一种基于傅里叶变换的运动图像全盲认证方法

利用运动图像傅里叶变换幅度谱的带状调制特性,提出一种针对运动图像的全盲认证方法,实现了对运动图像经过修改、移动、区域填充以及非运动图像上填充运动图像块两种情况下的篡改区域检测与定位.实验验证了其有效性及对噪声的鲁棒性.     

基于红外图像序列的排球运动关键技术特征提取方法

针对现有运动技术特征提取方法中运动目标特征提取不准确的问题,提出了一种基于红外图像序列的排球运动关键技术特征提取方法 .首先,获取红外图像序列的排球运动图像,并对红外图像序列中的运动目标进行检测和提取,进一步用图像分割方法进行边缘分割.然后,基于视点跟踪切换方法进行阈值分析,实现对运动目标的准确跟踪和提取.实验表明,提出的方法准确性和效率均高于传统方法 .     

面向地面运动目标检测的SAR图像分辨率选取

在合成孔径雷达地面运动目标检测技术中,SAR图像分辨率的选取直接影响运动目标的检测性能. 为此,该文提出一种适合于运动目标检测的SAR图像分辨率选取方案. 结合感兴趣的目标大小从运动目标检测概率的角度出发,对不同SAR图像分辨率情况下运动目标的检测性能进行分析,以一种具有典型反射截面积的运动目标为例,给出不同目标尺寸条件下的最佳SAR图像分辨率. 该方案可广泛应用于工程实践.     

高师体育教育专业健美操课运动量的统计与研究

本文通过采用测量脉搏的方法,对高师体育教育专业健美操课的运动量进行统计与研究,证明了健美操运动与其它体育项目一样能有效地增强学生的体质,促进学生健康成长,提高学生的运动能力.     

超分辨率复原技术中基于分级块匹配的运动估计

超分辨率复原技术中的运动补偿(或图像配准)是超分辨率复原过程中的首要环节.运动补偿的基本前提是运动估计问题.运动估计的方法中,在基于多目标场景的平移运动中多采用分级块匹配的方法.本文着重介绍了分级块匹配的方法极其可信度验证,并将其优缺点做了简单对比.     

基于快速移动的红外小目标实时检测跟踪方法

针对运动背景下红外小目标跟踪时精度不高、实时性差的问题,提出了基于数学形态学检测与自适应跟踪窗的方法 .首先,采用了帧差法作为基本基础,通过缓存目标图像建立目标模型,计算目标模型与当前帧差目标二值图像的相似度,根据结果确定筛选方法检测目标;其次,根据目标在上一帧中的位置,通过速度特征自适应调整搜索的范围,解决了因目标穿越运动背景导致目标丢失的问题;最后,通过采集不同情况下的目标红外图像,对运动背景下的小目标进行了检测与跟踪.仿真结果表明,该文提出的算法能够有效检测运动背景下的小目标,具有较高的实时处理能力和准确性.     

一种基于视频的超分辨率图像生成方法研究

随着手持视频设备的普及,如何为这类低分辨率应用环境提供一种生成高质量图像的方法是一个值得研究的问题.讨论了如何从低分辨率、低质量的视频中创建清晰的、高分辨率图像的方法.针对当前多图像超分辨率技术没有考虑运动估计和重要帧的权值等问题,提出了一个基于时间显著性、局部图像统计特征来计算图像像素权值的方法,以实现更好的图像融合.提出的基于重要性的计算框架,降低了低质量帧的影响,显著提高了有效成分的作用.     

基于演算侧抑制模型的运动目标检测方法

研究了一种新的基于时空信息的运动目标检测方法.引入了多通道的概念,采用演算侧抑制模型ALI进行运动目标检测.首先根据时域信息创建多个图像处理通道,将视频图像在各通道上分别进行时域ALI、时空域ALI运算获取运动信息,然后将各通道运动信息进行融合提取运动目标,并用时空域ALI消除噪声.仿真实验表明,该方法在复杂背景下可以精确获取运动目标的轮廓.     

基于气泡图像分析的潜水运动呼吸监测

潜水是人类水下查勘、打捞、锻炼身体、休闲娱乐的一项体能运动,如何监测预警潜水员的运动状态事关重要.基于潜水员运动视频的预处理、灰度运算、阈值分割得到气泡二值化图像,经形态学开闭运算有效提取气泡,并借助分水岭算法分割粘连气泡,最后通过连通域统计各种类气泡数量.实验结果表明,潜水员运动时呼出的气泡数量和气泡大小的变化趋势与潜水员呼吸状态一致,为借助气泡图像判断潜水员的安全和是否有意外情况发生提供了新思路.     

四维时空兴趣点提取结合多流形判别分析的人体动作识别

针对人体动作识别方法较差的稳定性和视角选择的局限性问题,提出了四维时空兴趣点提取结合多流形判别分析(MMDA)的人体动作识别方法.首先,将每个动作通过三维空间体和四维时空兴趣点投影到任意视角;然后,构建运动历史图像和非运动历史图像,并使用类增强主成分分析进行降维;最后,将降维后的矩阵构建为多流形,计算测试图像流形与各个训练图像流形之间的距离,利用最近邻分类器完成识别.在IXMAS数据集上的实验结果表明,相比其他几种动作识别方法,提出的方法取得了更高的识别率,且对任意视角都具有较好的鲁棒性.     

