一种序列图像运动目标速度的估计方法

提出了一种在连续时空空间对序列图像中运动目标的速度进行估计的算法。该算法克服了以往序列图像目标提取方法的缺点，通过在动态环境里对时间和空间轴求偏导并用三维拟合模板进行数值逼近，较为精确地估计目标的运动速度。算法对目标遮挡和形状变化较大的情形有鲁棒性，计算机模拟实验的结果验证了算法的良好性能。     

一种提高图像制导抗于扰性的方法

在图像流约束方程的基础上，提出了一种在连续时空空间里对序列图像中运动目标的速度进行估计的算法．该算法克服了以往图像流运动目标提取方法的缺点，通过在动态环境里对时间和空间轴求们导并用三维拟合模板进行数值逼近，能较准确地从具有各种光电干扰的背景中利用多出图像序列求得目标的运动参数，最终完成复杂环境下的图像制导．计算机实验的结果验证了算法的良好性能．     

一种提高图像制导抗干扰性的方法

在图像流约束方程的基础上，提出了一种在连续时空空莘里对序列图像中运动目标的速度进行估计的算法，该算法克服了以往图像流运动目标提取方法的缺点，通过在动态环境里对时间和空间轴求偏导并用三维拟合模板进行数值逼近，能较准确从具有各种光电干扰的背景中利用多帧图像序列求得目标的运动参数，最终完成复杂环境下的图像制导，计算机实验的结果验证了算法的良好性能。     

基于内容分割的飞行目标运动估计算法

本文以图像内容分割为基础,提出了一种飞行目标运动估计新算法。该方法首先对机载视频图像进行预处理,并在HSV空间将图像内容划分为目标和背景两大类;然后根据使用者对目标和背景的不同质量要求,采用累积法对飞行目标的运动轨迹进行二次曲线拟合。试验表明,该方法可以提高运动估计速度,而且精度不亚于经典的运动估计算法。     

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CAD模型的立体视觉目标运动估计

提出了一种基于CAD模型的目标运动估计和目标轨迹实时生成方法，分为两步：首先采用立体视觉系统由图像特征点求出目标特征点的每个采样周期的空间位置；然后由其匹配模型的特征点集，通过扩展卡尔曼滤波方法估计目标运动参数，有了上述参数，就可以设计与伺服系统事宽匹配、消除图像处理延时影响的目标轨迹生成器，文中对目标的运动估计算法进行了仿真研究，结果表明该算法是可行的，文章创新之处在于推导了双目立体视觉系统的运动估计算法。     

基于速度特征矢量提取运动目标的图像分割方法

研究基于速度特征矢量提取运动目标的图像分割方法,根据目标图像像素移动的一致性,在序列图像中利用块匹配法进行帧间图像配准,得到目标图像块的速度估计,将具有相同速度矢量的目标图像块聚类,即可分割出运动目标。仿真实验结果表明,该方法能有效地对复杂背景下的运动目标图像进行分割,并具有较好的抗噪能力。     

基于速度估计的双Hough变换运动轨迹检测算法

提出一种速度估计约束下的双Hough变换算法,并用于序列图像运动点轨迹检测.对于像面投影近似直线的匀速运动点轨迹,首先进行速度预估计,然后在此基础上进行连续2次不同空间的Hough变换.第1次Hough变换将疑似目标点由图像空间X-Y根据极坐标方程转换到ρ-θ空间,在初步筛选疑似二维轨迹后,引入时间维信息,将疑似目标点投影到T-L空间.第2次Hough变换由T-L空间根据斜截式方程转换到V-S空间,再利用最初的速度预估计值限制投影范围,进一步剔除虚警.仿真结果表明:所提算法对目标运动速度的相关先验知识要求较少,在噪声较强的条件下,依然能取得较好的检测结果,且算法开销更少.     

基于灰度编码位平面匹配的视频图像稳定技术

介绍了灰度编码的位平面匹配算法的原理，该算法对图像序列灰度值信息编码形成位平面，对局部区域的运动参数进行位平面匹配估计，再根据局部运动参数和统计规律估计全局运动参数，并给出了应用该原理进行视频图像稳定处理的应用例子。     

序列图像运动目标检测的一种快速算法

研究了序列视频图像中运动目标的检测与跟踪快速算法．研究基于Kalman滤波理论的渐消记忆最小二乘法，用该方法重建背景图像；采用图像差分算法提取运动目标；提出简化的等效灰度投影算法来计算目标的质心；采用记忆外推跟踪算法实现图像目标的跟踪，并且对全部算法做了仿真．仿真结果表明算法简单、有效、执行速度快、具有很强的适应性，能够用于单镜头序列图像中运动目标的检测与跟踪．     

连接刚体的三维结构和运动参数估计

根据连接刚体的结构和运动属性，提出了一种基于单目图像序列点对应元的连接刚体三维运动估计新方法．该方法首先利用相邻两个连杆的运动连接关系，由2幅图像估计连接刚体的初始位姿，即确定连接点的空间位置．其次在初始位姿估计的基础上，将各个连杆的运动用螺旋和指数映射表示．最后利用图像点对应元的运动约束方程，求得连接刚体的运动参数．实验结果表明，连接刚体的各个连杆的相互关联性被充分利用。降低了问题的复杂度，提高了算法稳健性．     

可预测起始搜索点的自适应准十字菱形搜索算法

分析了视频图像现有块匹配运动估计的技术特点,通过实验数据定量评价了各算法的优缺点,提出的一种改进的自适应运动估计算法:基于起始搜索点预测的准十字菱形搜索算法.该算法根据序列图像中运动矢量的十字中心偏置分布特性和运动矢量间的时空相关性,设计了一种准十字菱形搜索模板,并对静止块设定阈值,直接中止搜索;结合起始搜索点预测,并根据运动类型自适应选择搜索策略,使本文算法在保证了搜索准确性的同时,提高了运动估计的速度.     

