一种VOP生成技术的研究与实现

视频对象平面(Video Object Plane,VOP)的生成是基于对象的编码技术以及基于图像内容的操作的基础。提出了以对象运动特征,在2D+T三维空间进行图像分割的VOP生成技术,特别是在摄像机运动的动态场景中,以全局运动估计技术补偿摄像机的运动,同时以边缘图像与差分图像进行匹配,克服对象高速运动时背景的遮拦与显露造成的影响,准确地生成VOP图像。针对真实场景的实际处理结果表明该算法是成功的。     

多维视觉信息DWT-混沌加密技术研究

针对多维视觉信息图像和视频等的加密问题进行研究,提出一种基于离散小波和混沌序列的加密技术。该方法利用多维可视信号宿主的巨大可转换状态空间及各中间状态间的转换关系,获得一种视觉信息最佳保护系统结构框架模型,根据该模型,用DWT变换压缩知化视觉特征,用混沌序列破坏知化视觉特征,达到保护多维可视信息安全的目的。给出一个具体应用实例,通过仿真实验证明了该算法的有效性。     

光流计算中的时域微分估计误差分析与逐次逼近计算模型

光流计算是实现视频序列中运动补偿滤波和视频对象三维运动分析的基础,也是检测与跟踪可见光图像和红外图像中运动目标的重要前提.而目前各种光流计算方法大多是基于一阶时空梯度的技术,都没考虑时域微分估计误差对计算准确性的影响.分析了光流计算中产生时域微分估计误差的各种因素,提出了光流的逐次逼近计算模型.通过位移预补偿方式减小了时域微分估计中的不准确性,极大地提高了光流计算精度.理论分析和大量对比实验证明,光流的逐次逼近计算模型比通常的光流计算方法具有更高的准确性.     

高速CCD视频信号变换的实现和应用

本文研究高速ＣＣＤ视频信号的变换，应用于高速ＣＣＤ视频信号显示与记录系统。建立并分析了系统中的信号变换模型。基于信号变换模型，给出系统中图像处理板的设计和系统构成，并给出了实验结果。该系统构造灵活，易于剪裁和扩展。通过实现信号变换，不需要昂贵的辅助仪器就可把高速ＣＣＤ电视摄像机和标准ＴＶ监视器、录像机联合起来使用。     

无线多媒体直扩分集系统在衰落信道下的性能研究

针对移动通信系统传输高速率,多媒体业务的需求,提出直扩系统用RAKE接收机的多速率可变处理增益系统,该系统对不同的业务采用同一扩频码,因而,不同速率的业务有不同的扩频增益。通过对多址干扰,多径干扰,和白噪声干扰的高斯近似,得出了各种业务在不同发射概率的情况下,可变处理增益系统在Nakagami信道下的信噪比及误码率的计算公式。最后,给出了两种业务,3种业务可变处理增益系统数值计算结果。研究表明,随着传输数据速率的提高,由于扩频增益的下降将导致系统性能的降低,RAKE接收机却能使系统的性能大大地提高。     

相控红外末制导高速目标检测技术

目标高速检测是红外末制导系统实时跟踪打击的基础 ,小型化的玫瑰线扫描是该类系统的优选扫描制式。研究了扫描参数最优控制准则与模型和快速高效的玫瑰线扫描图像目标检测方法 ,提出高速高效高分辨率成像方程和玫瑰扫描的相位参数控制法 ,得出该准则下的最优相位控制序列 ,以及在最优相位序列控制下成像空间的覆盖率 ,成像空间分辨率与工作区特性 ,并据此提出了分区目标检测技术。最后给出了仿真结果     

双C50多模同步采集高速目标识别系统

研究了红外多模采集转换的系统模型 ,分析了功能状态。研究了基于并行DSP、数据并行通信芯片和可编程逻辑器件构架的可行性系统实现 ,论证了系统的实时并行处理能力。研究了数字锁相实施玫瑰线扫描同步采集方位转换和红外多帧配准图像模糊分割识别系统实现。实验表明 ,该系统具有 2 5 6× 2 5 6像素场景 ,2 5 6级灰度级实时监测和复杂背景下实时识别目标的能力。     

图像目标的可视识别与智能跟踪

本文研究图像目标的可视识别与跟踪,给出了图像目标识别印章模型和系统总体设计方案。在此基础上,采用智能跟踪算法,实现了正常跟踪、判断、预测和记忆跟踪的功能,而且跟踪方式随着环境条件的变化而变化。正常跟踪算法的图像代数描述是简明的,与算法是内在一致的。通过给出两个实时可视跟踪的实例说明在实时ＤＳＰ可视跟踪系统上算法的性能及其可行性。     

可视动目标逐步求精分割技术研究

运动目标识别跟踪系统中 ,目标分割是至关重要的处理环节。由于目标阴影、碎块等因素 ,估计精度受到影响 ,甚至导致跟踪的失败。提出了目标形状波动度的概念 ,并将其作为目标识别特征 ,利用最大似然估计准则 ,对目标初始区进行逐步求精估计。该算法简练实用 ,能有效地提高估计精度 ,为确保目标可靠性跟踪提供了新的手段。     

基于盲均衡的超分辨率图像重建

超分辨率图像的重建是指从一组低分辨率图像重建出更高分辨率的图像。提出采用盲均衡与凸集投影的方法估计成像系统的冲激响应 ,并实现超分辨率图像的重建。这种图像重建算法不需要了解关于帧间运动模式与帧内模糊类型的先验知识 ,因而更接近实际应用的要求。模拟实验的结果表明了该算法的良好性能