基于时空纹理图象能量分析的运动和深度估计

本文提出用于运动理解和景深估计的三维时空纹理图象的运动能量方法，研究时空纹理和物体运动的关系，并从时域采样的角度研究了对应性问题。在此基础上，着重讨论了在已知运动的情况下，由时空运动纹理的频谱分布来定性估计深度的算法，并给出实验结果和分析。对于一般的运动，作者提出了采用图象注视变换和时域重采样的方法，使复杂的三维时空图象的分析简化为二维时空纹理的方向检测。本文研究可广泛应用于视觉导航、自动检测、安全监视和视频图象分类等领域。     

基于运动估计和边缘检测的隔行到逐行扫描图象的变换

提出了一种基于运动估计和边缘检测的隔行到逐行扫描图象的变换技术，这种方法对隔行到逐行扫描图象变换分成３种模式，并且提出了适合于隔行到逐行扫描图象变换的隔场运动估计和邻场运动补偿的方法，其中在运动模式和场内模式中都用到了方向性相关技术。     

一种利用块间相关性的块运动估计算法

一种利用块间相关性的块运动估计算法⒇吴红文夏良正（东南大学热能工程研究所，南京２１００１８）（东南大学自动控制系，南京２１００１８）运动估计技术在数字电视信号编码中起着越来越重要的作用，它是去除图象序列中时间冗余的最有效方法．现已提出了许多基于电视信...     

基于三角形分块的快速运动补偿算法

提出了一种基于二阶灰度信号模型的快速六边形匹配算法,用于三角形分块运动补偿．分析及实验表明,该算法提高了快速运动估计算法的精度,改善了运动预测图的图象质量,增加了ＰＳＮＲ信噪比．     

图象数字化及编码实现

作者用快扫慢取的方法实现了电视摄象机与CPU通讯。对一幅静止图象在采样窗口进行64×64点阵采样,图象处理用YEE8100型微机,行式打印机作输出。硬件主要由采样脉冲发生器、行埸同步分离S/H,A/D及I/O组成。采样脉冲发生器,也称符合电路,其作用是产生一组符合快扫慢取样条件的采样脉冲。第一帧内,每隔64μs出现一个采样脉冲,在一埸时间20ms内采集64个数据,亦即在第一帧内采完一幅图象中的第一列象素。第二帧时,采样脉冲步进0.2μs,采完第二列象素,一直到64帧才把整幅图象采完。采用比较器710对全电视信号进行行、埸同步分离,用分离出来的行埸同步脉冲分别触发单稳和经过二分频,产生两个脉宽足以计算机检测的脉冲,采用A/D7574型转换器,目的是把采样保持器输出的时间离散的电视信号变为数字量存到计算机中,软件部分采用BASIC语言和汇编语言结合编制程序。由接口输入的象素以点阵形式存放于RAM中,通过映射,每一个字节转换为一个BASIC的单精度数组变量,首先打印出原始图象,然后统计各级灰度所具有的象素数目,打出直方图。对直方图进行平滑处理,确定动态阀值,根据阈值把原始图象变为二值化图象,并打印输出。用轮廓跟踪二值化后的目标图象,然后打印图象的轮廓图。     

2.5 维帧间运动估计方法

图象点深度变化对常用的基于仿射模型的帧间运动估计方法精度影响比较大。针对这种问题，引入了特征点深度相关参数，得到一种基于２．５维模型的帧间运动估计方法。在应用于视频图象序列稳定问题时，数值实验结果证明在图象中景深变化较大的情况下，这种新方法估计的参数比基于纯仿射模型的方法准确，同时还可以得到对图象点相对深度信息（磁撞时间）的粗略估计，而计算量增加很少。     

关于主动 3-D 运动估计算法的研究

文章提出主动观察者通过控制摄象机旋转实现凝视与跟踪的主动３－Ｄ运动估计算法。算法示出主动观察者能够控制其ｇａｚｅ使环境特征在其图象上保持固定,把不适定问题转变为适定问题,从而缩减了待解问题的维数及运动参数,大大简化计算的复杂性,有效地进行３－Ｄ运动估计,自运动复原以及碰撞时间的计算。     

