基于光流分析的车辆转弯及上下坡信息获取

传统的前照灯系统存在安全隐患,自适应前照灯系统(AFS)可以有效消除安全隐患、降低交通事故率,准确获取行车环境特征信息是AFS实现自适应照明的前提条件.文章采用摄像头获取车辆夜间行车时驾驶员视野前方视频图像序列,提出了一种图像区域分割方法,结合基于光流模型的图像运动估计方法计算出各个区域的所有像素点的光流速度,并依据不同区域光流速度提出车辆行车环境特征判断准则,来获取夜间行车转弯及上下坡信息,实验证明了该方法的有效性.     

傅里叶相移特性在视频交通流车速测量中的应用研究

提出了一种从频率域出发,估计出运动物体在空间域上位移的算法.利用傅里叶变换的自配准性质和位移特性,用极坐标形式下连续图像相位谱的差直接估计运动目标的位移,并进一步推广用于解决高速公路上视频交通监测中车速的非接触式、动态和高精度测量.与传统的寻找迪拉克峰值的方法相比,该算法先求出相位谱的差,再用其周期数来估计位移的算法简单明了,由于其无需重新变换回空间域,从而节省了处理时间,具有更好的实时性,且精度高,实验证明其分辩能力不低于一个像素,其平均测速精度不低于95%.     

傅里叶变换在雷达视频运动目标检测中的应用

基于雷达视频的运动目标检测在国防和民用领域具有重要的应用价值。本文介绍了傅里叶变换在雷达视频运动目标检测的应用,该方法应用图像视频空间和时间之间的关系检测运动目标,它并不需要目标的数量、形状、大小和体积等先验知识。实验证明了该方法的有效性。     

傅里叶变换在雷达视频运动目标检测中的应用

基于雷达视频的运动目标检测在国防和民用领域具有重要的应用价值。本文介绍了傅里叶变换在雷达视频运动目标检测的应用,该方法应用图像视频空间和时间之间的关系检测运动目标,它并不需要目标的数量、形状、大小和体积等先验知识。实验证明了该方法的有效性。     

一种提高视频车速检测精度的方法

通过对基于虚拟线的机动车视频测速方法的精度分析,提出了一种提高测速精度的方法.该方法在车道上定义一个矩形检测区,该检测区在视频图像上呈现出梯形,采用二维图像标定方法将梯形图像区域中任意一点的图像坐标准确地映射为检测区内对应点的地面坐标.通过在车辆经过检测区的视频图像中选取适当的图像帧,可以获得车辆的位移及对应的时间间隔,从而获得较高精度的速度测量结果.     

基于视觉检测技术的轨道车辆车门运动测量方法

轨道车辆车门动能测试需加装相应的传感器,由于轨道车辆车门产品的空间限制,难以加装体积较大的传感器,使得运营现场轨道车辆车门动能测试难度较大.将视觉检测技术运用至轨道车辆车门运动测量方案中,结合Matlab和Python开发一个适用于轨道车辆车门运动测量的视觉检测系统.该系统通过视频信息图像化获得某个测试点的像素位移,通过像素位移与实际位移的转换关系得到某个测试点的实际位移,并以此形成车门位移-时间曲线、速度-时间曲线、动能-时间曲线,为轨道车辆车门运动特性的研究提供验证参考.     

动态投影栅线的加窗傅里叶分析方法

提出一种基于动态投影栅线的全场非接触测量振动或者连续变形物体的位移、速度和加速度的方法.利用高速摄像机采集一系列随时间变化的投影栅线图.加窗傅里叶变换由于可进行局部分析和更好地抑制噪声,被用来提取单幅栅线图的相位.经过对序列投影栅线图在空间域上的处理,得到包含位移信息的三维复相位矩阵.再通过加窗傅里叶脊对位移在时间域上的分析,进一步提取出物体的速度和加速度分布.连续振动悬臂梁的测量实验结果表明,动态投影栅线结合加窗傅里叶分析能够得到动态变形物体上每个点的瞬时的位移、速度和加速度分布,证实了该方法的有效性.     

一种遥感影像亚像素快速配准方法

针对经典亚像素配准算法运算效率不高的情况,提出一种快速亚像素配准方法。在原有傅里叶变换相位相关方法与矩阵乘法离散傅里叶变换方法的基础上,利用有效子图代替原图进行图像亚像素配准。首先将各子图进行小波变换获得三方向高频分量,通过比较高频部分能量总和的大小来判断用于像素级配准的有效子图,利用有效子图计算相位相关的频谱峰值获取图像配准的像素级位移,然后利用矩阵乘法离散傅里叶变换上采样方法求出图像配准的亚像素级位移。经模拟试验与工程实例,综合分析该方法的配准精度与配准速度,证明改进方法较经典亚像素配准算法效率更高,更适合应用于实际遥感影像的高精度配准。     

一种提高视频车速检测精度的算法分析和实现

通过对基于虚拟线的机动车视频测速方法原理和精度不理想的分析,文章提出了一种提高测速精度的方案。该方案在车道上定义了一个矩形检测区,由于透视现象该检测区在视频图像上呈现为梯形,采用摄像机定标方法可将二维图像上梯形区域中任意一点的图像坐标较准确地映射为检测区内对应点的地面坐标。通过在车辆经过检测区的视频图像中选取适当的图像帧,可以获得车辆的位移及对应的时间间隔,从而获得较高精度的速度测量结果。     

