一种结合空间预测和CDS的快速块匹配算法

运动估计是根据视频序列中时间上相关的信息估计场景或目标的二维运动向量场的过程. 因为块运动估计的简单性和有效性, 它已经成为目前使用最广泛的运动估计方法. 本文设计了一种结合空间预测和CDS的快速块匹配算法. 若当前块和相邻块的运动相似, 则选择相邻块的运动向量中使当前块的匹配误差最小的一个作为当前块运动向量的预测估计, 再以该预测值为中心, 比较SDSP上搜索点的块匹配误差. 若当前块和相邻块的运动不相关, 则采用CDS算法从原点开始搜索运动向量. 实验结果表明, 本文设计的算法兼顾了搜索速率和精度, 相比N3SS、DS、HEXBS、CDS、CDHS算法, 更好地适用于超分辨率图像复原.     

基于低频子图的运动估计算法

为了减少运动估计的计算复杂度并提高其搜索性能,提出了一种基于低频子图的运动估计算法。该算法首先将当前帧和参考帧通过低通滤波器得到数据量减为1/4的低频子图,然后用全搜索得到最佳匹配的低频子块,最后对低频子块所覆盖的原参考帧区域进行精细搜索得到最优点。实验结果表明,与传统运动估计算法相比,该算法极大的提高了运动估计的精确度和降低了计算复杂度,并且对各类视频都有很高的鲁棒性。     

一种基于DS与ARPS混合使用的快速运动估计算法

为了减小快速运动估计算法的计算复杂度和改善运动补偿的性能,提出了一种基于菱形搜索（DS）和自适应十字模式搜索（ARPS）两种方法混合使用的块匹配算法。该算法利用DS算法搜索精度高和ARPS算法搜索速度快的特点,综合固定模式搜索和空间相关搜索两方面的优点,对于相邻两帧图像中的不变宏块采用零运动预先判断以减少算法的计算量,并利用运动矢量的空间一致性提高预测运动矢量的质量。实验结果表明,该算法与ARPS算法相比,在保证搜索精度的同时,计算复杂度至少减小了20%。     

基于相关区域的H.264/AVC时域错误隐藏

在视频内容分裂处,相邻块的运动矢量会出现突变,简单利用插值恢复丢失块的运动矢量一般有较大误差。为了减少这种误差,依据丢失宏块附近块运动矢量的变化趋势,构造视频内容分裂预测曲线,划分相关区域,对每个相关区域,运用准值插值估计丢失块的运动矢量。模拟测试表明,该方法能够有效提高视频质量。     

一种H.264自适应块搜索范围快速运动估计算法

块匹配运动估计在视频编码中有着举足轻重的地位,其性能的优劣在很大程度上影响着输出码流的质量。全搜索是效果最好的运动估计算法,但其巨大的运算量是实际应用无法承受的。为解决这一问题,该文提出了一种基于H.264自适应块搜索范围快速运动估计算法。该算法是利用相邻宏块的运动矢量来确定初始搜索中心位置,并动态地确定搜索区域的大小。与以往固定搜索区域的算法相比,它具有更高的灵活性,还可以与其他任何一种快速运动估计算法相结合。仿真结果表明,在基本不损失性噪比的前提下,根据不同的运动序列,该算法可不同程度地减少运算的复杂度。     

求取真实运动矢量的一种算法

针对物体基视频编码与分割应用,提出了求取特征区域真实运动矢量的一种算法。首先,利用运动检测器将图像序列的每一帧分割成静止区域与运动区域。然后只对运动区域进行运动估计。为了克服传统块匹配法的固有缺点,本文算法采用变尺寸块匹配法,大的均匀区用大方块,运动物体的边缘区用小方块;在进行块匹配搜索期间,在易误匹配的区域,为了不遗漏真实的运动矢量,先按照ＭＡＥ准则预选出多个候选运动矢量,尽可能保证真实的运动矢量包含其中,接着再根据相邻块运动矢量的相关性,从多个候选运动矢量中选出一个比较可靠的运动矢量。实验结果表明,该算法产生的运动矢量真实可靠,而且一致性好,可用于识别可靠的运动区域。     

基于连续视差图差分算法的运动人体检测方法研究

运动人体的分析技术是计算机视觉技术的重要研究领域之一,主要研究内容包括运动人体的检测、跟踪、理解和描述。运动人体检测就是在视频序列中将运动人体区域从复杂的背景中提取出来。本论文采取了一种基于连续视差图差分算法的检测方法,即先估计相邻两帧的全局运动模型参数来对参考图像帧视差图做全局运动补偿,对相邻两帧视差图进行差分,再将差分图像进行二值化处理、形态学滤波和连通分量提取并去掉一些较小的连通区域,从而得到准确的运动人体区域。通过实验验证,该方法可以获得准确的运动人体检测结果,并在检测精度和检测速度之间取得了平衡。     

改进的自适应十字模型搜索运动估计算法

运动估计是视频编码中的一个关键问题,直接影响着编码的速度和质量。根据相邻块的运动矢量特性,将图像序列中每一帧分成3个不同的区域,在预测方法和搜索策略上分别采用不同的方式,提出一种改进的运动估计算法。实验测试表明,该算法在图像质量和搜索点数量减少方面具有较好效果。     

运动估计算法预测搜索起始点

高精度的预测搜索起始点方法可以减少运动估计算法的搜索点数,提高搜索速度和精度.对中值,均值,左块,SAD比较等方法进行了理论介绍和实验分析,提出一种新的预测搜索起始点方法.该方法足利用相邻块运动矢量的相关性和运动矢最的偏向分布特征给相邻块分配不同的权重来预测搜索起始点.实验结果表明对不同种类的标准测试序列新方法比其它方...     

