空间自适应正则化的图像超分重建算法

为提高稀疏表示系数的精度和图像的分辨率,提出一种基于稀疏表示和正则化技术的超分重建算法.首先引入自回归正则化项,通过样本图像来训练出描述图像局部结构的自回归模型,每个图像块自适应选择一个自回归模型用以调节解空间,实现图像局部的自适应性控制.然后,引入非局部相似正则化项作为自回归正则化项的补充,用于保持图像边缘清晰度.从而,完整构造出一种基于自回归正则化和非局部相似正则化的稀疏编码目标函数.为了进一步恢复图像,实现图像去噪、去模糊,利用总变分正则化实现全局优化.实验结果表明,与L1SR、SISR、ANR、NE+LS、NE+NNLS、NE+LLE和A+(16 atoms)等算法相比,无论在主观视觉效果还是客观评价指标上,提出的算法都取得了更好的超分重建效果.

基于带间预测的非负支撑域受限递归逆滤波盲复原算法

针对非负支撑域受限递归逆滤波(NAS-RIF)算法对噪声敏感和耗时长等缺点,提出了一种改进的NASRIF盲复原算法。首先,为了改进原始NAS-RIF算法的抗噪性能和复原效果,引入了一种新的NAS-RIF算法代价函数;其次,为了提高算法的运算效率,结合Haar小波变换,仅对低频子频带的图像进行NAS-RIF算法复原,而高频子频带的信息,则通过带间预测分别从低频子频带的复原图像中预测得到;最后,为了保证高频信息的准确性,提出了一种基于最小均方误差(MMSE)的带间预测。分别对模拟退化图像和真实图像进行了仿真实验,采用该算法得到的信噪比增益分别为5.221 6 d B和8.103 9 d B。实验结果表明:该算法在保持图像边缘细节的前提下,能够较好地抑制噪声;此外,该算法的运算效率也得到了较大的提高。

抗遮挡的相关滤波目标跟踪算法

针对传统的核相关滤波目标跟踪算法遮挡判断失败的问题,提出一种抗遮挡的核相关滤波目标跟踪算法.首先,在核相关滤波器框架上根据最小二乘分类器获得目标位置.然后,引入一个多尺度滤波器,并通过计算滤波器的响应最大值进行尺度预测.最后,在目标模型更新方面,根据目标位置置信图峰值尖锐度的差异性,正确更新模型.实验结果表明:文中算法的平均位置误差为6.18px,在阈值为20px时,平均距离精度为97.68%,平均帧率为30.8帧·s^(-1);其能在复杂背景下有效地解决目标尺度变化、完全遮挡等问题,具有更高的鲁棒性和精确性.

相关滤波目标跟踪算法研究

近年来,相关滤波目标跟踪在视觉领域中受到了越来越多的关注,并取得了令人瞩目的成果。该文对目前基于相关滤波的跟踪算法进行分析研究,首先提出了一个通用的相关滤波目标跟踪框架,然后讨论几种经典的跟踪算法,并对其改进算法进行分析归类,主要分为尺度更新、背景遮挡;最后通过仿真实验对几种算法性能进行分析,并提出相关滤波跟踪技术存在的问题。

联合稀疏表示和总变分正则化的超分辨率重建方法

为提高基于稀疏表示的图像超分辨率重建的质量,该文提出了联合稀疏表示与总变分正则化的超分辨率重建算法。首先,在字典训练阶段,从具有相似统计特征的训练图片中获取图像块,作为训练字典的样本,并用K-SVD算法进行字典训练,得到高、低分辨率的字典。在稀疏编码阶段,根据局部稀疏编码模型求解出低分辨图像的稀疏表示系数,再利用稀疏表示系数和高分辨率字典对输入低分辨率图像进行重建,得到高分辨率图像。最后,将重建得到的高分辨率图像进行总变分正则化优化,进一步提高重建效果。仿真实验结果表明,该算法在客观评价指标和主观视觉效果上,图像质量都有明显提高。