区域运动相关性的运动估计方法

研究了一种基于区域运动相关性的运动估计方法．提出在块匹配运动估计中,对于运动相关性好的块根据相邻块或前一帧图象的运动预测出它的初始运动矢量,然后在小范围内搜索,做运动矢量的优化．对传统的全局搜索块匹配运动估计算法,给出了提高运动矢量一致性的修正准则．算法根据前帧运动估计误差来决定是否对当前块运动作预测,避免了运动估计误差的扩散．实验结果表明,文中算法所得的运动矢量一致性远高于传统全局搜索块匹配法所得的结果,同时能保持和全局搜索法相媲美的预测质量,而运算时间则有较大幅度减小．     

航拍图像序列的多运动目标定位

针对航拍图像序列中运动目标使用仿射模型来描述航拍图像序列中的背景运动，提出了一种基于稀疏采样的局部补偿误差函数泰勒展开算法，该算法能有效地估计出模型参数；又根据图象序列中背景运动与目标运动的矢量不一致的特点，采用矢量聚类的算法，实现了对多个目标的准确定位．提出的算法对噪声和光照都具有强抑制性，可以在图像质量相对较差时，能确保对运动目标的快速定位．     

基于加权运动估计多层次检测的帧率转换算法

为了增强帧率转换的有效性,该文提出了一种基于运动估计多层次检测的帧率转换算法。该算法首先利用加权运动估计优化调整的方法检测精确的运动矢量;其次利用码本模型(Codebook model)的运动估计分割检测前景区域;然后利用多级重叠块运动补偿重分类的方法检测能反映物体真实运动轨迹的运动矢量。该过程中,采用了预处理方法保证边缘结构信息的完整性,并且利用重分类和平滑方法对不可靠运动区域进行细化处理,有效地降低了传统方法中的方块效应和重影现象;最后利用运动补偿内插实现帧率转换。实验结果表明:该算法相对于传统方法,更适用于背景复杂或快速运动变化的视频,主观视觉效果和客观评估标准上都有所提高,并且具有很好的适应性。     

处理旋转运动图象模糊问题的一种算法

提出了处理旋转体图象运动模糊现象的一种算法。该算法取决于图象退化过程的先验知识。在先求出匀速直线运动模糊处理算法的基础上,推导出匀速旋转体的运动模糊处理算法。实验结果表明,该算法较好地解决了图象运动模糊问题。     

一种基于图象序列的3D重构算法

提出一种基于图象序列的 3D重构算法。采用共轭梯度法迭代估计射影深度 ,通过矩阵分解方法实现射影重构。然后利用一个 4× 4非奇异矩阵 ,将射影重构变换为欧氏重构。实验结果表明此算法是行之有效的     

一种快速鲁棒的全局运动估计算法

局部运动矢量会严重影响全局运动估计的结果,不仅降低全局运动估计的准确度,而且消耗大量的运算时间。针对上述问题提出了一种快速鲁棒的全局运动估计算法。首先采用快速的块匹配算法得到运动矢量场,然后通过改进的梯度均值残差法去除估计的不准确运动矢量,提高估计出的运动矢量场的准确性并使得全局运动估计所处理的宏块尽可能是全局运动块;其次,基于六参数仿射模型估计出初始全局运动参数,为了消除错误运动矢量产生的误差,使用匹配加权函数的方法对估计结果进行进一步修正,最终得到最优的全局运动参数。实验结果表明该算法兼顾了全局运动估计的准确性和鲁棒性,对大多数视频序列的全局运动估计具有算法复杂度低、运动参数估计准确的效果。     