一种新的流体质扩散激光全息干涉图像处理方法

将基于傅里叶变换的相位检测原理应用于流体质扩散系数测量中的图像数据处理，提出了一种新的流体质扩散激光全息干涉条纹图像的处理方法。该方法由小波变换去噪、频域窗口滤波、全息图物像再现及最小二乘法相位展开等步骤组成。采用该方法对实验中采集的标准体系0.33mol／LKCl溶液在298.15K下与水的质扩散干涉条纹图像，     

采用小世界免疫克隆算子的频率域图像配准

为满足智能寻位加工中对零件图像配准速度和配准精度的高要求,提出了一种采用伪极快速傅里叶变换(PPFFT)和小世界-克隆选择算法(SWCSA)的图像配准方法(PPFFT-SWCSA).首先对图像进行伪极快速傅里叶变换,然后利用变换后获取的频谱特征信息设计优化算法的代价函数,最后采用SWCSA算法得到2幅图像间的配准参数.采用PPFFT降低了运算复杂性,提高了运算速度;采用SWCSA算法,克服了图像配准中常用的相位相关法无法检测到图像间较小偏移量的缺点.实验结果表明,PPFFT-SWCSA方法的配准角度精度可以达到空间0.2°,在对图幅为256×256像素的图像配准实验中,PPFFT-SWCSA方法的配准速度比基于离散极坐标傅里叶变换和相位相关法的配准速度快2倍.     

基于二次傅里叶频谱的运动模糊方向精确检测

针对运动模糊图像的模糊方向检测问题,分析了运动模糊图像的频谱特性,提出基于二次傅里叶频谱的运动模糊方向检测方法.首先,对模糊图像做2次傅里叶变换得到二次傅里叶频谱;其次,对频谱各像素按灰度值大小做排序,取排序第100的像素灰度为阈值使频谱转换为二值图像;最后,过二值图像中心作不同斜率的直线,通过计算所有亮点到直线的距离确定运动模糊方向.实验数据显示,该方法检测运动模糊方向的精度高,且具有较强的抗噪声能力.     

一种基于快速傅里叶变换的分区域图像配准方法

为提高图像配准的速度,提出了一种基于快速傅里叶变换的分区域图像配准方法.在图像中选取一块小区域代替整体区域,根据对数-极坐标变换、傅里叶变换的特性确定图像间的比例和旋转变化,利用傅里叶的相位相关技术确定图像间的平移关系,从而求出图像的配准参数,最后利用这个配准参数对待配准图像进行全局配准.此方法改进了利用全图求取配准参数的过程,利用小区域变换得到配准参数,减少了运算量,提高了运算速度.     

运动目标检测的三帧差分和背景消减研究

本文介绍了一种基于视频监控系统的运动目标检测方法。这种方法综合利用三帧差分和背景消减来进行运动检测的方法。这种算法在帧差法的基础上,得到完整可靠的运动目标图像。在铁路视频监控系统中主要使用固定摄像机对一固定场景进行监控,因此,图像序列三帧差分方法在智能化铁路视频监控系统中是一种重要的运动目标检测方法。     

小波分析在视频检测中的应用

针对复杂背景下机器视觉系统中运动目标的检测,提出一种基于小波分析的运动目标检测方法。首先,利用双Haar小波软阈值法,去除视频图像的噪声。然后,建立了一种基于小波变换的运动目标检测算法,直接在二进小波变换域提取运动区域,从而检测出运动目标。实验结果表明,本文方法可以有效地从图像序列中检测出完整的运动目标,而且在平滑噪声的同时还可以保护图像边缘细节不受损失,效果要好于传统帧差法。     

基于小波变换的块匹配运动估计方法

将小波变换引入低码率视频图像序列的运动估计研究中，提出了基于小波变换的块匹配搜索方法．该方法的特点是可根据运动物体的大小和运动程度，用可变宏块进行运动估计，统一了匹配块和匹配点的搜索，发展了一种改进的三步搜索算法．实验结果表明，该算法比三步法有更高的精度，更适应低码率和多细节视频图像传输中的运动估计．     

基于背景重建的序列图像车辆目标检测方法

针对静态摄像条件下视频序列图像,提出一种基于背景重建的序列图像车辆目标检测方法.该法先选取一帧图像存入背景缓冲区,然后根据当前帧图像与前一帧图像、背景图像的差分信息对背景缓冲区的背景进行更新.通过运动区域检测、噪声去除、连通单元标记、目标提取、阴影检测等处理,能获取完整的车辆目标区域.实验结果表明,该方法快速、准确,具有较好的实用价值.     

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。     

基于高斯金字塔与双边滤波的隐藏目标检测

隐藏目标通常处于视觉静止状态,其存在的微小运动不易被发现.当视频中存在隐藏目标时,其微小运动很难被检测到.针对该问题,提出一种将高斯金字塔算法和快速双边滤波相结合的隐藏目标微小运动检测方法,首先对视频图像的序列做多尺度的空间分解,然后对采样数据图进行滤波去噪,再经过视频重建后利用帧差法获取差分图像.实验结果表明,该方法与帧差法等相比,检测速度达到56.76帧/s,检测速度平均提高了4.14倍.帧差结果图的相似度最低,对隐藏目标的检测效果最显著,能在保证检测性能的同时提高检测速度.     

基于背景差法的运动目标检测

视频序列图像中,视频分割的主要目的是要在视频序列中分割出具有意义运动对象实体.背景差法能够很好地从一段视频中提取出运动目标.可靠的背景图像的提取是该算法的关键.表述了一种新的背景提取算法,利用图像序列的灰度统计特性来提取背景图像,并利用Surendra背景更新算法根据每帧图像对背景进行更新已获得可靠的背景.然后,将当前帧与背景作差,并对差值图像进行适当处理,这样运动目标就能够被精确地提取出来.