红外图像序列运动小目标的图像流检测法

提出了一种利用图像流分析法对红外序列图像中的运动小目标进行检测的算法，首先利用两步分离法对图像进行预处理，筛选出少量的候选运动目标，然后利用图像流模型建立目标的运动约束方程，在多帧连续图像中检测出真正的目标运动轨迹，实验结果表明，该算法能够对小目标甚至是点目标的运动进行可靠检测。     

基于期望极大化算法的转弯机动目标跟踪

针对目标做转弯机动时产生的运动模式的不确定性问题，提出了基于期望极大化（EM）算法的转弯机动目标跟踪算法，采用转弯速率来描述目标的转弯机动，并将转弯速率作为待估量，用EM算法对转弯速率序列进行估计，从而获得对目标状态的精确估计．最后，给出了该算法的批处理形式和递推形式．新算法有效地提高了目标的跟踪精度．Monte—Carlo仿真表明，与标准的交互式多模型算法相比，批处理EM算法使目标的位置和速度的跟踪精度提高了70％以上，当转弯速率处于稳态时，递推EM算法使目标的位置和速度的跟踪精度提高了20％以上．     

基于序列图像的车载测速方法与实验

为精确测量车辆的运动速度,文章提出了基于路面序列图像速度测量方法,该方法利用车载图像采集系统,在连续成像的条件下,实时采集运动路面的灰度图像,根据相邻帧路面图像的相似性,以灰度投影算法估计出帧间图像位移,同时结合图像采集系统的标定参数及帧频,计算车辆的运动速度。实验结果表明,该算法对纹理随机分布的平坦路面上运动的车辆速度的测量具有很好的稳定性,实验测得的运动速度与实际平均速度的误差在4%以内。     

基于Harris-LM全局运动估计的电子稳像算法研究

全局运动估计用途非常广泛,但是由于全局运动估计计算量大、噪声多等因素使得它很难在实时应用中使用.为了减少全局运动估计的计算量,提高全局运动估计的速度,选取Harris角点进行计算.基于LM(Lev-enberg-Marquardt)全局运动估计的思想,提出一种去除图像画面抖动的算法.通过LM算法估计全局运动参数,从而获得参考帧和当前帧之间的全局运动矢量.然后采用Kalman滤波的方法,一方面较好地平滑运动矢量以降低视频抖动,另一方面有效跟随摄像系统的有意扫描运动.最终进行运动补偿,以达到输出稳定图像的目的.实验结果表明,该算法能较好地实现图像序列的稳定.     

基于图像块归类的背景重构算法

为了降低图像序列运动目标检测中背景重构的时间复杂度和空间复杂度,提出一种基于子图像块归类的背景重构算法.在假设背景图像块以最大概率出现在图像序列中的前提下,选择编号频率最高的图像块作为背景图像块进行背景重构.在运动目标有较长的暂时停顿情况下,即观测长度较长时利用该算法进行实时背景重构具有明显的优点.仿真结果表明,该算法能够准确地重构背景,并有效地避免混合现象,从而实现对运动目标的完整提取,以便进一步识别或跟踪.     

红外图像运动目标检测与识别

提出了一种利用相邻帧红我图像实时相减提取运动目标序列的方法，把复杂背景下运动目标识别问题转化为较简单背景下目标识别问题，介绍了一种基于差分图像序列的实时处理算法，可对多个运动目标进行识别与定位。     

一种基于中值滤波的运动补偿去隔行算法

提出了一种有效的基于中值滤波的运动补偿去隔行算法，该算法首先使用新三步搜索(NTSS)的方法对图像序列中的运动部分进行估计，然后通过一种中值滤波的方法改善去隔行处理的效果，这不仅提高了图像的画质，而且能有效地防止因运动估计失效在运动补偿时的影响。实验结果表明，该算法无论是从画面的视觉感受还是利用峰值信噪比进行客观衡量都具有良好的处理效果。     

动态场景中自适应去除外点的全局运动估计方法

为在动态场景图像序列中准确地完成全局运动估计,提出一种自适应去除外点的全局运动估计方法。对尺度不变特征变换(Scale invariant feature transform,SIFT)算法提取出的特征点利用最近邻搜索算法中的BBF(Best Bin First)方法进行匹配。为提高全局运动估计的精度,提出改进的随机抽样一致(RANdom SAmple Consensus,RANSAC)算法。此算法能够自适应地去除外点,即利用特征点运动矢量的方差控制迭代次数来进行外点的去除,最终通过摄像机运动模型实现准确的运动参数估计和背景补偿。对标准图像序列Coastguard和实际拍摄的动态场景图像序列的实验表明,提出的方法能够快速地完成动态场景中的全局运动估计与补偿,具有较高的精度和适应性。