基于云控制的运动控制卡硬件设计与实现

该文针对现有运动控制卡价格高、操作不够便捷等缺点,设计了基于云控制的运动控制卡硬件平台。该设计采用DSP+ARM双处理器架构,DSP主要负责运动控制算法的实现,ARM充当管理者的角色,主要负责硬件资源的调度;引入以太网技术,通过以太网传输取代传统运动控制卡基于PCI总线或ISA总线传输。该设计能够实现多个运动控制卡共享一台PC主机,从而降低成本;同时由于以太网技术的引入,使运动控制系统范围扩大,实现多个运动控制卡构成一个多层次的运动控制系统,也便于实现远程诊断功能。

基于CV模型和快速Hough变换的虹膜

为提高虹膜定位的精确度和可靠性,提出了一种基于CV模型和快速Hough变换的虹膜定位算法。首先,本文算法将图像进行形态学预处理,提高了定位的准确性;然后,采用CV模型根据能量函数参数化取极小值原则,借助图像力作用得到虹膜内圆轮廓,使得定位结果精确;最后,在虹膜外圆定位时,由于受干扰较多,通过快速Hough变换对虹膜外圆拟合。在2个虹膜数据库上进行算法性能验证,实验结果表明,本文方法的准确率为97.12%,且在准确率和定位时间上都优于同类方法。

非局部相似和双边滤波的图像超分重建

为了提高重建图像的分辨率,提出一种改进的稀疏表示超分重建算法.在稀疏编码阶段,引入非局部相似正则化以改进稀疏编码目标函数,并通过非局部相似正则化获得图像非局部冗余,以保持图像边缘信息.为了进一步恢复图像的边缘细节信息,提出一种基于改进双边滤波的全局误差补偿模型,以实现重建图像的误差补偿.实验结果表明:与Bicubic,L1SR,SISR,ANR,NE+LS,NE+NNLS,NE+LLE和A+(16atoms)等算法相比,无论在主观视觉效果,还是在峰值信噪比和结构相似性指标上,所提算法都有显著的提高.

单目标跟踪算法综述

目标跟踪是计算机视觉领域的一个基本问题,具有广泛的研究与应用价值。该文根据算法理论的不同,将目标跟踪算法分成目标表观建模和跟踪策略两部分,又将目标表观建模分成生成式跟踪和判别式跟踪分别进行介绍;从基于均值漂移和滤波理论两方面介绍跟踪策略;并重点介绍了基于深度学习的相关算法,总结了深度学习算法的优缺点。

改进的自适应核相关滤波目标跟踪

利用核相关滤波器跟踪框架,提出一种改进的自适应颜色属性的目标跟踪方法.首先,构建循环样本矩阵,引进颜色属性作为特征描述目标;然后,采用流行学习局部线性嵌入(LLE)算法自适应地对特征向量进行降维,得到低维特征空间;最后,根据正则化最小二乘分类器获得目标位置.实验结果表明:文中算法的平均中心位置误差减少了21.29px;在阈值为20px时,平均距离精度提高了27.9%,平均跟踪速度为38帧·s^(-1);与传统核相关滤波(KCF)算法相比,文中算法具有良好的光照不敏感性及更高的跟踪精度和鲁棒性.

基于改进的TLD算法的手势跟踪算法

该文在分析表征手势特征基础上,分别根据金字塔LK原理、FERN分类原理和P-N学习原理及手运动轨迹的连续性规律来研究适用于手势识别的关键技术,即手势目标跟踪技术、P-N学习的样本增长和修剪技术的算法。针对目前在手的局部区域跟踪过程中,手势目标跟踪失败后难以恢复和容易受到脸部、肤色和手臂的干扰等问题,该文在TLD单目标跟踪算法的基础上,提出了一种改进的多目标手势局部区域跟踪TLD算法,针对算法的检测模块,在FERN分类器的基础上,采用颜色特征相交系数的方法,改进FERN分类器的第一级方差分类器;还提出一种自适应坐标系的方法,缩小了检测模块扫描窗口的滑动区域。通过仿真实验证明,相对于原算法,这一改进算法在客观评价指标和主观视觉效果上都有明显提高。