基于运动矢量场的二维到三维视频转换技术

给出了基于运动矢量场分析的二维到三维视频转换方案.提出了基于运动矢量场分析的背景运动矢量自动调整算法,并且给出了通过最大运动矢量对深度伸缩系数调节方法.实验证明,采用该方法对背景运动的视频同样取得了较好的深度图效果.并且对提高三维视频生成的质量有益.     

基于自适应邻域概念的实时视频预处理算法

针对各种实时视频应用领域的实际要求，提出了一种新颖的实时视频预处理算法。该算法将自适应邻域的概念应用到视频信号预处理中，并融合线性均值滤波和非线性中值滤波两种方法的优点，能够同时有效地抑制加性高斯白噪声和稀疏的冲击噪声，并能完好地保持图像的边缘，因此，成功地弥补了传统算法的不足．此外，该算法较低的运算复杂度使得它可广泛应用于各种实时环境．仿真和实际使用结果表明，通过预处理后的图像的确获得了良好的视觉效果．     

基于凸包计算和颜色特征的显著性检测算法

针对传统的显著性检测算法存在区域亮度不够、显著区域不准确、有背景噪声等问题,提出一种基于凸包计算和颜色特征的显著性检测算法.考虑到图像在不同的颜色空间中颜色取值范围不同,首先,在多种颜色空间经过超像素分割得到区域对比图;然后,在CIELAB颜色空间中得到平滑的通道差值图;其次,利用颜色增强的Harris形成凸包得到中心先验图以及凸包结构图;最后,将4种显著图特征融合并优化得到最终显著图.新算法更加接近人工标注图的结果,不仅能够从背景中分离出显著物体、抑制背景干扰和凸出显著区域,而且获得全分辨率的显著图.在公开的图像数据集上将新算法与其他现有8种显著性检测算法进行对比,实验结果表明,新算法优于其他算法.     

基于视觉显著性的突变运动目标跟踪

针对突变运动下的目标跟踪问题,提出一种基于视觉显著性的粒子滤波跟踪算法.该算法将基于视觉注意机制的视觉显著图引入粒子滤波框架中,根据视觉显著图的显著性区域,按"胜者为王"和"返回抑制"机制进行目标检测,并以检测结果为全局建议分布进行粒子采样,从而完成全局状态空间的搜索,有效地避免了陷入局部极大值.同时,为增强目标区域在视觉显著图中的显著性,将自底向上和自顶向下的计算模型相结合,根据目标模板对各个特征显著图进行自适应权值计算,并按权值融合产生视觉显著图.实验结果表明,针对不同类型的突变运动跟踪场景,该算法均能表现出较好的鲁棒性.     

超像素梯度流与元胞机融合的视频显著图检测

使用静态空间特征通常无法得到准确的视频显著性目标对象,提出了超像素梯度流场与元胞自动机融合的视频图像显著性检测方法.首先,使用SLIC方法将视频帧分割成超像素,在超像素级上运用光流梯度和颜色梯度生成一个时空梯度函数,由时空梯度得到新的梯度流场值,将视频中运动信息充分利用起来;其次,在视频帧超像素图像上使用卷积神经网络得...     

基于运动矢量排序的视频可逆信息隐藏

针对现有基于运动矢量的视频信息隐藏算法影响解码后的视频质量的问题,提出一种基于运动矢量排序的可逆信息隐藏算法。该算法把运动矢量分为若干组,并将每组中的运动矢量按升序排列,在最大（小）值与次大（小）值的差值中嵌入秘密信息,实现了解码端运动矢量的无损恢复。实验结果表明,提出的方法具有良好的视觉质量。与同类型信息隐藏算法相比,该算法的峰值信噪比和结构相似性的变化值平均降低了59.36%和41.38%。     

多目标显著性区域提取算法

结合对象估计和超像素分割,提出面向多目标的显著性区域提取算法.首先,应用对象估计对图像中的多目标作初步检测,得到若干个显著性区域的初步结果;然后,再将这些显著性区域与超像素分割的结果作图像拼接,完善这些显著性区域;最后,将图像拼接的结果二值化,作为多目标显著性区域提取的最终结果.结果表明:所提算法可实现面向多目标的显著性区域提取.与3个经典算法的比较结果表明:所提算法在面向多目标显著性区域提取时更优.     

两种最新的运动矢量搜索算法

本在对块区配运估值算法进行简要探讨的基础上，重点介绍了两种最新的运动估值算法－预测搜索算法（ＰＳＡ）和灰色搜索算法（ＧＰＳ）。这两种算法利用了运动矢量的时间、空间相关性，可以明显的减小搜索范围，提高搜索效率，并能给出正确的运动矢量。     

改进凸包的贝叶斯模型显著性检测算法

针对传统贝叶斯模型算法对图像显著区域检测精度需要进一步提高的问题,提出一种改进凸包的贝叶斯模型显著性检测算法。首先,利用流行排序算法对图像进行前景提取,提取的前景区域作为贝叶斯模型的先验概率;其次,利用颜色增强的Harris角点检测算法检测图像在RGB,HSV,CIELab 3个颜色空间中的特征点,分别构造RGB,HSV,CIELab空间的凸包,求取3个颜色空间下的凸包的交集;再次,通过贝叶斯模型根据先验概率、凸包与颜色直方图结合得到的观测似然概率计算获得显著性区域图;最后,将新算法在两大公开数据集MSRA和ECSSD中进行测试。结果表明,新算法能够有效抑制背景噪声,完整检出显著区域,F-measure值在MSRA和ECSSD数据库中的测试结果分别为0.87和0.71,准确率-召回率曲线在复杂图像数据库高于传统经典算法。新算法改进了传统经典算法的检测效果,进一步提高了显著图检测的准确性。     