快速而有效的块运动估计算法

为了提高基于块匹配的运动估计的速度和精度,提出了一种带中心偏置点检测模式的自适应快速块运动估计算法。该算法根据图像序列的运动向量基于中心偏置分布的特点和相邻块运动向量间的高度相关性,依据块的不同运动内容来确定其搜索起点、搜索范围和搜索策略,从而实现块运动向量的快速而有效地估计。同时,对于大运动块,采用了多侯选者方式,进一步提高了搜索精度。实验结果表明,该算法的搜索速度接近N3SS,N4SS,而搜索精度比它们高,与HSS相似,接近FSBM。     

自然场景下多区域特征融合的混合航拍图像分割算法

混合图像分割算法所包含的两个部件中,初始分割不能形成低误分割率的过分割区域集,而区域合并存在缺少区域合并标号选择机制,且存在确定区域合并停止时刻的方式常不满足场景需求的不足。针对以上问题,提出一种基于多级区域信息融合的混合图像分割算法（MRIHS）。首先,使用改进的马尔可夫模型平滑超像素块,以形成初始分割区域;其次,在对初始分割区域进行相似性度量并选定待合并区域对后,利用设计出的区域标号选择机制来选定合并后的区域标号;最后,定义一种最佳合并状态以确定合并停止时刻。为验证MRIHS性能,在视觉对象类别（VOC）、剑桥驾驶标签视频数据库（CamVid）、自建的河湖巡检（rli）数据集上,将其与基于多维特征融合的混合图像分割算法（MFHS）、改进的基于区域合并的FCM图像分割算法（IFRM）、基于段间和边界均质性的混合图像分割算法（IBHHS）、基于多维色彩变换与一致性的混合图像分割算法（MCCHS）进行对比。结果表明：MRIHS在VOC、rli数据集上的边缘召回率（BR）、可达分割精准度（ASA）、查全率、重合率至少分别比其余算法提高了0.43个百分点、0.35个百分点、0.41个百分点、0.84个百分点;欠分割误差（UE）至少减少了0.65个百分点。在CamVid数据集上,MRIHS的查全率、重合率指标至少比其余算法提高了1.11个百分点、2.48个百分点。     

Color-Based Image Salient Region Segmentation Using Novel Region Merging Strategy

In this paper, we propose a novel unsupervised algorithm for the segmentation of salient regions in color images. There are three phases in this algorithm. In the first phase, we use nonparametric density estimation to extract candidates of dominant colors in an image, which are then used for the quantization of the image. The label map of the quantized image forms initial regions of segmentation. In the second phase, we define salient region with two properties; i.e., conspicuous; compact and complete. According to the definition, two new parameters are proposed. One is called “Importance index”, which is used to measure the importance of a region, and the other is called “Merging likelihood”, which is utilized to measure the suitability of region merging. Initial regions are merged based on the two new parameters. In the third phase, a similarity check is performed to further merge the surviving regions. Experimental results show that the proposed method achieves excellent segmentation performance for most of our test images. In addition, the computation is very efficient.      

基于假设检验和区域合并的视频对象分割

提出了基于假设检验和区域合并的视频对象分割算法。初始分割采用分水岭算法，接着根据颜色相似性进行区域合并，然后利用光流场估计和全局运动估计获得全局运动的残余误差，最后以各个区域的残余误差数据进行假设检验和小区域验证来确定运动区域，通过组合所有的运动区域即可分割出具有准确边缘的完整视频对象。对MPEG-4测试序列的实验结果表明了本算法具有良好的分割性能。     

基于K均值聚类与区域合并的彩色图像分割算法

提出一种基于K均值聚类与区域合并的彩色图像分割算法。首先,对图像运用mean shift算法进行滤波,在对图像进行平滑的同时保持图像的边缘;然后,运用K均值算法对图像在颜色空间进行聚类,得到初始分割的结果;最后,给出了一种区域合并策略,对初始分割获得的区域进行合并,得到最终的分割结果。仿真结果表明,算法的分割结果和人的主观视觉感知具有良好的一致性。     

一种基于区域分级合并的彩色图像分割方法

在区域合并过程中,手工设置颜色相似性和边界距离的权重极大地影响了分割的精度和自动化.针对这一问题,提出了一种新的基于区域分级合并的彩色图像分割算法.该方法能够根据邻接区域的边界特点设置权重因子,从而自适应地融合区域的颜色相似性和边界距离.使用均值漂移算法对图像进行初始分割,将原图像分割为具有较好边界的同质区域;通过计算区域相似度对区域进行分级合并.多幅彩色图像的分割实验结果证明,所提算法优于传统的基于区域合并的方法.     

基于证据推理的区域合并用于交互式的医学图像分割

在CT图像中,精确地分割脂肪组织对治疗诸如癌症等疾病具有非常重要的作用。与此同时,如果医学图像分割中允许医师的介入,将会得到更好的分割结果。基于此,本文提出一种新的基于证据推理的区域合并方法,用于交互式的医学图像分割。该方法在初始化后,目标区域与其邻接区域的相似性利用证据推理方法计算得到。如果目标区域与某一个邻接区域的相似性最大,那么这2个区域将合并成为一个区域。实验结果表明所提算法在视觉和定量分析上均能取得好的分割性能。