一种联合数据常量约束的分数阶光流算法

针对传统HS(HornSchunck)变化光流模型难以应对图像中全局或者局部光照变化、非刚体运动、大位移运动、局部区域内存在多运动目标及难以保留边缘不连续性等实际应用问题,提出一种联合数据约束的分数阶光流模型;该模型分别对传统HS光流模型的数据项及平滑项进行了改进。数据项中,除了包含亮度常量约束外,同时还包含梯度常量约束(应对全局或者局部光照变化)、海森常量约束(应对大位移运动)、拉普拉斯常量约束(应对非刚体运动)。平滑项中,把传统HS的整数阶平滑约束方程改进为分数阶平滑约束方程,以此应对局部区域内的多运动目标问题及保留光流场运动边缘的不连续性。算法的性能体现在能应对各种对亮度常量约束的违反的实际应用;且能获得高准确率的光流场。大量试验验证了算法的优越性。     

一种结构向量与分数阶相结合的光流模型

运动目标检测是图像处理中的最基本任务,变分光流法是常用的运动目标检测技术。因模型固有的缺陷,传统变分光流模型不能应对场景中的光照变化、不能保留运动不连续性,从而局限了变分光流模型的应用范围,影响了光流估计的计算精度。提出一种局部结构不变约束与分数阶平滑约束相结合的光流模型,该模型应用局部结构张量函数代替传统亮度约束方程中的亮度函数,应用分数阶导数代替传统平滑约束方程中的整数阶梯度。因结构张量是一个不随光照变化的物理量,且包含了图像中的一些结构信息,而分数阶平滑约束能保留边缘不连续性,因而使得本文模型能在各种光照环境下获得清晰的运动目标轮廓。实验证明本文所提模型对光照变化鲁棒,且能保留光流场边缘不连续性,较其他相关模型,能获得更高准确率的光流场。     

基于自适应双分数阶光流模型的运动目标分割

针对当前光流算法在光照不足的环境下不能进行弱纹理区域的运动目标分割问题,提出了一种自适应双分数阶光流(ADFOVOF)模型.该模型在双分数阶光流(DFOVOF)模型的基础上,通过图像信噪比计算DFOVOF模型中数据项的分数阶微分掩模的阶次及尺寸;应用以光流向量为特征的超像素调整DFOVOF模型中平滑项的分数阶微分掩模的形状.实验结果表明,在光照不足或者光照变化剧烈的场景下,文中算法能够精确估计光流场,获得清晰的运动目标轮廓.     

基于运动估计优化的HS光流算法研究

HS(HornSchunck)光流算法检测运动物体信息的计算量较大,不能检测到平滑区域的光流信息,并且在复杂环境下容易受到噪声影响.本文提出了一种基于运动估计的优化HS光流算法.该算法通过检测图像中的HARRIS角点,结合基于宏块的运动估计算法确定感兴趣区域,并将此感兴趣区域作为HS计算的初始运动向量,以得到光流信息.最后进行滤波去除背景噪声.试验结果表明,该算法不仅提高了计算速度,避免了背景噪声的干扰,提高了HS的鲁棒性,也解决了HS算法对平滑部分光流信息的无法检测问题.     

基于中值滤波和分数阶滤波的图像去噪与增强算法

为了避免经典中值滤波器对图像的模糊化,设计了一个噪声检测模型.通过对噪声的检测,设计了一种开关滤波器.当检测点为噪声时,使用中值滤波器进行去噪;当检测点为非噪声点时,利用分数阶微分滤波器对图像进行增强.所提算法不仅能有效地去除图像中的椒盐噪声,还能对图像进行增强,使图像在边缘突出的情况下完好地保留细节.选择“Lena”等经典图像进行多次实验与分析,结果表明了所提算法在图像去噪和增强方面的有效性.     

基于光流技术和滤波器方法的多尺度微运动测量

将光流技术和多尺度方法相结合,提出了一种基于光流技术和梯度滤波器的多尺度高精度微运动测量方法.该方法将微运动测量看成是光流的计算,采用滤波器方法计算图像的梯度,并利用多尺度方法将较大像素的图像运动转化为多个小像素的图像运动进行估计,从而提高运动估计精度.该方法用于测量2个像素附近的微陀螺图像运动时,最大测量偏差小于0.008个像素.实验模拟结果表明,这种采用光流技术和多尺度相结合的方法能够实现高精度的微运动测量.     