运动时间历程测量的积分成象方法

利用CCD图象传感器的线性积分成象特性,将数字图象处理技术与时间积分成象方法结合用于运动时间历程的光测分析.采用文中提出的方法,只需分别摄取被测物体上的发光标志点在静态下的图象和其在运动状态下的时间积分成象,即可确定该物体在曝光时间内的运动时间历程,并且可以直观地记录下被测物体的运动轨迹.实验表明该方法具有较高的测量精度,对测量设备和实验条件的要求也很宽松.     

线阵CCD图像传感器的数据采集及其电路设计

介绍了线阵CCD图象传感器TCD1251UD的数据采集系统的构成及设计方案,给出了CCD驱动脉冲产生电路的设计思想和实现过程,通过Quartus软件进行了仿真验证,同时还设计了CCD输出信号的调理电路、D/A转换电路,并利用单片机AT89C52实现了数据采集.     

三维复杂运动模式航迹推算惯性导航室内定位

在微机电惯性测量单元(micro-electro-mechanical system-inertial measurement unit, MEMS-IMU)人体室内定位技术研究领域中,行人航迹推算法(pedestrian dead reckoning, PDR)具有计算简便、对传感器精度要求低的优点,得到了较为广泛的应用,但传统的PDR 研究通常只针对单一的二维前进行走运动模式,这与人体实际的三维复杂运动模式相距甚远. 该文从人体三维室内定位研究角度出发,通过10 轴MEMS 传感器采集人体运动原始信息,提出了三维复杂运动模式航迹推算法. 首先使用双零点交叉区间内的峰值双轴检测法与俯仰角检测法来检测5 类非行走运动模式,排除其对有效跨步检测的干扰;其次使用相位反转法与气压值突变法区分3 类行走运动模式,提取出不同类型的有效跨步;最后针对每一个有效跨步求解出人体位置的三维坐标值,完成人体三维室内定位. 实验表明,所提出的三维复杂运动模式航迹推算法在人体实际室内运动中,相较传统的峰值检测和零点交叉法PDR,水平定位精度提升了99%,并且高度定位精度可以达到92.4%.     

基于CC2530无线单片机的脉搏测量仪的设计

根据人体脉搏信号特征,设计一种脉搏测量仪．通过SC0073B脉搏传感器采集被测者腕部的脉搏信号,经过放大电路、低通有源滤波电路和整形电路后送至单片机处理,并将结果显示在液晶屏上．同时,可接人基于zigbee协议的的无线监护网络,实现远程集中监护．     

星敏感器图像显示验证VGA接口设计

设计了星敏感器图像验证VGA显示接口,采用单片FPGA实现了输入图像数据处理、VGA时序产生等功能.实验仿真表明,该系统逻辑时序设计正确,能很好地完成对星敏感器星点定位、星图识别等功能测试的监视工作.     

基于卷积神经网络的时空权重姿态运动特征提取算法

在传统姿态运动特征提取过程中存在有效提取效率低的问题,于是提出了基于卷积神经网络（convolutional neural network,CNN）算法的时空权重姿态运动特征提取算法。针对所选择的运动时空样本,提取相应的时空运动关键帧并以静态图像的形式输出;采取运动目标检测、图像增强等多项措施完成初始运动图像的预处理工作;借助CNN将运动特征矢量化;采用时空权重自适应插值方法减少运动边缘检测误差,从姿态边缘特征和姿态运动时空特征两方面实现姿态运动特征提取,并输出提取结果。与传统算法进行对比实验的结果表明,所提出的算法在有效特征数量方面得到了提升。     

板壳结构的振型测量

应用CCD图象传感器的线性积分成象机理,将时间平均成象方法与数字图象处理技术相结合提出一种新的动态光测方法.该法只需被测对象静态参考图象及共振态的时间平均成象即可重建板壳结构的振型信息,并具有设备简单、操作方便的优点.     

遗传算法在小波阈值变换图像去噪中的应用

在岩层图像获取和传输过程中会受到来自传感器震荡、电子元器件干扰等因素的影响,导致图像质量下降。小波阈值去噪技术早已体现出它在图像去噪上的优越性,而阈值函数的选取特别是阈值的确定是小波去噪技术的关键所在,本文结合遗传算法以期找到相对最优阈值,应用结果证明遗传算法在此方面的可行性较好。     

光纤横向色散的不均匀性对高斯脉冲传播的影响

本文基于高斯脉冲在光纤中传输时,考虑光纤色散效应(二阶、三阶)在空间有横向分布不均匀时的影响.推导出无啁啾的高斯型脉冲在光纤中传输时的解析表达式.并对理论结果进行了数值模拟,分析了脉冲产生畸变的影响因素.结果表明,由于材料的不均匀而导致的色散在空间横向不均匀对脉冲传播有很大的影响,高斯脉冲在光纤中传输时波形在横向呈对称性分布,二阶色散和三阶色散相互比较,三阶色散效应对脉冲的传输有严重的影响,在脉冲的一沿形成非对称的拖尾振荡结构,图像畸变严重性分布.随着传输距离的增加畸变也欲加严重.