基于星敏感器的像移补偿技术

星敏感器在大角速度转动时引起的星像降质不能忽略,采用了3种技术以补偿、消除这种影响。首先,用姿态估计和共线方程预测星像块中心位置和长度。其次,挑选视场内6~8个较亮的星像块,以预测的星像块位置为搜索起始点,块匹配算法可快速获得像素量级的像移,建立像移模型。同时,对相邻帧匹配的星像块的输出相加以提高信噪比。采用以上两项技术后,只需处理星图像中很少一部分像素,从而保证了实时性。最后,采用空间域像移补偿法,根据运动模糊的逆过程直接进行补偿,并给出了仿真结果。     

基于范数优化路径的视频稳像算法

针对运动相机中视频的随机抖动和低频晃动问题,提出了一种基于范数优化路径的视频稳像算法。该算法在特征点粗匹配之后引入概率进化抽样一致性算法剔除误匹配点,避免了局部运动对全局运动估计的影响,然后在定制的L1范数约束下构建相机的最优化运动路径,最后利用新的路径进行运动矫正获取稳定的视频图像序列,实验结果验证了算法的有效性。     

预测性菱形搜索在视频编码中的应用

根据预测性运动矢量和菱形搜索的思想 ,提出了一种基于预测性运动矢量快速块匹配的视频编码新方法。这种编码方法在运动估计的过程中引入了预测性运动矢量的概念 ,利用预测性菱形搜索 (PDS)计算出稳定且平滑的运动矢量场 ,充分利用了相邻块运动矢量的相关性。仿真结果表明 ,该方法应用到视频编码中能够得到比其他几种常用的快速块匹配法更好的效果。     

融合常规运动目标和突然机动目标的图像跟踪系统

当舰载或机载光电传感器晃动、掉帧或者目标做复杂战术机动时,跟踪目标在相邻帧间会突然改变原来的运动轨迹,此时如何有效跟踪突然机动目标是一个难点问题。首先利用基于组合基于(speeded up robust features,SURF)特征描述子的二帧差分法进行背景差分,然后再利用卡尔曼滤波给出目标的预测位置,在以此为中心的搜索区域内用Mean shift跟踪方法寻找目标的最佳匹配,同时逐帧根据卡尔曼滤波的先验预测误差协方差判断目标是否出现机动。在检测到目标机动后,利用基于显著密度的高效子窗口搜索方法快速检测视场内的所有可疑目标,最后利用SURF算法进行特征匹配筛选出原始跟踪目标并返回目标位置,实现突然机动目标的自动可靠跟踪。仿真实验表明,新系统无论针对常规运动目标还是突然机动目标都能保证又快又准的跟踪效果。     

基于SVM的跳帧转码快速帧间编码算法

为降低H.264跳帧转码运算复杂度,在帧间模式选择中引入支持向量机(support vector machine, SVM)技术,提出一种SKIP模式提前判决算法,具体讨论了关键的特征向量与核函数的选择方法。同时,利用宏块时域相关性缩减预测模式数量,实现率失真优化提前终止。其次,通过定义宏块运动程度参数,针对不同运动程度的视频序列自适应地选择运动矢量合成算法和运动搜索策略,有效减少在已获得最佳运动矢量后仍进行运动搜索的运算冗余。实验证明,此算法极大降低了算法复杂度（平均84%）的同时保证了较高的视频质量,与现有算法相比,具有更强的鲁棒性和更广泛的适用性。     

基于最优路径的弹道目标径向长度提取方法

针对强噪声环境中弹道目标径向长度提取困难的问题,提出了一种基于最优路径的弹道目标径向长度提取方法。首先对目标距离像进行时间积累,得到一维距离像时间序列,然后分别计算每相邻帧的距离像中各个像素之间转移的幅度代价函数和路径代价函数,根据总代价函数的大小判断各散射中心的相关性,搜索得到一条代价函数最小的路径即最优路径,确定目标头部和尾部散射中心的位置,进而得到各个时刻目标径向长度。该方法算法简单,在强噪声环境中也能保证较高的正确率。对仿真和模拟测试数据的分析处理验证了该方法的有效性。     

视频监视中运动目标的检测与跟踪算法

提出一种视频监视中运动目标的精确检测、提取以及跟踪算法。该算法采用基于自适应背景图像估计与当前多帧图像的混合差实现快速精确地检测和提取目标 ,使用扩展的Kalman滤波器预测运动目标下一时刻可能处于的区域 ,缩小了目标跟踪时的搜索范围。充分利用运动目标检测的结果 ,提高了目标的匹配效率及跟踪速度。     

基于预测性菱形搜索法的快速去隔行技术

提出了一种基于运动估计和运动补偿的去隔行 (隔行变逐行 )新方法。该方法首先使用预测性菱形搜索块匹配法 (PDSBM)计算出稳定和精确的运动矢量场 ,然后通过对视频序列的多假设运动补偿分析来实现隔行到逐行的插值 ,再对所得到的视频序列进行运动补偿滤波 ,进一步消除了水平边缘的影响 ,充分考虑了场间和场内视频序列的空间和时间相关性。仿真结果表明 ,该方法能够得到比其它几种常用的去隔行算法更好的效果。     