融合运动和空间关系特性的显著性区域检测

为了解决传统视觉显著性模型在复杂现实场景中容易失效的问题,提出了一种融合运动和空间关系特性的显著性检测方法.在颜色对比度的基础上,引入图像中目标的空间深度关系和运动特征.首先建立深度显著性模型,并使之与颜色显著性融合获得空域显著图;然后通过分析运动矢量得到运动特征显著性,并采用加性融合和乘性融合联合的方式计算出最终的显著图.实验分析建立在多个立体图像数据库之上,量化评价和视觉观测均表明:本方法可以有效地提取显著性区域,检测效果优于传统方法.     

运动补偿快速算法的探讨

本文首先对现存在的运动补偿算法进行了理论分析，然后在此基础邮一种新的快速算法，该算法是简单性，可并行性，搜索次数减少等特点，并且，本文还对各种算法进行了计算机仿真实验，其结果进一步显示了该算法的优越性。     

视频编码中运动矢量估计的快速算法

提出了一种估计运动矢量的快速算法，计算机模拟结果表明，该算法的计量量在大低于二一搜索的方式，在性能上又优于三步做法等快速算法，适宜和在实时视频编码中。     

基于显著性保持的多聚焦图像融合

提出一种基于显著性保持的多聚焦图像融合方法.该方法首先利用显著性评测函数计算源图像的显著性特征,然后利用显著性系数构建融合图像的目标梯度,最后迭代求解得到融合图像.同时研究了利用显著性特征融合彩色图像中的色调和饱和度分量.多聚焦图像上的实验结果表明该算法相比较其他算法具有更好的融合效果.     

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。     

融合注视点预测和流形学习的显著性目标分割

针对现有显著性分割算法在图像背景复杂时先验知识不够健壮的问题,提出一种融合注视点预测和流形学习的显著性目标分割算法,能有效地对复杂场景中的显著性目标进行分割.该算法通过引入注视点先验知识和提取超像素分割图,预测并粗分割场景中的显著性目标;为了进一步提高显著性分割的性能,利用色彩模型(CIE-Lab)空间的颜色对比度表示超像素的特征;通过基于流形学习的方法对粗分割区域进行显著性优化,提高了分割精度.实验结果表明:在处理复杂图像集过程中,相比其他分割算法,该算法性能提高了21.8%,并且在不同环境下的显著性目标分割的鲁棒性更好.     

一种基于运动矢量的视频水印方案

提出一种改进的基于运动矢量的视频水印方案,该算法有下述优点:①根据水印嵌入容量自适应调整嵌入策略,以满足不可感知性要求;②水印嵌入对差分编码运动矢量造成的误差累积减小;③与MPEG-2视频编码语义紧密结合.实验证明所提出的视频水印算法具有较低的计算复杂度,对视频码率转换具有高的鲁棒性.     

运动惯性信息在视频编解码中的应用

为了改善视频编解码器的性能,提出了一种惯性预补偿技术,可以跟踪由物体运动惯性引起的视频序列在时域上的相关性。借助这种技术,为视频编码器的运动估计单元寻找到相当精确的初始运动矢量,给运动补偿结果带来近1dB的增益。同时,结合简单的前背景分割,这种预补偿技术可以使解码端在仅使用块运动矢量的情况下得到比传统帧插值技术更平滑的重建效果,有效地提高了视频回放的帧率。H.263编解码器的实验表明:上述方法可以提高视频编解码器的实际性能。     

复杂背景中视频图像目标的检测

研究带有运动景物的复杂背景中视频图像运动目标的检测。用图像差分法提取运动目标信息;针对运动景物在差分图像中产生强脉冲干扰的特点,提出K领域自适应滤波算法;采用二维熵准则选择最佳二值化阈值;最后用图像形态学运算处理目标的分割碎块。中给出了实验结果。     

基于运动矢量的视频可逆隐藏算法

针对现有的基于运动矢量的视频信息隐藏算法存在破坏矢量局部最优性这一问题,提出一种基于视频运动矢量的可逆信息隐藏算法。算法对利用增强预测区域搜索(enhance predictive zonal search,EPZS)算法得到的最优预测矢量与运动矢量的差值进行微调,在差值的最低有效位嵌入水印。通过矢量差值扩展,实现了解码端运动矢量的无损恢复,让信息的嵌入不影响矢量的局部最优性,保证了解码视频质量不受运动矢量改变的影响。与传统的基于运动矢量的信息隐藏算法相比,本算法在嵌入水印的同时未大幅增加引入码流量。实验结果表明,该算法在控制码流和解码端的视频质量方面均具有良好的性能。     

一种基于运动矢量的视频水印方案

提出一种改进的基于运动矢量的视频水印方案，该算法有下述优点：①根据水印嵌入容量自适应调整嵌入策略，以满足不可感知性要求；②水印嵌入对差分编码运动矢量造成的误差累积减小；③与MPEG-2视频编码语义紧密结合。实验证明所提出的视频水印算法具有较低的计算复杂度，对视频码率转换具有高的鲁棒性。