结合局部和全局特征的人群密度估计算法

传统的人群密度估计算法由于受到背景噪声及遮挡等因素的影响,不能同时对不同密度等级的人群做出准确估计。该文提出一种结合局部和全局特征的混合型人群密度估计算法。首先,对输入图像进行预处理以减少背景噪声干扰;其次,计算前景团块像素数占全幅图像的比例,并引入阈值分割机制;最后,对阈值上下的图像分别采用基于全局特征的分类算法和基于局部特征的回归算法来获取人群密度。此外,对基于全局特征的分类算法,提出结合小波变换和灰度共生矩阵的纹理特征描述子来提高分类准确率。实验结果表明该文算法对不同密度等级的人群均能做出准确估计且鲁棒性强。     

基于自适应帧采样的视频拼接

针对视频拼接计算量过大的问题,提出了一种分层式自适应帧采样的视频拼接方法。两层帧采样环节分别采用了不同的策略:第1层建立了帧间重叠率和帧间隔的分段线性模型,通过"预测-检验-修正"环节不断的更新采样帧间隔来自适应抽取到满足一定重叠率的准关键帧;第2层在第1层采样的基础上,利用逐帧检测的方法从准关键帧中抽取到满足一定条件的最终关键帧。最后对关键帧进行全景图拼接。与用所有视频帧进行拼接的方法相比,该方法用极少的场景信息损失换取了拼接效率的大幅提高。实验结果表明:该方法对于一般实验场景均能鲁棒地抽取到可靠关键帧,在大幅度降低计算负荷的同时得到高质量的视频全景图。     

采用CCD电荷积累技术提取微弱潜指纹图像效果分析

文章说明了潜指纹在特定波长光波照射下，吸收激发光能量发出较长波长固有荧光，阐述了CCD电荷积累图像增强技术用于微弱潜指纹痕迹增强提取的效果与激发光波长、滤色片波段和指纹粉等因素的关系，介绍了去背景光斑影响的典型方法。     

视频抖动矫正系统中的运动滤波

数码相机拍摄的视频往往带有因为拍摄人手的不稳定而引入的抖动,因此该文给出了一个视频抖动矫正方案,包括全局运动估计、运动的抖动分量滤除、抖动补偿3个模块。对摄像机运动模型,该文考虑了最常见的水平、垂直平动和平面转动这3个运动参数来进行全局运动估计,首先采用基于块匹配运动估计方法来得到运动参数的初始值,然后用Newton迭代法进行参数优化;从运动学的角度出发设计了一种以二次B样条方法为基础来拟合摄像机的运动轨迹方案。实验证明这种滤波器的设计方法能够很好地去除视频抖动,明显改善视频的主观效果。该方法不仅简单,而且不需要预知抖动的模式就能够确保运动轨迹的平滑。     

采用格形矢量量化的小波图象编码方法

研究了以格形矢量量化方法进行小波图象的压缩编码。以两种经典的格形矢量量化算法乘积码塔形矢量量化（ＰＣＰＶＱ）和分块均匀格点矢量量化为例，分析了两种算法中非均匀矢量格点的分布与输入信号源的概率密度分布函数的关系，指出在保持矢量格点具有规则分布的前提下，格点分布难以与不规则的输入矢量概率分布实现良好的匹配。提出了一种均匀格点分布与熵编码相结合的矢量量化图象编码方法，该方法与以上两种算法对信号源输入矢量的概率分布具有更灵活的适应能力。给出了该算法和ＰＣＰＶＱ的实验结果的比较。     

一种DSM模型下飞行障碍物尺度的研究

在一种数字表面模型(DSM)建模方法的基础上,对威胁飞行器低空飞行安全的独立障碍物的尺度与DSM纵横断面采样间距的关系进行了分析,给出了独立障碍物的定义、分类和确定独立障碍物的方法。通过对7.2km2一典型城市地域的仿真试验表明,DSM纵横断面间距在3～25m之间,威胁飞行器地形跟踪制导安全的孤立障碍物较少,同时装订并实时处理的DSM模型数据量也较小,并在纵横断面间距12.5m处达到两者最优。     

一种适用于网上视频监控的MPEG-4码流技术

针对IP网络(如因特网)带宽随时变化的特性,传输视频时,为了有效地利用现有带宽,尽可能提高视觉质量,该文在MPEG-4精细可伸缩性视频编码(FGS)的选择性增强技术基础上提出一种基于运动矢量的自适应选择性增强算法。通过提取、分析基本层运动矢量,自适应地确定目标区域,并将结果在增强层编码用于选择性增强。使FGS编码实现基于内容的增强和优先传输感兴趣区域(目标区域)。实验表明该算法使目标区域在不同的码率下都能获得相对最佳的视频质量,适合网上视频监控之类背景静止而人们仅对场景中运动的人或物感兴趣的应用。     

视差图误差检测与校正的通用快速算法

为了获取精确的立体匹配结果 ,提出了一种通用的视差图误差检测与校正算法。算法首先定义一个新的全局顺序匹配约束 ;然后将其用于视差图后处理过程 (而不是视差计算过程 )中 ,以检测出视差图中的匹配交叉区域 ;最后提出一种零交叉校正方法 ,校正其中的误匹配点。通过对一组真实立体图像序列及其视差图的实验 ,进一步证明了该算法的有效性。该算法可以作为视差图后处理过程附加在各种立体匹配算法之后     

Skin Segmentation Based on Graph Cuts

Skin segmentation is widely used in many computer vision tasks to improve automated visualization. This paper presents a graph cuts algorithm to segment arbitrary skin regions from images. The detected face is used to determine the foreground skin seeds and the background non-skin seeds with the color probability distributions for the foreground represented by a single Gaussian model and for the background by a Gaussian mixture model. The probability distribution of the image is used for noise suppression to alleviate the influence of the background regions having skin-like colors. Finally, the skin is segmented by graph cuts, with the regional parameter γ optimally selected to adapt to different images. Tests of the algorithm on many real world photographs show that the scheme accurately segments skin regions and is robust against illumination variations, individual skin variations, and cluttered backgrounds.     

人脸图像年龄估计

为了解决人脸识别中识别率随年龄变化急剧下降的问题,提出一种自动的年龄估计方法。通过年龄函数建立人脸特征与年龄之间的对应关系,人脸特征由形状特征和纹理特征组成。首先,通过改进的活动形状模型自动定位人脸形状特征点,再通过形状拉伸获得单纯的纹理图像;然后用主分量分析分别得到形状特征向量和纹理特征向量,合成作为人脸特征;最后,按照最优化的准则得到年龄函数,结合人脸变老方式的分类,自动估计年龄。实验结果表明,这种方法对年龄估计十分有效,平均200人的多年龄人脸数据库上的估计误差为1.1 a。