基于均值漂移聚类的运动目标检测

为了有效减少噪声对运动目标检测的影响,提出了一种利用均值漂移聚类实现运动目标检测的方法。首先运用Mean Shift算法分别对三帧连续图像进行平滑去噪处理,然后对图像进行边缘提取,最后通过三帧差分法对三帧图像进行差分,进而得到运动目标。实验结果表明,该方法可以有效地抑制噪声并提取出运动目标。     

一种运动自适应的帧速率上转换算法

在基于块的帧速率上转换算法中,块尺寸直接影响运动估计的准确性及插值帧的视觉效果。为此,提出了一种运动自适应的帧速率上转换算法。通过引入STGS图对视频内容进行预分析,根据运动特性自适应选取适合每一帧图像的块尺寸,进行重叠的块运动估计。并针对失真易产生在块边缘的特点,对块边缘的运动矢量进行插值细化处理,平滑运动矢量场,减轻人眼敏感的块效应。实验结果表明,该算法整体性能优于传统的固定块尺寸运动估计的帧速率上转换算法。     

运动汽车图像静态视点平滑特征优化仿真

由于运动汽车图像在特征采集过程中,汽车处于高速运动状态,采集的过程无法与汽车完全同步,造成汽车的特征像素分量在高速运动中丢失,产生较大的像素运动噪声,使得汽车图像边缘高频特征因为运动干扰而模糊.传统的平滑过渡方法在对运动汽车图像进行平滑处理时,按照图像中像元灰度值计算突变特性,但受到像素丢失与噪声无法抑制的影响,无法解决运动汽车图像高频分量对图像像元灰度值的干扰问题.提出基于替身运动DR算法的运动汽车图像静态视点平滑过渡方法,用替身像素描述汽车在场景中的运动特征,替身像素在场景中运动并同其它汽车的替身进行交互,采用局部化的车辆模型提高运动汽车场景的逼真度,通过依据替身运动的平滑过渡算法完成归一化线性运动汽车图像静态视点的平滑过渡,解决了运动汽车图像的平滑过渡问题.实验结果说明,所提方法可确保运动汽车图像边缘锐化,有效处理平滑噪声和锐化边缘.     

基于边缘方向性的小波边缘检测算法

现有的基于小波变换的图像边缘提取方法会导致边缘细节的损失且边缘位置会发生偏移,因此本文给出了一种改进的边缘检测方法。该算法先对图像进行平滑处理,然后用小波变换提取边缘。传统的平滑方法避开了边缘的方向性,且对图像的边缘保持效果不佳。本文提出了基于边缘方向性的平滑算法,该算法在处理边缘像素时可自动搜索边缘方向进行平滑,用该算法和小波方法结合进行边缘检测。仿真实验给出的实验结果有力地证明了该方法的有效性。     

视频运动对象的自动分割

视频运动对象的分割技术在运动视觉检测和新的MPEG-4视频编码标准中十分重要，提出了一种运动对象分割算法，该算法采用序列图像帧间差的高阶统计量(Higher Order Statistics，HOS)假设检验，确定运动对象的位置，自动分离运动区域与背景；根据三帧序列图像中前后帧差图像灰度边缘重合的部分为中间帧运动对象的边缘来有效地解决运动对象前后帧的遮挡问题；采用形态滤波的方法填充分割出的运动对象二值模板中的空洞，消除残余噪声及平滑边缘，分析和实验证明，该算法需要调整的参数少，抗干扰能力强，可以高效率地进行运动对象的自动分割，此外，该算法具有潜在的并行机制，易于实现实时运动图像处理。     

认证中心控制下的版权保护框架研究

提出了一种认证中心控制下的版权保护框架,该框架应用了边缘检测与元胞自动机算法。首先应用边缘检测技术检测出图像的边缘点,然后应用元胞自动机对边缘点进行平滑处理,最后对平滑处理后的图像进行签名认证。仿真结果表明,该算法具有高鲁棒性,能够抵抗裁剪、旋转、噪声等攻击,适用于医学、军事等领域的版权保护。     

视频监控系统中运动检测算法的研究

运动检测是现代视频监控系统的核心.在分析和探讨了几种运动检测算法后,提出了一种新的应用于视频监控系统的运动检测算法,该算法结合统计法和边缘检测筛选出运动边缘点,对运动边缘点逐个进行块匹配最优搜索,估算出运动矢量.该算法的应用有效地压缩了存储的视频数据,改善了系统性能,有很好的实用价值.     

