H.264中的去块滤波的分析及优化

本文介绍了新一代视频编码压缩标准H.264中的去块滤波器的滤波过程,对滤波的复杂度进行了详细分析,并提出了一种新的多档次的去块滤波的方法。试验证明H.264中的去块滤波器在主观及客观图像质量上都获得了提高,新提出的滤波方法较好的解决了图像质量和滤波消耗时间上的平衡性问题。     

基于图理论聚类和二值纹理分析技术的彩色文本图像二值化方法

为了有效地对彩色文本图像进行分割，提出了一种复杂背景下彩色图像中文本一背景分离的新方法。该方法首先应用颜色空间降维以及基于图理论的颜色聚类对彩色文本图像进行聚类，并对应于聚类结果获得一系列二值图像，这些二值图像以及它们之间的组合就构成了二值化的待选结果；然后对与游程直方图以及空间-尺寸分布相关的两类纹理特征进行分析，并结合线性判别分析分类器来从待选的二值图像中选取出具有最佳文本背景分离效果的二值图像。实验结果显示，该方法的：二值化效果比现有方法有显著提高，因而能更有效地对具有复杂背景的彩色文本图像进行分割。     

一个新的特征选择判据--不确定性系数

提出了运用特征子集的不确定性系数作为特征选择的度量。特征子集的不确定性系数是一种单调的特征子集信息度量,因此可以将它作为特征选择度量。实验表明,特征子集的不确定性系数作为特征选择度量是合理和可行的。     

YUV空间的彩色图像HDR合成算法

RGB空间的高动态范围(HDR)彩色图像合成算法存在颜色失真和计算耗时的问题。为此,提出一种YUV空间的彩色图像HDR合成算法。利用多幅不同曝光度的普通数字图像,通过计算机高速运算对彩色图像进行HDR合成。实验结果表明,该算法的合成图像质量较高、计算速度较快。     

混合高斯模型和LBP纹理模型相融合的背景建模

提出了一个适用于动态背景的基于颜色和纹理的背景模型。这个概率背景模型不仅考虑了传统目标检测中的时域相关性（背景减除等）,也考虑了在动态场景中大量存在的空间相关性（方块纹理等）,使得在动态背景中依然得到准确的运动目标检测。首先应用混合高斯概率模型和LBP纹理模型计算当前像素的颜色前景概率值,然后应用数据融合算法D-S证据理论,进行决策层级上信息融合得到当前像素隶属于前景的概率值,提高了前景判别的准确性。实验证明,上述算法能够在一般目标检测特别是动态场景下的检测中取得良好的效果。     

基于SURF特征的高动态范围图像配准算法

同一场景的多曝光图像序列被广泛的应用于高动态范围图像（HighDynamicRangeImage）的合成中。但是,在多曝光图像序列的采集过程中,相机抖动、场景运动等因素会对合成图像的质量产生较大的影响。此外,离镜头较近的大目标往往由于显著的三维形状,在序列图中产生较大的视差效应,也会对合成图像产生消极影响。该文提出一种基于SURF特征点的三维图像配准算法,实验证明该算法在近距离大目标情形下较之传统配准算法MTB（MeanThresholdBitmap,均值二值化）可以获得更好效果。     

基于角点的监控摄像头干扰检测

提出一种新的实时检测摄像头干扰的方法,建立一种基于最小核值相似区SUSAN(Smallest Univalve Segment AssimilatingNucleus)角点的图像特征函数,由于干扰发生时相对的几帧图像与正常图像相比会发生显著变化,因此通过比较图像的特征函数值来检测干扰的发生。利用一种逻辑判断方法做到对突变和渐变干扰的全面检测,并且避免对无害行为的误检,使之更具鲁棒性。对比已有的方法,分别对不同场景及不同类型的摄像头遮挡和转动干扰进行了多组测试,实验结果显示,该方法明显优于其它算法,能够很好地检测出对摄像头的遮挡及转动干扰,并且很好地避免了对无害行为的误检。     

利用数据挖掘技术对城市交通流量状况的分析

利用数据挖掘技术，对交通流量的原始数据进行重新组织，使这些数据不但能够为智能交通系统中的控制系统服务，也能够为决策系统和诱导系统等提供数据。采用判定树算法，对重新组织的数据进行分析，得出路口排队长度的简易估算方法，为实时交通状况的发布提供了数据基础。     

差分GPS定位技术在ITS中的应用

差分GPS技术在智能交通系统中的应用主要体现在车辆定位和导航两个方面，而实现现导航首先必须要解决定位问题，文章内容包括：差分GPS的定位原理（主要介绍伪距差分原理），误差估算的数学模型，最后给出了采用集中差分技术的应用实例以及对它的评价，并简要介绍了一些差分GPS设备。     

基于背景建模的动态场景目标检测

背景建模一直是运动目标检测中的一个重要课题。该文提出一个适用于动态背景的基于非参数估计的前景背景对比模型。模型通过核函数估计的方法模拟了像素点五维特征向量(彩色灰度值,图像坐标)的概率分布,并在图像序列中滚动更新。对于每一个新入帧通过马尔可夫随机场最大后验概率判决框架将前景背景全局分割问题转化为最大流最小切求解。实验证明,上述算法能够在一般目标检测,特别是动态场景(摇动树枝等)的检测中取得较好的效果。