基于后验概率度量的粒子滤波跟踪算法研究

 针对遮挡、光照变化、尺度变化等复杂环境中的视觉跟踪问题,提出一种基于后验概率度量的粒子滤波跟踪算法。由于后验概率指标与Bhattacharyya系数指标相比具有更强的峰值特性,采用后验概率指标作为相似性度量函数,通过粒子的更新、推广、观测、估计等步骤实现跟踪算法。通过对实际视频图像序列进行目标跟踪实验,实验结果表明:传统算法只有约50%的图像能够实现尺度自适应,而本文算法采用传统算法25%的粒子就能够收敛逼近目标的真实轨迹,达到更强的抗遮挡能力,90%以上的图像序列都能够实现良好的尺度自适应效果。     

多源图像融合算法实时优化方法北大核心CSCD

针对红外与可见光图像融合的实时性要求,介绍了一种解决目前高清或超高清多源图像拉普拉斯金字塔图像融合算法的实时实现方法。基于视频数据流设计了拉普拉斯金字塔并行流水线处理结构,分析了各流水线之间的时延及优化思路。通过片上缓存的方式补偿时延时间差,实现了算法的流水等长,保证了处理数据的完整性。该方法可以在赛灵思7系列及以上的可编程门阵列(field programmable gate array,FPGA)芯片上实现双通道1080×1920@60 Hz视频图像的5层拉普拉斯金字塔融合。实验结果显示,该实时并行处理方法融合效果良好,一帧图像的融合仅需10.535 ms,处理时延小于1 ms。     

基于NPU的实时深度学习跟踪算法实现北大核心CSCD

深度学习在检测领域高速发展,但受限于训练数据和计算效率,在基于嵌入式平台的边缘计算领域,尤其是实时跟踪应用中深度学习的智能化算法应用并不广泛。针对这一现象,同时为满足现阶段国产化、智能化的技术需求,提出了一种改进的孪生网络深度学习跟踪算法。在特征网络加入微调网络,解决了网络模型无法在线更新的问题,提升了跟踪的准确性;在IoUNet损失函数中加入中心距离惩罚项,解决了IoUNet当IoU相同时位置跳跃,存在收敛盲区和收敛速度慢的问题;将训练后的网络通过通道剪枝,缩减网络模型尺寸,提升了模型加载和运行的速度。在华为Atlas200NPU平台上实现了实时运行,算法准确率高达0.90(IoU>0.7),帧率达到66 Hz。     

基于结构特征引导滤波的深度图像增强算法研究

为了解决深度图像中存在的图像模糊、空洞和噪声等图像质量问题,拟从软件的角度出发,在不改变传感器成像系统物理结构的前提下,基于结构特征并以彩色图像作为引导展开研究,实现深度图像增强和空洞修补的目的,提高深度图像的质量。通过对彩色图像和深度图像的结构特征进行提取,得到共性的全局特征,并对得到的结构特征进行联合双边滤波,最后基于马尔科夫随机场的方法进行深度图像增强,实现了低成本获取深度增强的图像。实验结果表明本文算法在保持图像边缘的细节性、平滑性和整体性上具有更好的效果,与其他算法相比,图像的均方根误差RMSE更低,仅为0.506 93及1.169 30（针对Teddy及Art图像）。     

基于混合高斯模型的运动目标检测方法研究

为了能够及时检测到图像场景中的运动目标,提出一种基于混合高斯模型的运动目标检测方法。借助把图像的像素值看成是前景高斯分布和背景高斯分布的组合,进行了背景估计和自适应背景更新;通过对背景差分后的图像进行多目标分割,进行了多个运动目标的检测。实验发现:随着图像序列的背景不断变化,基于混合高斯模型算法能够准确估计出变化的背景,通过将场景图像和背景图像进行差分,检测到感兴趣的运动目标。     

基于优化估计的深度图像修复与误差补偿方法研究

针对Kinect传感器在获取深度图像时存在深度值随机跳变的不准确性问题,基于最优估计的思想,提出卡尔曼滤波与多帧平均法相结合的图像修复方法。首先利用卡尔曼滤波对多幅深度图像进行修复处理,实现Kinect传感器在采集信息过程中随着时间递推,深度值的跳变逐渐趋于平稳的效果;然后基于多幅图像平均法确定最终的深度图像,解决了Kinect获取深度值存在误差导致的不精确问题。实验结果表明,该算法的均方根误差为38.102 5,平均梯度为0.471 3,信息熵为6.191 8,与单幅图像修复效果相比,得到的深度图像边缘更加清晰。     

一种基于Canny边缘的红外与可见光图像配准算法

针对异源传感器在图像配准时如何精确地找到相应的匹配特征问题,结合红外图像与可见光图像的特征,利用2种传感器对同一场景成像时具有一定的边缘轮廓相似特性,提出了提取图像的Canny边缘,在边缘轮廓上根据边缘曲线上像素点的位置夹角的相似性寻找对应匹配点,通过仿真和实验数据与真实值的比较验证算法的有效性和配准的精度.     

基于超分辨率重建的图像增强算法研究

 为了提高图像分辨率,从软件的角度出发,对低分辨率图像序列重建高分辨率图像的原理和算法实现开展了研究,提出从多个低分辨率图像序列中获取更高分辨率图像的方法。通过采用基于光流场的金字塔分层结构实现由粗到精的图像配准,获取了亚像素的运动估计。在采用多帧低分辨率图像进行亚像素级配准后,提出采用动态自适应确定正则化参数的方法,构造了简单的正则化代价函数,建立了低分辨率图像与高分辨率图像之间关系的重建模型,仿真实验结果表明该超分辨率重建算法水平和垂直方向上分辨率各增加一倍,与其他算法相比清晰度更高,计算时间不到传统POCS算法的一半。     

一种提高双CCD图像拼接精度的方法

利用一对光楔间距变化时,通过它的成像光束的像点会产生微小偏移这一特性,在双CCD图像拼接探测器中增加了光楔调整机构,该光楔调整机构包含两对光楔,一对光楔用于CCD水平方向的图像调整;另一对用于垂直方向的图像调整。通过设计、制作,光楔调整机构最终应用于双CCD图像拼接探测器的装调。装调过程显示:加装光楔调整机构对原有光学系统没有任何影响,可以实现精度高于0.001 mm的图像移动量,有效降低了双CCD图像拼接探测器的装调难度,提高了拼接图像质量,降低了生产成本。     

基于变分辨率的自适应窗口目标跟踪方法研究

针对视觉跟踪中运动目标的大小也随之改变这一问题,提出一种基于变分辨率的自适应窗口目标跟踪方法。在最大后验概率视觉跟踪算法基础上,分析了运动目标窗口内外框上的后验概率贡献指标,建立了自适应窗口调整目标尺度的数学模型。当运动目标尺寸变化时,其分辨率也相应变化,为了保证跟踪的实时性和效率,采用变分辨率的特征统计采样方法。在对运动目标实现自适应窗口的跟踪时,特征统计的分辨率也随之改变,对尺寸越大的运动目标尺度赋予更低的分辨率,从而实现基于变分辨率的自适应窗口目标跟踪。