一种基于角点特征的数字稳像算法研究

针对复杂背景情况，提出一种基于角点特征的车载视频图像序列数字稳像算法．采用改进的Harris算子提取特征点，根据三级匹配策略实现对应点的匹配；建立参考图像与当前图像的映射关系，采用最小二乘解得到图像帧间的全局运动参数；最后利用Kalman滤波平滑运动参数，实现帧间的实时运动补偿，达到稳像目的．实验结果表明该方法去除了高频抖动，较好的保留了摄像机的主动运动，稳像后的视频具有良好的视觉效果．     

大背景噪声下动目标实时检测方法研究

提出用帧间方块编码差值法和邻域综合法提取运动目标．第一种方法是把当前帧方块的二值图像像素编码值与前帧对应的二值图像像素编码值求差值，由差值检测运动目标；第二种方法是检测２×２方块内各像素的帧差值符号位和帧差绝对值，由二者判别是否运动像素．与普通帧差法相比，提高了抗噪度，改善了运动目标的边缘特性，减少了硬件量．检测算法可以以视频速率工作．实验结果表明，所提出的检测方法是有效的．     

抖动视频的电子稳像算法

为解决视频序列中出现的抖动问题,提出了一种基于感兴趣区域的电子稳像算法。该算法首先对采集到的每帧图像建立高斯金字塔并进行下采样,然后结合稳像数学模型,求
解仿射变换参数,最后对每帧画面进行运动补偿,输出稳定的图像序列。仿真实验结果表明,该算法具有较好的稳像效果,对较大的旋转和平移运动,有较强的鲁棒性和准确性。与原始序列相比,稳定图像序列帧间的峰值信噪比平均提高了约10 dB。     

大背景噪声下动目标实时检测方法研究

提出用帧间方块编码差值法和领域综合法提取运动目标。第一种方法是把当前帧方块的二值图像像素编码值与前帧对应的二值图像像素编码值求差值，由差值检测运动目标；第二种方法是检测２×２方块内各像素的帧差值符合位和帧差绝对值，由二判别是否运动像素。与普通帧差法相比，提高了抗噪度，改善了运动目标的边缘特性，减少了硬件量。检测算法可以以视频速率工作。实验结果表明，所提出的检测方法是有效的。     

基于图像对称差分运算的运动小目标检测方法

提出了一种基于图像对称差分运算的运动小目标检测新方法．该方法以连续三帧序列图像为一组处理对象,先进行绝对差运算,再作均值滤波,保证了算法能很好地检测出复杂背景中的低信噪比、运动小目标;单帧二值图像处理以及基于运动轨迹连续性的目标检测后处理,可以在保证系统检测概率的前提下减少目标检测的虚警概率．实验表明,该方法性能比图像差分法要好,与累积图像差分法相差无几,且硬件实现容易．     

红外图像序列动态帧间滤波技术

该文提出了红外图像序列的动态帧间滤波技术,把图像序列作为二维数据流,采用先进先出的方式在整个积分周期内进行多帧平均,实现了沿着运动轨迹进行帧间滤波。对于活动红外图像序列,该技术能够有效地抑制噪声、提高信噪比,也能够降低运动目标的模糊程度。     

序列图像帧间预测技术的研究

在视频压缩领域,帧间预测技术占有十分重要的地位。在简要介绍两种帧间运动估计/补偿模式基础上,该文重点讨论了局部运动估计中块匹配算法的应用和Sprite编码中的全局运动估计算法,提出一种"改进的分级块匹配法",并结合Sprite编码实现序列图像帧间压缩。大量实验表明,采用这种局部和全局相结合的预测算法,可以减少搜索时间,提高图像压缩质量和压缩比,是视频压缩可以输出甚低码流的有效手段之一。     

基于改进式主动轮廓模型的序列超声心动图左室短轴轮廓跟踪

提出了一种序列超声心动图左室短轴轮廓跟踪方法.运用改进式主动轮廓模型算法并结合帧间图像配准原则逐帧进行轮廓提取,从而实现序列超声心动图左室短轴轮廓跟踪.该方法的突出特点是在复杂的心脏运动条件下解决左室短轴运动的序列图像轮廓跟踪问题.从实验结果可以看出,该方法能够比较准确地跟踪序列超声心动图左室短轴轮廓.     

一种基于背景的视频运动对象分割算法

就如何从视频序列中分割出具有语义意义的运动对象，本文提出了一种自动的基于背景的运动对象分割算法，利用颜色、形状和灰度等特征对第一帧图像进行初步分割，然后根据帧间运动信息构造背景图像，最后以背景图像和帧差图像作为参考图像，对同一场景中的所有视频帧进行快速可靠的分割．     

基于图像对称差分运算的运动小目标检测方法

提出了一种基于图像对称差分运算的运动小目标检测新方法,该方法以连续三帧序列图像为一组处理对象,先进行绝对差运算,再作均值滤波,保证了算法能很好的检测出复杂背景中的低信噪比,运动小目标,单帧二值图像处理以及基于运动轨迹连续性的目标检测后处理,可以在保证系统检测概率的前提下减少目标检测的虚警概率,实验表明,该方法性能比图像差分法要好,与累积图像差分法相差无几,且硬件实现容易。     