边缘检测与混合高斯模型相融合的运动目标检测算法

针对传统的混合高斯模型不能很好地处理突变的情况,提出了一种新的运动目标检测算法。该算法在时间域上对混合高斯模型的更新机制进行了改进,并对模型加入了帧间处理,提取出初步的运动目标;在空间域上,通过Canny边缘检测算子获得初步的运动目标边缘轮廓,利用图像金字塔的多分辨特性排除背景噪声,经过一定运算再次得到运动目标。将两次得到的运动目标作"与运算",提取出最终的运动目标。实验结果表明,本算法可以较好地处理突变情况,提取的运动目标图像完整、轮廓清晰。     

基于3D激光雷达道路边缘实时检测算法的研究与实现

针对自然环境下无人驾驶车辆的道路边缘检测问题,提出一种基于3D激光雷达的实时道路边缘检测算法。对激光雷达的点云数据进行网格化处理,求出每个网格中的高度差,并针对道路边缘的高度特征,对网格数据进行阈值处理;再由近及远逐个提取左右道路边缘,利用最小二乘法对左右道路边缘网格进行曲线拟合平滑处理,得到左右道路边缘。实验结果表明,该道路边缘检测算法可靠性高,稳定性强,能够准确完成道路边缘检测,满足实时系统的要求。     

时空权重和边缘自适应去隔行

为实现隔行扫描到逐行扫描的视频格式转换,文中提出了一种时空权重和边缘自适应的去隔行算法,主要包括4个同极性场运动估计、小角度边缘搜索、时空权重计算、自适应插值等.运动估计通过比较同极性场的像素块绝对值差和(SAD)与运动阈值实现运动估计,并且利用前一场的运动信息进行鲁棒性处理,提高运动检测的精度.小角度边缘搜索采用自适应搜索半径的方法实现最小6°的小角度边缘检测.最后,通过时空权重自适应的插值算法实现去隔行处理,取得很好的处理效果.     

基于形态学滤波和小角度边缘搜索的运动自适应去隔行

为实现隔行扫描到逐行扫描的视频格式转换,提出了一种运动自适应的去隔行算法,主要包括运动估计、运动向量的形态学滤波、小角度边缘搜索、时空插值权重自适应插值等。该算法通过同极性场的像素块绝对值差和(SAD)与运动阈值的比较实现运动估计,并对运动向量进行形态学滤波处理,消除噪声影响。在小角度边缘搜索中采用自适应搜索半径和并行搜索树的策略实现最小6°的检测精度。最后,通过时空权重自适应的插值算法实现去隔行处理,取得了很好的处理效果。     

A perceived sharpness metric based on the luminance slope and overshoot of the motion‐induced edge‐blur profile

To reduce perceived motion blur on liquid crystal displays, typically various techniques such as overdrive, scanning backlight, black‐data insertion, black‐field insertion, and frame rate up‐conversion are widely employed by the liquid crystal display industry. These techniques aim to steepen the edge transitions by improving the dynamic behavior of the light modulation. However, depending on the implementation, this may result in the perception of irregularly shaped motion‐induced edge‐blur profiles. It is not yet fully understood how these irregularities in the steepened edge‐blur profiles contribute to the perceived sharpness of moving objects. To better understand the consequences of several motion‐blur reduction techniques, a perception experiment is designed to evaluate the perceived sharpness of typical motion‐induced edge‐blur profiles at several contrast levels. Relevant characteristics of these profiles are determined on the basis of the perception results by means of regression analysis. As a result, a sharpness metric with two parameters is established, where one parameter relates to the edge slope and the other to the overshoot/undershoot part of the motion‐induced edge‐blur profile.     

Accurate object contour tracking based on boundary edge selection

In this paper, a novel method for accurate subject tracking, by selecting only tracked subject boundary edges in a video stream with a changing background and moving camera, is proposed. This boundary edge selection is achieved in two steps: (1) removing background edges using edge motion, and from the output of the previous step, (2) selecting boundary edges using a normal direction derivative of the tracked contour. Accurate tracking is based on reduction of the effects of irrelevant edges, by only selecting boundary edge pixels. In order to remove background edges using edge motion, the tracked subject motion is computed and edge motions and edges having different motion directions from the subjects are removed. In selecting boundary edges using the normal contour direction, the image gradient values on every edge pixel are computed, and edge pixels with large gradient values are selected. Multi-level Canny edge maps are used to obtain proper details of a scene. Multi-level edge maps allow tracking, even though the tracked object boundary has complex edges, since the detail level of an edge map for the scene can be adjusted. A process of final routing is deployed in order to obtain a detailed contour. The computed contour is improved by checking against a strong Canny edge map and hiring strong Canny edge pixels around the computed contour using Dijkstra's minimum cost routing. The experimental results demonstrate that the proposed tracking approach is robust enough to handle a complex-textured scene in a mobile camera environment.     

