一种基于角点特征的数字稳像算法研究

针对复杂背景情况，提出一种基于角点特征的车载视频图像序列数字稳像算法．采用改进的Harris算子提取特征点，根据三级匹配策略实现对应点的匹配；建立参考图像与当前图像的映射关系，采用最小二乘解得到图像帧间的全局运动参数；最后利用Kalman滤波平滑运动参数，实现帧间的实时运动补偿，达到稳像目的．实验结果表明该方法去除了高频抖动，较好的保留了摄像机的主动运动，稳像后的视频具有良好的视觉效果．     

基于视频抖动的灰度投影稳像算法

针对抖动导致车载视频图像失真的问题,将图像区域等分的思想与灰度投影算法融合,获得一种利用局部运动矢量估算全局运动矢量的方法;借助图像的全局运动矢量和滤波的思想,利用运动矢量偏差补偿抖动对图像失真的影响,获得一种稳像算法。数值实验结果表明,该稳像算法对于提高车载视频图像的稳定性具有好的效果。     

一种基于特征光流的角点匹配算法

提出了一种基于特征光流的角点匹配算法.首先,获取经过均匀化处理的特征角点;然后,考虑角点处的局部光流,求解角点处的光流场,从而得到角点处的粗略光流失量,实现了图像角点间的近似匹配;最后,把特征光流作为约束条件,根据两帧图像角点集之间的坐标关系,排除非正常角点,从而完成对特征角点的精确匹配.仿真实验表明:算法在减少计算量的同时可以提高匹配精度,进而实现高精度运动目标跟踪.     

抖动视频的电子稳像算法

为解决视频序列中出现的抖动问题,提出了一种基于感兴趣区域的电子稳像算法。该算法首先对采集到的每帧图像建立高斯金字塔并进行下采样,然后结合稳像数学模型,求
解仿射变换参数,最后对每帧画面进行运动补偿,输出稳定的图像序列。仿真实验结果表明,该算法具有较好的稳像效果,对较大的旋转和平移运动,有较强的鲁棒性和准确性。与原始序列相比,稳定图像序列帧间的峰值信噪比平均提高了约10 dB。     

基于KLT光流的无人机视频影像特征点跟踪算法

针对无人机低空采集的高分辨率视频特点,提出了一种无迹卡尔曼滤波和KLT(Kanade-Lucas-Tomasi)匹配算法相结合的特征点跟踪算法。首先,利用无迹卡尔曼滤波在相邻帧中进行特征点预测,以确定匹配范围;其次,根据KLT匹配算法对特征点进行跟踪,以得到的匹配结果作为观测值;最后,通过卡尔曼增益修正得到特征的准确位置。针对建筑物、草地等不同类型视频数据集的实验结果表明,该算法可以得到精确的特征位置。     

一种改进的基于角点检测的并行化电子稳像算法

针对摄像设备拍摄视频抖动问题和实时处理要求,本文提出一种改进的基于角点检测的并行化电子稳像算法.该算法采用并行计算和软硬件协同计算的方法,对基于Harris角点检测及Hu几何不变矩的电子稳像算法进行了改进,算法通过网格划分和区域极限值的并行计算,减少了角点检测的计算量,采用并行化改进的RANSAC计算提升了剔除误匹配的处理效率,并基于图形处理器(Graphic Processing Unit,GPU)和FPGA完成了电子稳像算法的优化设计实现.实验结果表明,本文算法在保证良好稳像质量的同时,对720p视频进行单帧稳像的时间仅为25.48ms,能够完成帧率为30帧/s的分辨率为1 280×720的视频实时稳像.     

基于多路径优化的视频稳像方法

为了对日常生活中手持设备拍摄的视频进行稳像处理,提出了一种基于多路径优化的稳像方法.首先,进行运动估计,将输入视频的每一帧划分成均匀的网格,通过估计网格顶点的运动矢量得到帧间的运动;接着,进行运动平滑,将上一步的运动累加起来得到相机的运动轨迹,然后利用设计的多路径优化模型进行平滑处理;最后,进行运动补偿,对视频的每一帧进行补偿,得到稳像后的视频.将该方法和最近一些较好的方法进行处理时间和稳像结果的对比实验,结果表明,该方法耗时少,能取得令人满意的稳像效果.     

