multi-model comparisons.Here, (A) a projection algorithm based on generalisations of square-root decompositions allows an efficient and numerically stable local resolution of a set of non-linear equations. On the other hand, (B) a robust estimation module of a hierarchy of non-linear models has been designed and validated.A step ahead, (C) the software architecture of the estimation module is discussed with the goal of being integrated in reactive software environments or within applications with time constraints, while an experimentation considering the parameterisation of retinal displacements between two views is proposed as an illustration of the estimation module.     

分布网络中离散时间系统的平滑算法*

本文考虑具有一个中心处理器和两个局部处理器下的估计结构的平滑合成问题,讨论了当已知局部滤波估计和当已知局部平滑估计时两种情况下的分布平滑估计,并导出了合成算法。     

指纹图像质量评估的研究与应用

指纹图像质量评估是自动指纹识别系统(AFIS)中重要的一个环节。指纹采集仪采集的指纹图像质量对预处理及指纹识别的效率有很大的影响。分析了现有的指纹采集细则,对有效面积、灰度变换、干湿、位置偏移等方面对指纹图像质量的影响进行了深入的探讨,并提出一种改进的基于边缘细节点信息的指纹图像质量评估方法,对采集到的指纹图像进行质量评测,为图像的预处理提供质量较高的指纹图像。实验证明,该方法对不合格的指纹图像有较好的过滤效果,有利于提高整个系统的效率。     

Extension of unbiased minimum-variance input and state estimation for systems with unknown inputs

This paper extends the existing results on joint input and state estimation to systems with arbitrary unknown inputs. The objective is to derive an optimal filter in the general case where not only unknown inputs affect both the system state and the output, but also the direct feedthrough matrix has arbitrary rank. The paper extends both the results of Gillijns and De Moor [Gillijns, S., & De Moor, B. (2007b). Unbiased minimum-variance input and state estimation for linear discrete-time systems with direct feedthrough. Automatica, 43, 934–937] and Darouach, Zasadzinski, and Boutayeb [Darouach, M., Zasadzinski, M., & Boutayeb, M. (2003). Extension of minimum variance estimation for systems with unknown inputs. Automatica, 39, 867–876]. The resulting filter is an extension of the recursive three-step filter (ERTSF) and serves as a unified solution to the addressed unknown input filtering problem. The relationship between the ERTSF and the existing literature results is also addressed.