嵌入式视频监控系统的设计与实现

为了改善低照度环境下视频监控系统的效果,从人类的视觉系统出发,通过对人类的视觉对比度分辨率进行补偿以增强图像信息,同时以ARM11与LINUX相结合的方式,构建嵌入式监控系统,利用硬件编码有效地提高编码效率,对编码后的H264码流进行RTP打包传输。经测试系统满足实时监控,同时增强了低照度环境下的视频图像的信息。     

标准化变换在视频隐形图像重现中的应用

针对低照度环境下,网络监控视频图像由于对比度低、灰度信息少,视频图像存在隐形问题,提出了一种基于人类视觉系统感知的标准化变换算法,并嵌入基于ARM平台的视频网络监控中。实验结果表明,与其他图像增强算法对比,该算法有效地提高了视频图像对比度分辨率,重现隐形图像,取得了较好的整体视觉效果,而且满足网络监控的时实性要求。     

基于视觉传达的低亮度激光图像细节信息增强方法

针对激光图像亮度较低,导致内部细节信息缺失,图像应用性下降等问题,提出基于视觉传达的低亮度激光图像细节信息增强方法。从视觉传达角度出发将低照度激光图像转换为Lab色彩模式,采用Curvelet变换将激光图像分解为高频分量与低频分量,利用细节增强网络模型增强高频分量,通过基于照度图估计的微光图像增强方法增强低频分量,融合增强后的高、低频分量,实验结果显示,采用该方法对所选图像进行细节信息增强处理后,各图像的信息熵均高于8.35以上,而对比度与相关系数则分别在0.846和0.815以上,增强后的图像更符合人眼视觉特性。     

基于对数域光照预处理的低照视频人脸检测方法

在低照度条件下,视频人脸易受图像背景、明暗度和图像噪声等因素的影响,检测率不高的问题成为了视频监控中人脸检索与识别应用的主要难题。文章以低照条件下的视频监控为背景,设计了一种基于Retinex理论的对数域光照预处理方法,并采用低照度人脸图像和Adaboost分类检测器进行实验验证。实验结果表明该方法可以改善低照度下人脸检测的性能。     

一种改进CycleGAN的低照度图像增强网络

为了提高CycleGAN对低照度图像增强后的细节分辨能力,提高图像整体的视觉质量,提出了一种改进CycleGAN的低照度图像增强算法.该网络的生成器由低光照增强模块和亮度均衡处理模块组成,用以学习低照度图像到正常照度图像的特征映射.以多尺度卷积和残差空洞卷积构建基于U-Net的低光照增强模块,提高网络对增强后图像细节信...     

基于双曲映射变换的低照度道路图像增强方法研究

在智能驾驶领域中，针对低照度环境下获取视觉图像中道路环境交通特征信息难的问题，提出一种基于双曲映射变换的低照度道路图像增强方法。采用最大熵法对HSV颜色空间中的V分量进行阈值分区，利用改进的双曲正切S型函数和双曲正割累积分布函数分别增强明暗区域的亮度，采取非线性变换函数LC补偿光照，进而用双尺度均值滤波法增强图像中道路特征信息。通过自建数据集对比验证相关算法，结果表明：本方法增强后的图像平均亮度提高了111.54%、信息熵提高了11.8%,平均梯度提高了159.75%,低照度环境下获取视觉图像中交通特征信息显著提升。     

低照度环境下视频增强技术

在低照度环境下,摄像机捕捉到的夜间视频质量较差,常出现光照不足、对比度低、模糊不清和颜色偏移等问题,影响了视频的判读和理解。针对夜间视频存在的问题,提出不同时段空间背景融合技术和根据Retinex理论利用三边滤波器提取亮度图像的照度分量并结合Sigmiod 非线性拉伸函数对反射分量进行增强处理以突出细节达到图像增强的目的。经实验证明,提出的算法能够提高低照度夜间视频的整体视觉效果,图像的亮度、对比度、清晰度得到改善,突出了视频图像细节,保留了视频重要内容,增强结果自然清晰,避免了图像失真等问题,解决了夜间视频增强中常出现的光晕、鬼影、颜色偏移等问题,便于视频的判读与分析。     