运动图像跟踪过程中丢帧误差消除技术

为解决传统方法不能自动对跟踪窗口的大小进行调整,造成跟踪定位误差高,无法有效消除丢帧误差的问题,提出一种新的运动图像跟踪过程中丢帧误差消除方法。通过对帧间差分法进行优化,利用每帧获取的背景部分完成背景模型的更新处理,通过当前帧和背景模型的差分获取运动范围。利用优化的Mean-shift法对运动图像进行跟踪处理,采用改进的帧差法对目标边缘进行提取,完成Mean-shift搜索窗口的更新处理,自适应调整跟踪窗口大小。通过适于P帧幅度能量模型对此刻帧与上一帧图像信息的改变程度进行描述,以体现运动图像序列运动分布情况,对运动图像跟踪中的丢帧误差情况进行描述。在此基础上求得运动图像跟踪状态矩阵,完成对丢帧状态参数的处理,将丢帧误差消除,以增强运动图像跟踪质量。结果表明,所提方法误差消除效果好,运动图像跟踪精度高。可见该方法能够对丢帧误差进行有效消除。     

一种去抖动的运动目标检测方法

在视频图像序列中,经常会遇到摄像机平移、晃动等抖动现象.这些抖动现象会严重干扰对运动目标检测的效果,为了解决这个问题,实现了一种改进的钻石搜索方法的快速块运动估计方法,再经过运动补偿实现了将动态背景向静止背景下的转化,转化后的图像再采用帧间差分法就可以得到运动目标.经实验证明,该方法不仅可以解决基于钻石搜索的块运动估计中存在的过搜索和欠搜索问题;而且还可以有效提高图像运动估计的精度,对运动目标进行准确的检测.     

基于可变尺寸块分割的立体视频帖估计和内插算法

在立体视频序列编码中,在图像流按MPEG－I／II的视频编码标准进行编码,而对右图像流只有参考帧（I及P帧）进行编码,右图像流的B帧不编码及传送,依靠在解码端从各个参考帧中进行帧重建及内插获得,该文中的可变尺寸块分割方法采用基于分辨率四叉树分解的运动分割,对右B帧的重建提出了按照匹配和失配块分别处理的方法,并根据右B帧中的块与右I,P帧之间或与左B帧之间相关性大小来确定各个块的位置和内容,该文还提出了一种可避免误匹配和对显露区进行正确填充的针对交叠块的帧估和内插方法,仿真实验表明,作者提出的图像重重建方法与MonsonH.Hayes所提出的基于固定块的方法相比,能够使得重建图像的PSNR增加约1．25dB,并且图像的主观视觉质量也明显要好。     

双阈值灰度归类背景重构算法

 针对背景差法背景重构的难点,提出了一种改进的像素灰度归类的背景重构算法。该方法假定“背景在图像序列中总是最常被观测到”,根据帧间灰度差和累计帧差和划分灰度类,对划分的灰度区间执行合并操作,最后选择出现频率最大的灰度类作为该像素的背景值。仿真结果表明,该算法有效地避免了混合现象,当场景本身存在缓慢变化时也能很好地构建出背景,从而有利于后续的运动目标检测、识别和跟踪。     

基于运动估值的视频帧处理方案

提出一种视频帧处理方案，通过这种处理可以有效降低视频传输比特率和改善视觉效果。对快速运动的图像序列，为了改善视觉效果，可以根据运动估值的大小，自适应地插入若干中间过渡帧。过渡帧用插值算法得到。     

基于三帧差分及Canny算子的运动目标提取

针对目前常用的运动目标提取方法易受到噪声、光线变化的影响,很难提取出完整的运动目标这一问题,提出一种基于三帧差分和Canny边缘检测相结合的运动目标提取算法.该算法首先对连续三帧图像进行差分;然后对差分结果其进行区域填充,得到运动区域;再对当前帧进行Canny边缘检测得到边缘图像,二者相“与”得到运动目标的精确边缘图像;最后通过区域填充得到运动目标图像,从而实现运动目标的提取.实验表明,该算法可以实时有效地将运动物体从图像序列中提取出来.     

一种运动车辆阴影去除的新算法

文章提出一种改进运动车辆阴影去除新算法,首先通过帧差获得车辆和阴影的轮廓图像,然后对轮廓点应用离散K-L变换解除R、G、B分量的相关性,并运用颜色聚类检测出阴影区域,最后用帧差法产生的运动车辆图像与获得的阴影图像差分得到去除阴影的运动车辆,实验表明该方法能够更好地实现运动车辆阴影的去除。     

向量小波在活动图像数据压缩中的应用

研究了向量小波在活动图像数据压缩中的应用．利用序列图像中相邻两帧之间数据无多大变化的特点,改进了重复行预滤波方法,采取相邻两帧重复行方法,获得了较高的分解、重构速度;由于采取了适当的量化与编码,在图像质量主观评价好的情况下,序列图像压缩比可达到１４６．２．     

复杂交通环境中车辆的视觉检测

基于复杂的交通环境中检测行驶车辆是视觉交通监控系统的一个关键问题,提出了一种新的检测行驶车辆的方法.用序列图像中连续三帧图像的差分粗分出运动区域,并用一种基于图论的静止分割产生的区域信息来修正运动分割的结果.给出了一种模板来增强图像区域间的对比度,以改进分割效果.实验结果表明,该检测方法能有效地在复杂背景中定位运动车辆.     

交通车辆轮廓跟踪算法研究及其工程应用

针对模式识别在智能交通领域的实际工程应用,提出了一种提取运动车辆轮廓线的精细跟踪算法．首先,通过冗余离散小波变换法提取运动区域,检测出相邻两帧图像内的运动变化从而确定运动对象的存在及其初始位置;其次,以当前帧运动区域为参考,通过改进的mean-shift算法在后续帧中跟踪运动对象的中心位置;最后,以mean—shift跟踪窗口作为目标初始轮廓线,采用自适应水平集法得到目标轮廓,从而精确定位运动对象位置．实验结果表明本文算法能够以轮廓线的方式以较高精确度跟踪运动车辆目标,目前已被市交通局科研单位采纳,具有一定的工程应用前景．