基于低秩矩阵分解的运动目标检测

运动目标检测是视频监控任务的基础问题之一,针对灰度信息,目标检测存在的阴影识别能力差、检测精度低等问题,提出在HSV颜色空间下基于低秩矩阵分解的运动目标检测算法.首先将获取的RGB图像转为HSV颜色空间分量,分别对H、S、V通道构建低秩观测量,进行低秩矩阵优化分解,分离出不同颜色通道的前景和背景分量;组合H、S、V通道分量的前景图像,得到粗略的运动目标区域;再采用HSV颜色阴影去除去除前景图像中的阴影;最后经噪声去除和空洞的填充,检测得到准确的前景运动目标.实验验证表明,与其它方法相比,能够有效地提高运动目标检测的准确度.     

基于色彩空间自然场景统计的无参考图像质量评价

RGB色彩空间中各色彩分量间存在强相关性, 图像发生失真会改变各分量间的相关性. 基于此, 本文提出了一种新的通用无参考图像质量评价方法. 首先, 根据人类视觉对RGB色彩空间中绿色分量更为敏感的颜色感知特性, 提取了G分量MSCN系数及其4方向邻域系数的统计特征; 其次, 在分析RGB色彩空间中R、G及B分量间相关性的基础上, 分别计算RGB色彩空间各色彩分量及其纹理、相位间的互信息, 利用互信息作为统计特征来描述其各分量间的相关性; 进而, 结合上述统计特征, 分别利用SVR和SVC构建无参考图像质量评价模型和图像失真类型识别模型; 最后, 在LIVE、CSIQ 及TID2008图像质量评价数据库上进行了算法与DMOS (Different mean opinion score)的相关性、失真类型识别及计算复杂性等方面的实验. 实验结果表明, 本文方法的评价结果与人类主观评价具有高度的一致性, 在LIVE 数据库上的斯皮尔曼等级相关系数和皮尔逊线性相关系数均在0.942以上; 而且, 图像失真类型识别模型的识别准确率也高达93.59%, 明显高于当今主流无参考图像质量评价方法.     

基于视频图像的人眼动态追踪

论文基于视频图像对人眼的瞳孔中心进行实时定位,根据该点的位置变化从而判断人眼的注视方向即人眼的动态追踪.首先对视频图像进行灰度化处理,将视频图像从RGB色彩空间转换到灰度空间.然后对灰度图像进行高斯滤波处理,去除图像的噪点.接着对图像进行二值化处理找到人眼区域并检测出瞳孔轮廓,最后进行瞳孔中心定位实现人眼动态追踪.实验结果表明,该方法是有效的,能够实时追踪眼动方向.     

改进BPDN的图像去雨雪应用研究

在视频图像数据采集时,往往受到天气等因素的影响,为进一步研究视频图像数据的主要信息增加了困难。雨、雪天气作为视频图像数据预处理中最为困难的研究,近几年一直是各学者研究的课题。针对传统基追踪去噪（BPDN）算法没有考虑雨、雪图像的局部特征问题,提出一种基于改进BPDN的图像去雨雪算法。将局部特征约束理论引入图像去雨雪中,主要是在精炼雨图提取的稀疏系数优化问题求解中加入训练图像数据的局部信息,以达到提高雨线的识别,进而提高图像的雨线去除效果。引入局部信息的优化问题可以推导为二次规划问题,为使用BPDN算法提供了理论支持。合成和真实图像去雨实验结果表明,改进的BPDN算法在算法收敛性、精炼雨图识别、图像去雨效果上优于传统BPDN算法所得到的结果。     

基于同态滤波的平面视觉图像色彩增强算法

针对因光照环境导致图像色块像素分布不均、失真以及视觉效果不佳等问题,在同态滤波的基础上提出平面视觉图像色彩增强算法.根据RGB色彩空间的分量变化缺陷,将需要处理的图像色彩空间转换为HSV形式,并分块处理.对所有图像在DCT变换的基础上进行同态滤波计算,并通过图像构成条件创建对应的同态滤波模型.采用压缩低频、提升高频的方法获取清晰图像,构造巴特沃思型的同态滤波器,缓解图像色彩不均匀和视觉效果失真的情况,最后运用基于HSV的可见度函数去除图像中存有的块效应.仿真结果表明,所提算法能够有效地消除图像的块效应,保护图像边缘信息,具有较高的适用性和有效性.     

