机载摄像设备图像稳定方法探讨

通过对现有几种运动估计算法性能进行比较,结合机载红外摄像系统获取动态图像序列的特点,提出了有效地用于机载摄像系统电子稳像的运动估计算法。它具有精度高和速度快等特点,用该算法对实拍的航摄图像序列进行稳像试验,运动矢量的估计时间仅为10ms。实验证明了该算法用于航摄动态图像序列稳定的有效性。     

一种时变序列轮廓图像运动参数重建方法

针对现有的基于特征场的运动场估计方法对帧间位移比较大时运动参数建立困难的问题,提出了基于目标轮廓图像序列的运动估计理论和参数重建方法.该方法基于水平集方法理论,通过对二维轮廓线的标识处理,对轮廓线的演化运动序列进行了建模,并通过仿真试验进行了验证.本方法可用于重建瞬态目标及形变目标的运动位移、速度和加速度等运动参数检测研究.尤其可用于膛H火焰、爆炸过程分析等动态图像检测领域.     

准实时高强度聚焦超声背向散射积分监控成像

提出一种基于超声背向散射积分(IBS)参数估计的减影成像方法,用于检测高强度聚焦超声(HIFU)治疗过程中的组织损伤.在构建的HIFU/B超准实时治疗监控成像系统上,进行了离体猪肝组织实验.得到了不同组织深度下,IBS值随治疗时间的增加而变化的情况,以及不同治疗时间的IBS减影图像.比较了两种获得减影图像的方法,讨论了空化效应对IBS值的影响.此外还采用了一种双向彩色编码模式用以识别组织运动伪像.结果表明,IBS值能够较好地检测组织的损伤,还能一定程度地反映空化效应的情况,采用时间相邻的序列减影图像的叠加所获得的减影图像效果较好,双向彩色编码模式能够较有效地识别组织运动伪像.     

基于小波变换与反锐化掩模的图像对比度增强

针对传统空间域图像对比度增强算法存在灰度级空间分配不合理和噪声敏感的问题,基于图像的局部细节信息分析,提出了一种新的基于小波变换和反锐化掩模(UM)的图像对比度增强算法.该算法以小波变换作为工具,运用反锐化掩模的思想,计算出代表局部细节信息且同时考虑了图像中的噪声信息的统计量,然后将这一新的统计量作为重新分配灰度级空间...     

基于模糊自适应Kalman滤波的机械手动态图像雅可比矩阵辨识

提出了一种改进的基于模糊自适应Kalman滤波的动态图像雅可比矩阵辨识方法.该方法在机器人参数和滤波参数未知而且视觉成像模型动态变化的情况下,通过模糊逻辑自适应控制器在线监测滤波残差均值和残差协方差误差,对过程噪声参数Q和量测噪声参数R进行自适应调节,实现了未知环境下动态图像雅可比矩阵的稳定辨识.通过微装配机械手运动实验验证了该方法的有效性.     

基于H.264的自适应可伸缩编码研究

为了更好地适应网络及终端的多样性,本文针对基于H.264的可伸缩编码,提出了一种基于运动区域的自适应可伸缩编码的优化方案.该方案根据基本层的运动信息及编码模式自动提取图像的运动感兴趣区域,并以独立片的形式对其进行时间,空间和质量上的可伸缩编码,实现选择性增强.实验结果表明,该方案不仅能大幅降低编码复杂度,而且使增强层码流集中包含运动区域信息,从而提高运动区域的重建质量及整幅图像的主观质量.     

基于神经网络的图像边缘检测方法

提出了一种基于神经网络的图像边缘检测新方法.该方法首先基于邻域灰度极值提取边界候选图像,然后以边界候选象素及其邻域象素的二值模式作为样本集,输入边缘检测神经网络进行训练.边缘检测神经网络采用BP网络,为加快网络的训练速度,采用了滚动训练和权值随机扰动的方法.实验表明,该方法提高了神经网络的学习效率,获得的边缘图像封闭性好,边缘描述真实.     

基于光流技术MEMS平面微运动特性的测量

实现MEMS动态测试技术中平面微运动特性的测量，关键是记录MEMS运动过程中的瞬间运动状态，并恢复MEMS面内的运动历程．为此，介绍了光流技术，并提出利用邻域优化法进行微结构运动的光流计算．组建了基于频闪成像的MEMS平面运动测试系统，通过该系统获得MEMS谐振器周期运动不同相位下的清晰图像序列．利用邻域优化计算该图像序列的光流，选取合适的邻域大小和阈值，得到了MEMS谐振器在特定驱动频率下的运动幅度-相位图及其拟合曲线，从而获得微谐振器在此驱动频率下的运动幅度值为2．12μm．实验结果表明，该方法是准确有效的．     

基于仿生复眼的运动相机的运动目标检测

基于运动相机的运动目标检测是计算机视觉领域的热点与难点。基于仿生复眼结构的相机运动条件下的运动目标检测方法利用仿生复眼结构模拟多相机运动状态下的图像采集;使用SIFT特征点匹配与图像差分结合的方法提取运动区域,不需要建立背景模型,使用SIFT特征点匹配完成图像的配准,利用图像差分的方法得到运动目标,使用颜色值归一化,利用前景像素与背景像素的插值与比值确定该像素是否为阴影区域的方法。实验证明,该方法在不进行背景建模的条件下成功去除了阴影,实现了相机运动状态下的运动目标检测。     

基于图像分块重建的运动目标检测

运动目标检测是图像理解的关键问题之一,人们通常采用背景法去除背景而获取运动目标前景。其中的背景重构是其中的关键。现有的背景重构算法很难同时满足实时性与鲁棒性的要求。提出基于图像分块重建的运动目标检测方法,首先将图像合理划分为若干个子块,通过帧差法得出子块的运动能量,据此判断出子块属于背景还是目标前景,再根据背景子块估计出背景图像。在背景更新阶段,根据图像4个角上子块(角块)的邻帧差分值来对场景的光线变化进行判断从而决定是否需要进行背景更新。将上述算法应用于一个人体目标检测中。实践证明,该方法具有较好的实时性与鲁棒性。