梯度优化的多尺度视频光流估计

提出一种基于梯度优化的不同运动幅度视频图像光流估计的新算法。先用Loggabor滤波器对原视频图像进行相位、尺度滤波,再用所得的特征图像来计算时空梯度,最后根据时空梯度计算光流。该算法模型同时运用由粗到精的图像金字塔方法对视频图像分层处理。理论分析和实验结果表明,该算法适用于大幅度的视频运动光流估计,不仅能得到适合人眼视觉分辨率特性的图像,而且使时空梯度更加优化,光流计算更准确。并且在时间复杂度上与传统光流计算方法相当,在计算精度上优于Horn和Schunck、段先华等人提出的算法。     

光流场估计算法的优化分析

运动估计一直是视频处理领域的核心课题之一 ,而基于Horn和Schunk所提出的光流基本约束方程的光流场估计类算法是图像运动估计的一类重要算法。从由于缺少约束而事实上并不完备的光流基本约束方程出发 ,人们提出了各种光流计算方法 ,从算法约束条件上分为全局优化和局部优化两类。本文将对各类算法进行比较 ,归纳出其思路发展轨迹。同时 ,本文将选取一种基于区域平滑约束的光流场估计算法进行分析 ,该算法性能较为稳定 ,且适合于处理多层图像元素并存的场景     

光流场估计算法的优化分析

运动估计一直是视频处理领域的核心课题之一,而基于Horn和Schunk所提出的光流基本约束方程的光流场估计类算法是图像运动估计的一类重要算法。从由于缺少约束而事实上并不完备的光流基本约束方程出发,人们提出了各种光流计算方法,从算法约束条件下分为全局优化和局部优化两类。本将对各类算法进行比较,归纳出其思路发展轨迹。同时,本将选取一种基于区域平滑约束的光流场估计算法进行分析,该算法性能较为稳定,且适合于处理多层图像元素并存的场景。     

粗集神经网络在图像融合滤波中的应用研究

传统的或改进型的中值滤波器,很难在图像噪声滤除和细节保留两方面兼顾与平衡.本文基于粗神经元构建了一种粗集神经网络,该粗集神经网络对5×5中值滤波器和多级FIR中值混合滤波器MFMHF(Multilevel FIR-Median Hybrid Filter)的处理结果进行融合.由于粗神经元的不可微性,BP算法不再适用,因此本文采用遗传算法GA来进行网络权值的学习,同时融入具有局部搜索能力的爬山法改善了进化后期的计算效率.仿真试验表明,粗集神经网络在图像融合滤波方面的性能优于BP网络和一般的中值滤波器.     

一种改进的HS光流法在机器人避障系统中的应用

机器人的自主避障功能是其在未知环境中顺利行驶的必备功能。基于光流法的机器人避障系统是近几年研究的新热点,在光流场的计算方法中,被使用最多的是由HornSchunck提出的HS光流法。在传统HS光流法的基础上,提出了一种加快光流场计算的方法;并将两种算法应用到相同的避障系统中。通过比较机器人避障实验的结果可以得出,当使用改进算法计算光流场时,避障系统能更快的探测出机器人行驶前方的障碍物,提高了机器人躲避障碍物的效率。     

基于能量函数最优的海表面风向反演算法

针对灰度不变模型(BCM)光流法从海杂波图像中提取海表面风向存在较大误差的问题,根据海杂波图像特点,提出了基于局部灰度和梯度不变模型
(BGCM) 的能量函数最优海表面风向反演算法.首先,将图像灰度不变模型、梯度不变模型和时空平滑约束项有机组合起来,构造能量函数;然后,将能量函数对光流的两分量求偏导,得非线性欧拉-拉格朗日方程组;最后,通过迭代方法求解非线性方程组,得到光流场,求取主海表面风向.应用实测岸基海杂波图像序列进行实验,将BGCM、BCM模型反演的风向与风向标测得风向进行比较,结果表明,BGCM风向具有更高的相关系数和更小的误差,改进算法具有较好的性能.     

一种基于运动目标检测的视觉车辆跟踪方法

针对复杂交通场景中动态光照变化、阴影和遮挡等因素带来的影响,提出了一种基于运动目标检测的高效、鲁棒的车辆跟踪方法. 采用自适应背景建模获取动态场景中的运动信息,通过阴影去除获得准确的运动区域,并针对场景中的遮挡问题提出了相应的遮挡检测与处理策略,最后通过区域匹配获得跟踪结果,同时使用Kalman滤波器建立车辆的运动模型,对跟踪结果进行了约束和优化. 实验结果表明,提出的视觉车辆跟踪方法可以在复杂多变的室外场景下有效地解决场景中的阴影和遮挡问题,得到鲁棒的车辆跟踪结果.      