基于色彩空间分解的低照度图像增强方法

针对低照度图像增强问题,提出一种基于色彩空间分解的图像增强算法.为了实现图像亮度和色彩的解耦合,将图像进行空间转换;利用中值滤波算法与Retinex算法融合以及基于OTSU处理的自适应局部直方图均衡化,分别实现了亮度分量的增强和饱和度分量的校正.分层图像合成、图像降噪处理和色彩空间的转换,确保增强图像色彩的均匀和清晰度的提高.实验结果与其他几种经典算法相比较,算法获得的增强图像细节方面更为丰富,图像的清晰度更高.     

视频图像去雨技术研究进展

视频图像去雨是数字图像处理和计算机视觉领域共同关注的重要问题,在视频监控、智能交通乃至军事侦察等领域有着广泛的应用。为了使国内外同行对视频图像去雨技术的发展历程和研究现状有一个较为全面的了解,对其进行系统综述。在广泛文献调研的基础上,对各种视频图像去雨技术的原理、特点以及处理效果进行归纳总结和分类比较。根据处理方式和实现途径,将视频图像去雨技术区分为基于成像参数的去雨方法、基于时域的去雨方法、基于频域的去雨方法和基于稀疏域的去雨方法四大类。重点介绍了这些方法的基本思想和基本原理,分析比较了各自的优点与不足。随着计算机硬件性能提高以及对雨滴特性研究的不断深入,视频图像去雨技术在方法研究和应用条件上都取得了很大的进展,但由于雨天的动态复杂性以及环境中复杂背景的干扰,导致视频图像去雨技术研究还不完善,仍然存在很多亟待解决的问题。     

一种新的RGB空间的彩色图像编码方法

为了能够较好地去除彩色图像色彩分量的相关性, 并能获得较好的恢复图像, 基于图像色彩信息, 提出了一种基于RGB空间的彩色图像压缩编码算法, 高效地去除了彩色图像各分量间的相关性。算法对其中一个分量进行完整DCT变换,对其他两个分量只求少数几个非零系数。采用查表法来进行DCT变换,使查表法的优越性得到更好的体现。通过对新色彩空间编码性能进行的实验分析结果表明, 该方法较好地去除了彩色图像色彩分量的相关性, 且算法实现简单, 具有较好的信噪比, 不仅恢复图像视觉效果良好, 并且易于与其他的压缩、编码方法结合     

单幅图像去雨算法研究现状及展望

图像去雨算法通过对有雨图像进行分析和处理从而去除雨水条纹,恢复干净的背景场景,有助于提升计算机视觉任务识别精度,因此成为当下的研究热点。为系统地了解该领域的研究现状和发展趋势,首先介绍了典型的雨水合成模型,其次从基于模型驱动和基于数据驱动两个方面重点分析了典型图像去雨算法模型和方法;之后比较了去雨图像质量评价指标及雨水数据集;最后,对单幅图像去雨算法未来发展趋势进行了展望。     

基于双阶段特征解耦网络的单幅图像去雨方法

针对现有的单幅图像去雨方法无法有效地平衡背景图像细节恢复与有雨分量去除问题,提出一种基于双阶段特征解耦网络的单幅图像去雨方法,采用渐进式的学习方式从粗到细分阶段进行单幅图像去雨.首先构建压缩激励残差模块,实现背景图像与有雨分量的初步分离;然后设计全局特征融合模块,其中特别引入特征解耦模块分离有雨分量和背景图像的特征,实现细粒度的图像去雨;最后利用重构损失、结构相似损失、边缘感知损失和纹理一致性损失构成的复合损失函数训练网络,实现高质量的无雨图像重构.实验结果表明,在Test100合成雨图数据集上,所提方法峰值信噪比为25.57 dB,结构相似性为0.89;在100幅真实雨图上,所提方法的自然图像质量评估器为3.53,无参考图像空间质量评估器为20.16;在去雨后的RefineNet目标分割任务中,平均交并比为29.41%,平均像素精度为70.06%;视觉效果上,该方法能保留更多的背景图像特征,有效地辅助下游的目标分割任务的开展.