短程线主动轮廓跟踪算法的研究--在复杂背景和非刚性运动目标跟踪中的应用

在复杂背景下对多个非刚性目标进行跟踪是计算机视觉中的一个难点。在短程线主动轮廓模型的基础上，利用力场正则化方法，并加入运动边缘信息，提出了一种在复杂背景下多个非刚性目标进行跟踪的方法。该方法由运动检测和跟踪两部分组成：运动检测利用运动边缘信息对运动目标的运动做出检测，让轮廓曲线运动到目标轮廓附近；跟踪利用当前帧中的静态边缘信息对运动检测的结果加以修正，而跟踪这一步引入的偏差将在下一帧的运动检测中得到修正。实验表明该方法能够有效地在复杂背景中对多个非刚性运动目标进行跟踪。     

基于全局运动对比度的轮廓编组元提取算法

在轮廓编组计算模型中,编组元的提取对于轮廓编组结果具有重要的影响。针对复杂场景中目标轮廓易与非目标边缘混淆的问题,提出了一种基于全局运动对比度的编组元提取算法。提出了基于边缘片段的运动相似度度量方法,并通过相似度定义了场景中的全局运动对比度,以此对非目标边缘片段进行抑制,从而提取出更为有效的目标轮廓边缘片段构成编组元集合。在Moseg_dataset数据集上的实验结果证明,提出的全局运动对比度对于非目标边缘片段具有良好的鉴别能力,相比较目前轮廓编组计算模型中基于边缘检测和轮廓检测的编组元提取算法,该算法显著降低了编组元集合的规模,提高了编组元集合的有效性。在相同的轮廓编组算法中,该算法提取的编组元集合能取得更优的编组结果。     

基于运动注意力融合模型的目标检测与提取算法

针对全局运动场景下目标检测与提取方法的局限性,文中根据运动注意力形成机理,构建一种运动注意力时-空融合模型用于运动目标的检测与提取。该算法首先对运动矢量场进行叠加和滤波等预处理。然后根据运动矢量在时间和空间上的变化特点定义运动注意力融合模型,并采用该模型检测运动目标区域。最后利用形态学和边界跟踪方法对目标区域进行精确化提取。根据多个不同全局运动视频场景的测试结果,显示该算法比其它算法具有更好的准确性和实时性。     

基于棱边方向检测与运动补偿的视频去隔行算法

提出了一种基于棱边方向检测与运动补偿相结合的去隔行算法。首先通过Canny算子提取出棱边,将图像区分为棱边和非棱边两部分。对于棱边丢失的部分,分别在空域内沿棱边方向和时域内沿棱边移动方向插值,然后利用中值滤波得到丢失的棱边信息;对于非棱边部分,采用多级相位相关运动估计法,对当前场与前后两场计算出相应的运动矢量,然后在时域和空域中利用中值滤波计算出丢失的信号。实验结果表明,本文方法优于一般的去隔行算法,如线性空域插值等。同时本文提出了两个去隔行评价标准,可以定量检验去隔行方法的效果。     

The influence of perceptual grouping on motion detection

In this paper, we present a perceptual organization-based method for detecting moving objects from image sequences. To achieve the characteristics of real-time, efficiency, and robustness, a perceptual computation model of edge partitioning and grouping was proposed for the extraction of edge traces on the fly. Each edge trace is made up of generic edge tokens (GETs) which are perceptual features, and defined qualitatively based on the principles of Gestalt laws. Motion detection uses two basic computations: (1) segment motion GETs (MGETs) by computing the gradient differences between GET streams in consecutive frames; and (2) detect motion objects by perceptually grouping MGETs into object clusters. The MGETs in each cluster are constrained by the proximity of the features, and the motion continuation of the cluster measured by motion persistence, etc. Experimental results are provided.     

一种视频运动目标精确分割新算法

针对视频图像中单个运动目标的分割问题,提出了一种基于Kirsch边缘算子的视频运动目标分割算法,该算法将Kirsch算子检测到的边缘作为主分割信息,运动矢量场作为次要分割信息;首先利用双重尺度的运动矢量场进行累加和滤波处理来获得辅助分割信息;然后将Kirsch算子的模板分解为差值模板和公共模板以提高边缘的抗噪性;最后用自适应状态标记的方法将边缘信息和运动矢量信息相融合来准确地分割运动目标;实验结果表明该方法分割比较精确。