基于运动信息自适应的快速运动估计算法

UMHexagonS是H.264视频编码标准中所采用的快速整像素运动估计算法,但在许多实时场景的应用中,该算法还明显存在搜索点数过多、搜索速度较慢的缺憾,急需进一步的改进和优化。在UMHexagonS算法的基础上,提出一种基于运动信息自适应的快速运动估计算法。使用动态搜索窗为不同尺寸的块自适应地分配预测搜索窗;根据当前块的运动剧烈程度选择运动类型自适应的搜索方案;通过分析实际运动序列水平、垂直方向的偏向特性依次采用带方向的十字型搜索和自适应的矩形—菱形搜索;利用预测运动矢量的方向信息采用自适应的多层次八边形区域搜索;并依据块的尺寸大小采用自适应的六边形搜索。实验结果表明,本文算法相比于UMHexagonS算法而言,图像的峰值信噪比(PSNR)平均提高了0.0125 dB,同时运动估计时间减少了13%32%,其场景自适应能力和实时性能都得到了很大的增强。     

面向彩色增强图像的客观质量评价算法

目的 现有的全参考图像质量评价方法使用“完美”的源信号作为参考,但是增强图像的参考图像通常不是“完美”的.因此,现有的全参考质量评价方法不能用于增强图像的评价,提出了一种新的面向彩色增强图像的质量评价算法.方法 利用图像的梯度、颜色和亮度特征,提出了增强图像的梯度增强图、颜色增强图和亮度增强因子的计算方法,计算增强图像相对于参考图像在梯度、颜色和亮度方面的增强程度;并建立了亮度增强因子和梯度增强图、颜色增强图之间的关系模型;另外,原图像的梯度和颜色特征也被提取用于增强图像的质量评价.结果 使用公开数据库进行的实验结果表明,该算法和现有最优算法相比,皮尔逊线性相关系数(PLCC)和斯皮尔曼相关系数(SROCC)分别提高了2.9%和2.5%,而均方根误差(RMSE)则降低了12.3%,获得了比现有算法更优越的性能.结论 本文算法解决了目前已有的评价算法需要参考图像为“完美”图像,而且增强图像质量无法采用相似性程度进行计算的问题,适用于为了获得更好视觉质量的不含噪增强图像的质量评价.     

融合梯度信息与HVS滤波器的无参考清晰度评价

目的 目前无参考图像质量评价算法的性能存在较大的提升空间,为了提高清晰度评价技术,提出了一种基于梯度信息与HVS滤波器的无参考清晰度评价算法(GI-F)。方法 该算法首先利用梯度算子计算各像素点的梯度信息,再通过HVS滤波器得到加权和作为图像的清晰度指标。结果 在公开数据库LIVE、TID2008和CSIQ上进行的实验,GI-F与S3(Spectral and Spatial Sharpness)、CPBD(Cumulative Probability of Blur Detection)和LPC-SI(Local Phase Coherence-based Sharpness Index)相比,性能指标RMSE(Root Mean Squared Error)、PLCC(Pearson Linear Correlation Coefficient)和SROCC(Spearman Rank-Order Correlation Coefficient)分别提升了20.66%、4.61%和3.33%;同时GI-F还具有更低的计算复杂度,即使与目前最好的BRISQUE(Blind/Referenceless Image Spatial QUality Evaluator)算法相比,耗时也降低了79.72%。结论 该算法只需耗费更少的时间即可计算出与人眼感知更加接近的客观清晰度指标,可广泛用于无参考图像情况下的清晰度指标计算场合,同时还可以通过并行计算进一步降低其计算时间。     

基于块的Mean-shift跟踪算法

针对传统Mean-shift跟踪算法在目标发生遮挡和形态变化时跟踪性能下降的缺点,提出了一种基于块的Mean-shift跟踪算法,该算法主要特点有：(1)将跟踪目标平均分块,每小块独立进行传统Mean-shift跟踪,利用小块跟踪未被遮挡的目标部分;(2)跟踪检测器检测目标小块跟踪的有效性,筛选出无效跟踪的目标小块,解决了目标分块造成跟踪性能下降的问题;(3)归一化互相关检测器和邻域一致检测增加了对目标空间信息的检测,弥补了Mean-shift算法的局限性,增加了跟踪的鲁棒性。实验表明,该算法在目标发生遮挡和形态变化时仍然可以有效的实现跟踪。     