基于DM642的视频稳像系统设计

从算法级和程序级两个方面对稳像算法进行改进,设计了一种基于DM642的电子视频稳像系统.阐述了稳像系统的系统组成、硬件设计、软件设计以及稳像算法,对基于灰度投影法的稳像算法及改进方法作了重点介绍.实验表明,该系统具有很好的稳像效果,具有较高的应用价值.     

基于光流法的运动目标检测与跟踪算法

选用Harris角点作为跟踪对象,将尺度空间引入角点检测,提取特征尺度上的Harris角点,并进行曲率非极大值抑制,滤除"伪角点",提高角点检测对尺度变化的抗扰能力.跟踪算法选用结合图像金字塔的光流法,迭代计算光流,并提出基于光流误差的跟踪算法,即用不同时间流的运动轨迹在同一帧图像的误差来衡量运动跟踪情况,避免跟踪点因被遮挡、消失或者纹理特征发生变化而导致跟踪失败.通过对不同视频图像进行检测的结果证明基于改进的角点提取和图像金字塔的光流法具有良好的跟踪效果,引入光流误差可以有效地滤除跟踪失败的特征点,准确估计运动目标的位置.     

基于Harris角点的视频图像检测算法的研究

随着时代的发展,科学研究、医疗卫生、公共安全和工农业生产等领域对数字图像采集和处理的应用越来越广泛,本文提出了一种基于USB2.0接口图像采集及处理系统的设计方案.该系统的数据采集源为图像传感器,包含数据传输,实时显示和角点提取三个模块.在角点提取过程中,对Harris算子的检测原理、实现方法及性能分析分别进行了说明.最终使用MATLAB编程工具,完成对不同图像的Harris角点检测.根据检测结果可以看出,使用Harris角点检测方法,检测速度快,得到的角点较均匀,算法稳定,对数字图像的处理有着重要的现实意义和应用价值.     

具有前景目标的动态场景视频快速稳像算法

为了提高具有前景目标的动态场景视频的稳像效果,采用了一种基于块绝对差分的运动目标自动提取方法。在提取运动目标的基础上,提出通过自适应设定相关阈值的方法,来预判相关背景模块是否具有足够的信息,以减少用于运动矢量估计的模块数量。仿真实验结果表明,对于具有前景目标的动态场景视频,在减少运动目标提取时间的基础上,能够有效提高稳像算法的速度和精度,对实际视频取得了比较理想的稳像效果。     

基于MEMS陀螺仪的电子稳像算法

针对电子稳像运动估计过程中,特征匹配方法存在匹配误差以及3D运动估计方法计算复杂等问题,提出一种基于MEMS(Micro-electro-mechanical system)陀螺仪的电子稳像算法。首先,利用MEMS陀螺仪估计相机旋转抖动量,利用尺度不变特征变换方法SIFT(Scale-invariant feature transform)估计相机平移抖动量;其次,利用滤波技术对平移及旋转运动矢量平滑滤波处理;然后,对视频序列的高频率旋转及平移抖动量进行运动补偿;最后,利用图像拼接技术去除运动补偿后的图像边缘"黑边"。实验结果表明,该算法对于相邻图像帧的抖动补偿准确性较高,处理效果较好,减少了系统的计算复杂度。     

车载视频系统中基于半像素级搜索的电子稳像算法

在车载视频监控与通信系统中,摄像机抖动引起图像序列的不稳定,直接影响监控效果。因此,电子稳像技术在车载视频监控与通信系统中的重要性和必要性十分显著。在简单分析了基于整像素级搜索的几种电子稳像算法的准确性和实时性后,改进了基于半像素级搜索的电子稳像算法,仿真实验结果表明改进算法在准确度和实时性上得到一个很好的权衡。     

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.     