一种高效的H.264帧内编码全零块判决算法

分析了H.264帧内编码模式选择、整数变换和量化的特点,提出了一种帧内编码全零块判决算法。该算法根据相邻块的编码信息,使用动态判决门限判决量化后的全零块,避免了变换、量化等复杂过程。与已有的全零块判决算法相比,所提算法的全零块判决率最大可以达到87.8%,提高了帧内编码速度,可满足实时视频通信的要求。     

一种有效的自适应边信息帧内插算法

分布式视频编码是一种新的编码结构,它主要是在解码端利用信源的统计特性获得有效的压缩.在分布式视频编码中,边信息质量对整个系统编码效率的提高起着至关重要的作用.在研究了现有边信息构造方法基础上,提出了一种有效的自适应边信息帧内插方法.利用相邻关键帧与当前帧的时间相关性,按一定的准则计算相应的帧间和块同的时间相关系数,然后根据时间相关性不同采用不同加权系数的运动补偿帧内插算法提高边信息的质量.实验结果表明在几乎不增加编码器负担的情况下重建边信息的质量平均提高了2.47dB.     

基于鲁棒统计量的运动检测与目标跟踪策略

提出了一种基于鲁棒统计量的运动检测方法。该方法通过对全局运动的鲁棒估计和对残差进行假设检验的方法来检测运动物体区域。为了消除遮挡效应的影响,提高算法的精度,在检测过程中,利用双向运动估计的方法来对残差进行归一化。在此基础上,提出了一种鲁棒主动轮廓模型,用于跟踪运动物体轮廓,并采用LevelSet方法对该模型进行求解。实际视频的实验结果表明,该方法能够可靠、准确的检测与跟踪运动物体。     

Fast motion estimation algorithm for H.264/AVC based on centered prediction

H.264/AVC video coding standard can achieve roughly half of the bit-savings over MPEG2 and MPEG4 for a given quality. However, this comes at a cost in considerably increased complexity at the encoder and thus increases the difficulty in hardware implementation. The high redundancy that exists between the successive frames of a video sequence makes it possible to achieve a high data compression ratio. Motion estimation (ME) plays an important role in motion compensated video coding. A fast motion estimation algorithm for H.264/AVC is proposed based on centered prediction, called centered prediction based fast mixed search algorithm (CPFMS). It makes use of the spatial and temporal correlation in motion vector (MV) fields and feature of all-zero blocks to accelerate the searching process. With the initialized searching point prediction, adaptive search window changing and searching direction decision, CPFMS is provided to reduce computation in block-matching process. The experimental results show that the speed of CPFMS is nearly 12 times of FS with a negligible peak signal-noise ratio (PSNR) loss. Also, the efficiency of CPFMS outperforms some popular fast algorithms such as hybrid unsymmetrical cross multi-hexagongrid search and a novel multidirectional gradient descent search evidently.     

一种视频对象生成方法的研究与实现

提出了一种视频对象的自动生成方法。首先对当前帧进行全局运动估计和补偿 ,并和上一帧进行差分运算 ,然后采用模糊分类器自动检测出运动区域 ,再结合边界特征形成视频对象的二进制模型并生成视频对象。实验结果表明 ,该方法能有效地生成视频对象 ,具有较强的鲁棒性     

Real-time detection of moving objects in video sequences

1 .INTRODUCTIONThe efficient detection of moving objects in video se-quences is a challenging and an i mportant task incomputer vision. It has many applications such assurveillance , video conference , traffic monitor-ing[1 ,2]. Traditionally, the most i mportant task ofsurveillance systemis based on human visual observa-tion,whichis a hard workfor watchmen.Therefore ,the automatic detection of moving objects is requiredinthe surveillance system. Tofacilitate a surveillancesystem,efficien…     

无人机动态环境实时航迹规划

提出了一种基于实时A*搜索的无人机实时航迹规划算法。该算法将飞行器运动与航迹搜索相结合,在飞行器飞行过程中实时规划出下一段航迹;在搜索过程中,使用了多步寻优搜索的方法,相比单步搜索生成的航迹更加优化;使用最小转弯半径对生成的折线进行连接,使路径平滑可飞;针对算法局限性,给出一种改出局部最优点的策略。最后经仿真证明了该算法能够较好地满足规划要求。     

Effective method for tracking multiple objects in real-time visual surveillance systems

An object model-based tracking method is useful for tracking multiple objects, but the main difficulties are modeling objects reliably and tracking objects via models in successive frames. An effective tracking method using the object models is proposed to track multiple objects in a real-time visual surveillance system. Firstly, for detecting objects, an adaptive kernel density estimation method is utilized, which uses an adaptive bandwidth and features combining colour and gradient. Secondly, some models of objects are built for describing motion, shape and colour features. Then, a matching matrix is formed to analyze tracking situations. If objects are tracked under occlusions, the optimal “visual” object is found to represent the occluded object, and the posterior probability of pixel is used to determine which pixel is utilized for updating object models. Extensive experiments show that this method improves the accuracy and validity of tracking objects even under occlusions and is used in real-time visual surveillance systems.     

SAR图像中动目标的广义似然比快速检测

研究经Keystone变换后在SAR图像方位向信号中,根据广义似然比检验法(最优检测)检测动目标.将广义似然比检测与遗传算法结合,利用遗传算法的全局优化特性以及解决多参数问题的良好特性,提高了运算速度.由于考虑了天线方向图的影响,充分利用目标的距离向和方位向运动信息,此方法对匀速直线运动点目标的检测效果良好.