低照度下具有动态特性的彩色图像质量优化算法

针对低照度环境下具有动态性的彩色图像辨识度相对较差的问题,提出了基于人类视觉感知模型的对比度分辨率补偿算法。首先,将图像从RGB空间转换到HSV空间,保持H分量不变;对V分量提取图像特征参数,然后对V分量进行对比度分辨率补偿,增强图像亮度;并对S分量进行线性拉伸,复原图像色彩信息;最后将处理后的V分量和S分量与H分量进行反变换生成RGB空间新图像。实验结果表明,该算法对低照度下具有动态性的彩色图像增强效果较好,较好地保持了图像的细节,取得了良好的视觉效果。     

基于光照重映射的低照度图像增强算法

目前,大量低照度图像中存在不同程度的饱和区域,这些图像主要是由前后背景亮度差异较大而形成的.对于该类低照度图像,如何在增强低照度区域的同时,尽量保留饱和区域细节纹理成为研究的难点.提出了一种基于光照重映射的低照度图像增强算法,该算法从相机成像原理出发,利用相机响应模型,通过区域化处理和非线性变换对亮度信息进行重新调整.实验结果表明,所提算法具有增强区域广、纹理保真度高、速度快等优点,在主观视觉评价和客观指标上均取得了较好的结果.     

基于FPGA的低照度图像采集与处理系统研究

针对低照度图像亮度低、噪声高和边缘模糊等问题,基于Xilinx公司的Artix-7系列FPGA芯片,通过驱动微光性能良好的XQE-1310图像传感器,对探测器采集的视频信号进行滤波和边缘检测,完成了低照度图像的采集和处理等一系列操作,最后将处理过的视频信号通过CameraLink视频格式实时显示,设计了一套微光夜视系统。实验结果表明,该系统的最低工作照度可达10－2 lx量级,滤波算法在保持图像边缘信息的同时有效滤除了图像中的椒盐噪声,自适应边缘检测算法可以根据照度水平实时调整阈值,凸显了低照度环境下物体的轮廓信息。系统充分利用了FPGA（Field Programmable Gate Array）速度快、效率高的优势,最后的成像结果清晰稳定,便于人眼观察。     

Gesture recognition for human–machine interaction in table tennis video based on deep semantic understanding

The analysis of moving objects in videos, especially the recognition of human motions and gestures, is attracting increasing emphasis in computer vision area. However, most existing video analysis methods do not take into account the effect of video semantic information. The topological information of the video image plays an important role in describing the association relationship of the image content, which will help to improve the discriminability of the video feature expression. Based on the above considerations, we propose a video semantic feature learning method that integrates image topological sparse coding with dynamic time warping algorithm to improve the gesture recognition in videos. This method divides video feature learning into two phases: semi-supervised video image feature learning and supervised optimization of video sequence features. Next, a distance weighting based dynamic time warping algorithm and K-nearest neighbor algorithm is leveraged to recognize gestures. We conduct comparative experiments on table tennis video dataset. The experimental results show that the proposed method is more discriminative to the expression of video features and can effectively improve the recognition rate of gestures in sports video.     

一种基于运动检测的智能视频序列降噪算法

提出了基于运动检测的视频图像自适应滤波降噪算法,该算法能够智能地区分图像的静止部分和运动部分,并针对性地使用不同的滤波算法。实验结果表明,由于本算法充分利用了视频的空域、时域信息,能够显著提高图像的信噪比和图像的主观质量,比单纯的空域或时域滤波取得更好的效果。     

基于Harris图像拼接的全景视频稳像算法

对于背景变换和抖动分量比较小的视频序列,传统稳像算法不能直接适用,本文提出一种基于Harris图像拼接的全景稳像算法。首先采用Prewitt算子提取出图像的边缘信息,在此基础上进行分区的Harris特征点检测;然后结合NCC（normalized cross correlation）算法与RANSAC（random sample consensus）算法实现图像间的特征点精确匹配,接着利用加权平均融合的方法进行图像融合;最后对融合后的全景图像进行剪裁,完成图像补偿,输出稳定的视频序列。实验结果表明:改进的Harris算法提高了算法效率以及正确特征点数量,并且本文稳像算法实时性较好,能够有效消除视频抖动并输出稳定的视频序列。     