基于在线Boosting和LK光流的视频跟踪算法

为了克服现实环境中光照、遮挡、相似物体干扰等因素对在线跟踪算法的影响,提出了一种鲁棒的在线学习视频跟踪算法。该算法结合了半监督Boosting和多实例学习Boosting各自的优点,较好解决了Boosting的漂移现象,同时用Boosting做检测器、金字塔LK光流做跟踪器,二者结合,克服了光流算法在跟踪过程中丢失目标不能继续跟踪的问题。实验证明,基于在线Boosting和LK光流的视频跟踪算法具有较好的鲁棒性,且满足实时性要求。     

基于稳像技术的飞艇监控视频目标追踪

一般的目标追踪算法提取目标的颜色或轮廓特征,在图像区域内使用匹配算法完成对目标的追踪。由于飞艇容易受到气流影响,艇载相机平移误差会造成目标在视频的相邻帧间运动距离过大,传统目标追踪算法容易陷入到局部最优解而造成目标跟错或者丢失。该文提出了一种基于视频稳像的追踪方法,使用基于运动估计和混合滤波算法,首先处理视频使之平滑稳定,在此基础上利用人机交互选择目标并应用基于MeanShift的算法实现追踪。比较本文提出的算法和一般算法在飞艇视频目标追踪中的效果,结果表明:该方法在目标追踪中具有更高的准确率,同时满足实时性要求。实验证明了本文提出算法可以准确有效地处理飞艇视频目标跟踪问题。     

电子稳像算法研究与实现

本文设计了一种适用于移动摄像设备获取的视频序列的不稳定视电子频稳像算法。实验结果表明该算法在当拍摄场景具有一定的纹理信息时,具有较好的稳像效果。     

一种基于卡尔曼滤波的数字稳像算法

经典卡尔曼滤波算法对存在复杂有意扫描运动的视频进行数字稳像时,稳像后的图像帧会出现较大未定义区域,为了解决该问题,文章提出了一种改进的数字稳像算法,并采用块匹配法估计相邻两帧图像的全局运动矢量,使用卡尔曼滤波器对全局运动矢量进行滤波,构造表征未定义区域大小的偏差量,并与滤波器残差相加作为新的残差,根据偏差的大小及其变化,采用模糊控制的方法控制偏差值对新残差的影响。实验结果表明,该方法能够有效滤除视频中的高频和低频抖动噪声,同时明显减小稳像后视频帧的未定义区域。     

基于分块灰度投影的无人飞行器视频稳像方法

针对传统灰度投影算法局部运动影响全局运动矢量估计精度的问题,结合无人飞行器航摄视频图像的特点,提出一种适用于无人飞行器的视频稳像方法. 该方法将图像划分为若干子区域,剔除灰度特征不明显和物体局部运动等影响全局运动估计精度的子区域,对保留的子区域分别采用灰度投影法计算运动矢量,由局部运动估算出图像的全局运动矢量,经过运动决策,将运动补偿矢量应用于图像补偿,获得稳定的视频图像. 对真实无人飞行器航摄视频稳像实验结果表明,该算法稳像准确度与块匹配全搜索算法相当,而单帧稳像时间只有块匹配全搜索算法的1/3,在准确性和实时性方面均优于传统灰度投影算法.      

基于多分辨率光流和多尺度角点的运动车辆跟踪

针对稀疏光流LK(Lucas-Kanade)算法不能稳定跟踪快速移动目标的局限性,提出了基于小波金字塔的多分辨率光流跟踪算法.算法基于多分辨率思想对原始稀疏光流进行了改进,从而实现了准确跟踪快速移动目标.在特征提取方面,提出了多尺度Harris角点检测方法,较好地解决了传统Harris方法的漏检和角点分布不均匀的缺陷,适合复杂交通场景中运动车辆特征提取.实验表明,当运动车辆旋转、移动以及摄像机变焦时,角点始终稳定可靠,并且跟踪算法能够快速、准确地匹配特征角点,实现了复杂交通场景下对运动车辆目标的实时稳定跟踪.