基于Mask R-CNN深度学习的羊绒羊毛纤维识别技术

为提高羊绒羊毛纤维定量的自动化程度,引入基于掩模区域卷积神经网络(Mask R-CNN)深度学习技术,对通过光学显微镜采集的图片进行图片处理、算法模型优化,以及学习和训练,建立起山羊绒和绵羊毛的自动识别模型.采用测试集对所建立的模型进行了验证测试,结果表明,对山羊绒和绵羊毛纤维的自动识别正确率达到95％ 以上,证实了所...     

基于图像复杂度及运动信息的码率控制算法

JVT-H017是H.264视频编码标准中采用的码率控制算法提案,但在许多实时场景应用中该算法还存在平均绝对差值(MAD)预测不准确等一些不足.针对现有码率控制技术的缺陷,提出一种改进的基本单元层码率控制算法.一方面在基于图像复杂度和运动信息的基础上采用了4种时空加权模型预测平均绝对差值,并且采用运动矢量信息对图像复杂程度进行判定;另一方面结合MAD的变化情况分配目标比特.实验结果表明,相比于JVT-H017和一些新的文献算法,改进算法的编码图像峰值信噪比得到了提高,同时实际码率更接近于目标码率,码率控制性能更优越.     

一种基于确定性理论的无线传感器网络信任机制nTRUST

信任机制作为一种安全保护机制,目前在无线传感器网络安全中有着显著效果并得到广泛应用。基于不确定性推理中的确定性理论,提出了一种新的无线传感器网络信任模型――nTRUST,该模型采用综合信任值作为评价节点信任依据,相关实验证实了nTRUST的有效性和可行性。同时,在nTRUST信任机制作用下,进一步考虑节点剩余能量,通过实验取得较好效果,改进后的模型可以达到均衡网络内节点能量消耗和延长整个网络生存周期目的。     

一种快速高效的部分失真块运动估计搜索算法

在保证图像质量与全搜索算法（FS）相近的前提下，为降低现有部分失真块运动估计算法的计算量，提出了一种快速高效的搜索算法——基于运动场预测的部分失真块运动估计搜索算法（PMVPDS）。PMVPDS将本文提出的可调部分失真准则和运动场估计技术、中途停止技术相结合，能快速找到匹配点。仿真结果表明PMVPDS和正规化部分失真搜索算法（NPDS）、分级部分失真搜索算法（PPDS）相比，搜索速度分别加快了2—7倍和0．6—3倍，并且图像质量也有一定的提高。另外，PMVPDS算法中的图像质量和搜索速度是可调的。     

基于率失真理论的低复杂度码率控制算法

为降低计算复杂度和提高图像质量，提出了一种新的码率控制算法.基于率失真理论，推导出了基于平均绝对差（MAD）的码率（R-Q）模型.编码过程中根据图像的复杂度分配帧层的目标比特数，在宏块层利用宏块的复杂度和运动信息计算其权重，并使用拉格朗日方法最小化失真度，确定宏块的最优量化器.实验结果表明，与测试模型8（TMN8）算法相比，该算法不用计算方差，计算量得到明显降低.与测试模型7（TMN7）和TMN8的算法相比，该算法能将码率更精确地控制在目标码率附近，减少了跳帧，图像质量更加稳定且有所提高.     

基于自适应步长选择的NCC图像匹配算法

在基于灰度相关的图像匹配算法中,归一化互相关(NCC)匹配算法是常用的匹配算法,但算法复杂、匹配时间长是制约其应用的主要原因。本文提出一种基于自适应步长选择的 NCC 匹配算法,根据归一化互相关系数自适应地选择搜索步长,加快了匹配速度;改进归一化互相关系数算子,增加了步长选择阈值的区分度,提高了自适应选取步长的精确度,实现了匹配时间和匹配精度的合理分配。实验表明,该算法在保证匹配精度的同时,匹配时间缩短为传统NCC算法的10%~50%。