基于降码率设计的图像编码处理技术研究

为了降低老化的图像采集设备引入的加性噪声所带来的图像数据冗余,研究了加性噪声对图像和视频的影响,提出用三维块匹配(Block Matching 3D,BM3D)算法处理受噪的静态图像,验证了通过降噪来降低图像信息熵和数据量的方法,进而提出降噪--编码方案。首先采用四维视频块匹配(Video Block Matching 4D,VBM4D)算法对受噪视频进行降噪处理,随后进行H.264编码。经过此方案处理的图像信息熵降低16%,数据量减少38%;在视频质量未显著降低的前提下,编码码流减少59.5%。数据表明该方法能在保证视频质量的前提下显著提升H.264的编码压缩率,促进视频在小带宽通信系统中的传输。与H.264以及神经网络等编码方案相比,该方案复杂度低,能相对实时地处理视频。     

便于硬件实现的视频格式转换算法的研究

视频领域内大量格式的并存,使不同格式视频信号间的信息难以交流,这个问题可以通过视频格式转换等技术解决。在讨论视频格式转换的相关算法的基础上,提出了两种效果较好且便于硬件实现的视频格式转换算法:窗函数(边增强)法和中值滤波(边增强)法。第一种方法在FPGA板上进行的验证和软件仿真表明,图像主观测评效果良好,具有较强的稳健性。第二种方法利用了信号在空间和时间上的相关信息,克服了图像边缘不够锐利的不足,效果较好,且硬件的成本较低。两种方法都极具实用价值。     

基于视频的车型分类算法研究

对视频图像处理中车型分类算法涉及的摄像机标定和目标分割算法进行研究。通过摄像机标定实现像素坐标到世界坐标的映射,进而准确获取车辆长度及宽度信息。建立车辆高度信息计算模型,获得车辆高度信息。对实时视频图像进行目标分割,并通过车辆长度、高度及长高比等信息实现高速公路中车型分类。经过验证,该方法能够比较准确地进行车型分类,满足实际应用要求。     

基于FPGA的视频图像处理算法的研究与实现

为有效提高视频监控应用领域中多屏幕画面显示的清晰度、分辨度等问题,提出了一种基于FPGA的实时视频图像处理算法。文中介绍了系统的整体结构,然后针对FPGA模块介绍了视频图像的缓存及图像分割,并针对视频的输出显示要求,重点介绍了基于双线性插值算法的实现。ModelSim的仿真结果表明,该算法符合多屏幕显示系统的要求。     

红外搜索系统视频图像拼接算法及其应用

为了实现将视场小、变化快的红外搜索系统视频图像拼接成全景图像,根据红外搜索系统具有确定像空间位置变化信息的特点,提出了一种结合图像位置信息和模板匹配的的红外图像拼接算法。该算法有效的解决了传统的区域配准拼接算法运算速度慢和基于特征配准拼接算法精度差的不足,具有运算速度快、配准精度高的优点。为了验证该算法的有效性,利用采集到的红外搜索系统试验视频进行了仿真计算,从仿真的结果看,该算法相对于传统算法,大大提高了运算速度和匹配精度。     

基于模糊聚类的运动对象分割算法研究

为了从视频序列中分割出完整的、一致的运动视频对象,该文使用基于模糊聚类的分割算法获得组成对象边界的像素,从而提取对象。该算法首先使用了当前帧以及之前一些帧的图像信息计算其在小波域中不同子带的运动特征,并根据这些运动特征构造了低分辨率图像的运动特征矢量集;然后,使用模糊C-均值聚类算法分离出图像中发生显著变化的像素,以此代替帧间差图像,并利用传统的变化检测方法获得对象变化检测模型,从而提取对象;同时,使用相继两帧之间的平均绝对差值大小确定计算当前帧运动特征所需帧的数量,保证提取视频对象的精确性。实验结果证明该方法对于分割各种图像序列中的视频对象是有效的。     

基于雾气理论的视频去雾算法

本文提出了两种基于雾气理论的视频去雾新算法,一种视雾气为覆盖在各帧图像上的一层遮罩被从原视频中减除,一种视雾气为光路传播图被分离消除.前者将Retinex算法得到的亮度图像与视频帧自身的深度关系相结合求取雾气遮罩,并将此遮罩从原视频帧中分离以去除雾气;后者将由背景图像得到的视频“通用”传播图应用于视频的所有帧以消除雾气...