利用相关函数估计在图象光流计算中的误差

从光流来决定照相机与它所见的场景之间的相对运动，是一个困难的问题。不少人希望计算的误差能在一种可接受的范围内。然而，大部分光流研究用的是基于亮度不变假设的模型，而这种假设在不少情况下并不适用。当使用允许图象亮度改变的模型时，误差或者说偏差在图象光流计算中的性质，并利用一个各向同性的图象亮度的空间相关函数，估计在图象光流计算里的误差（偏差）。研究结果是：１）当亮度改变时，除非运动为零，在图象光流中存在误差；２）对较随机的图象来讲，图象光流中的误差比光滑图象中的误差更大；３）利用定义的相关函数，可能定量地估计在图象光流计算中的误差。     

针对荧光图象的自适应模糊增强算法

针对在紫外线激发下的荧光图象，详细分析了其噪声模型，并利用信号检测理论得出了最佳门限的选取方法，同时提出了一种自适应的模糊对比度增强算子，从而使强噪声荧光图象的噪声削弱，图象增强．通过实验证明，基于模糊集的图象自适应增强算法的物理概念清晰，实现容易，对于荧光图象有较好的处理效果．最后通过对模糊度的比较，在理论上验证了算法的有效性．     

改进的模糊增强算法

对S.K.Pal和R.A.King提出的模糊增强算法进行了分析,给出了一个自适应的选择参数的模糊增强算法,可进一步改进图象增强的效果和边缘检测的精度。     

基于谱减的语音增强算法的改进

为降低噪声对语音通信的干扰,提出了一种基于谱减的语音增强算法的改进方法。根据噪声频谱的G auss统计模型修正语音增强过程中噪声频谱的估计方法,利用帧内、帧间约束估计每一个频点的先验信噪比,提出了一种简便的估计语音在每一个频点出现的概率的方法,得出了修正的语音增强算法。在白噪声以及坦克噪声环境中分别对算法的性能进行测试。实验结果表明:在几乎不损伤语音清晰度的前提下,该算法使“音乐噪声”得到了更好的抑制,同时信噪比提高了约8 dB以上。     

基于运动矢量可靠性分析的视频全局运动估计

视频全局运动估计通常根据图像的运动矢量场来决定,而前景或背景中不可靠的运动矢量对运动估计的结果影响很大。为了提高估计的准确度,提出了一种基于运动矢量可靠性分析的全局运动估计算法。该算法通过对当前帧的运动矢量场进行可靠性分析,提取图像块的匹配特征并用支持向量机的方法将运动矢量分成可靠与不可靠两类,剔除不可靠的运动矢量,用可靠运动矢量建立全局运动的线性参数模型,通过线性迭代最小二乘法求解估计参数。实验结果表明:该算法相比传统方法能够更好地消除前景或背景中不可靠运动矢量的影响,特别是在采用传统方法误差很大的情况下,该算法的结果仍十分准确。     

基于双学习映射增量降维模型的人体运动形态估计

如何从二维的人体运动形态图像序列估计出三维的人体运动形态是一个热门的研究课题。这个项技术的实现需要建立复杂模型,设计复杂的训练算法,并且需要大量的人体运动形态样本进行训练。然而,利用目前的一些复杂模型和算法,估计三维人体运动形态会耗费很多时间,并且估计效果也不好。因此,要想得到更准确的估计结果还是比较困难的。对于这样的一个研究问题,提出基于双学习映射增量降维模型来实现三维人体运动形态估计,该模型可以从单视角的二维图像较好的估计出三维人体运动形态,缩短估计算法运行时间,并得到更准确的估计结果。     

基于视频的车辆速度估计方法

提出了一种基于视频流的车辆速度估计方法.该方法首先使用光流分析得到车辆移动特征点,进而计算车辆运动矢量.然后通过对车辆运动矢量的统计得到运动矢量直方图,运动矢量直方图即可反映车辆运动速度的大小和方向.在建立车速估计函数的基础上,给出了算法的实现过程.实验结果表明该估计算法具有稳定性,是一种车速估计的有效方法.