基于光流块统计特征的视频异常行为检测算法

提出了一种基于光流块统计特征的视频异常行为检测算法.该算法首先对训练集视频序列的光流场进行分块及预处理,而后提取光流块的统计特征,所提取的块统计特征同时包括了光流块的幅度信息和相位信息,通过训练集得到的光流块统计特征训练出对应的正常行为的高斯混合模型(GMM).测试集通过同样的方式提取光流块统计特征,通过计算所提取统计特征以多大的概率属于GMM判定所检测光流块的异常程度.实验结果表明,该算法能够在一定程度上解决运动物体一致性和部分遮挡问题,并提高了异常行为检测的准确率.     

基于边缘CFA内插特征一致性的图像拼接检测

为了有效检测数字图像是否被篡改,提出了一种新颖的数字图像拼接快速检测算法.首先,利用Canny边缘检测算子,依据阶跃性约束条件,筛选出阶跃型边缘像素点.分别针对自然图像中的阶跃型边缘和由拼接操作所形成的阶跃型边缘,建立垂直于边缘方向单像素序列的颜色滤波阵列(CFA)内插模型.通过计算该单像素序列的局部灰度直方图,设计CFA内插特征量,以测度拼接前后灰度水平级在直方图两端分布的差异.然后,基于此特征量,利用阈值法实现对自然边缘像素点和拼接边界像素点的分类,进而实现图像拼接检测与定位.标准拼接图像数据集上的测试结果表明,虚警概率仅为0.05时,本检测算法仍能达到0.97的高准确率.此外.该算法还具有较好的鲁棒性,可抵抗一定程度的JPEG压缩和模糊等后处理.     

一种遥感影像混合噪声二阶去除方法

遥感影像去噪对于影像后续的使用和研究具有重要意义。高斯噪声与椒盐噪声是影像中常见的噪声,目前的去噪算法对于这类混合噪声普遍存在去噪效果不佳、去噪后影像边缘模糊等缺点。针对以上问题,本文提出了一种遥感影像混合噪声二阶去除方法。该方法第一阶段是在DnCNN网络框架的基础上引入扩张卷积来增加网络的感受野,便于在遥感影像中提取更多的特征信息;同时在深卷积层后引入DropoutLayer层构建降噪模型,以防止网络出现过拟合,简化训练难度,然后使用该模型对影像进行初步降噪。为进一步提高初步降噪结果的影像质量,有效去除混合噪声中的椒盐噪声,保留更多的影像边缘细节及纹理特征,该方法第二阶段是在自适应中值滤波的基础上采用最近邻域像素加权中值替换原滤波窗口中值,对初步降噪结果进行二次处理,得到遥感影像混合噪声最终去噪结果。为验证算法的可行性和有效性,本文进行了遥感影像去噪实验及去噪影像边缘检测实验。分析实验结果,无论从主观视觉还是客观评价指标上进行对比,本文提出的方法对于遥感影像混合噪声去噪效果优于传统去噪方法,并且能够较好的保留影像边缘细节及纹理特征,获得更清晰的影像结果。     

基于光流场模型的医学图像配准

基于最大化互信息的配准方法因其复杂性高而不能满足临床的实时性要求;基于光流场模型的图像配准方法计算简单快速,但已有的采用光流场进行配准的方法都直接采用原始的Horn模型,该模型简单地采用速度场的模作为光滑性约束,而导致配准过程不能保持图像的不连续性,使得图像严重模糊以致无法应用,该模型还存在不能处理大位移的问题.为了能在配准过程中尽可能地保持图像特征,采用了Lucas等人提出的窗口化光流场模型,通过选用小的窗口减轻对图像造成的模糊;对于大位移问题,可以采用金字塔结构来有效处理.实验结果证明,Lucas光流场模型应用于医学图像配准能够得到较准确的配准结果,具有很高的运行效率.     

多结构元素多尺度的数学形态学图像边缘检测算法

边缘检测是图象处理与模式识别的一个重要图象预处理过程。传统的边缘提取方法如Sobel,Prewitt和Canny等非常有效但对噪声非常敏感。形态学边缘检测目前已成一个研究热点,但大多算法采用单一结构元素,很难对复杂边界进行有效的处理。因此我们提出一种基于多结构元素多尺度的数学形态学边缘检测算法,先用多尺度结构元素交替顺序形态开-闭平滑图象以去噪,再用多结构元素对不同方向的边缘进行提取,最后把各方向边缘融合得到图象边缘。实验结果表明,提出的算法不仅有很强的抗噪性,而且很有效的提取图象的边缘。