Micro-Scanning Error Correction Technique for an Optical Micro-Scanning Thermal Microscope Imaging System

An error correction technique for the micro-scanning instrument of the optical micro-scanning thermal microscope imaging system is proposed. The technique is based on micro-scanning technology combined with the proposed second-order oversampling reconstruction algorithm and local gradient image reconstruction algorithm. In this paper, we describe the local gradient image reconstruction model, the error correction technique, down-sampling model and the error correction principle. In this paper, we use a Lena original image and four low-resolution images obtained from the standard half-pixel displacement to simulate and verify the effectiveness of the proposed technique. In order to verify the effectiveness of the proposed technique, two groups of low-resolution thermal microscope images are collected by the actual thermal microscope imaging system for experimental study. Simulations and experiments show that the proposed technique can reduce the optical micro-scanning errors, improve the imaging effect of the system and improve the system's spatial resolution. It can be applied to other electro-optical imaging systems to improve their resolution.

基于梯度的光流计算方法中梯度计算对性能的影响

基于梯度的方法是光流计算中很重要的一类方法,而梯度的计算对整个算法的性能有着重要的影响。文章考察了几种常用梯度算子对光流计算的影响,并给出了理论分析。实验结果证明理论分析是正确的。

一种改进的基于光流的运动目标检测方法

针对传统的基于梯度的光流方法一般不能检测出帧间位移小于1个像素的运动目标,提出一种改进的基于梯度的光流计算方法.该方法使用了一种新的3DSobel算子计算像素的时空梯度,并增加置信判断算子来确定每个像素对应的光流场,改进的梯度计算过程需要5帧图像.实验结果表明在静止背景的图像序列中,该方法比传统方法能更好地检测出以不同速度运动的目标.

梯度直方图和光流特征融合的视频图像异常行为检测算法

异常行为检测在智能监控系统领域中有广泛的应用前景。本文针对此应用领域,提出了一种结合光流特征和梯度直方图特征的视频异常行为检测及定位方法。首先利用视频背景提取算法进行前景提取和标注,实现对前景信息的分割。然后利用光流和梯度直方图特征提取算法对前景图像分别提取光流和梯度直方图特征,其次,使用支持向量机对数据进行训练和测试。最后结合光流幅度信息与前景标记信息对判断出来的异常行为进行定位。实验结果表明,与先前算法相比,本文算法可以检测出异常行为,并且能够对异常帧进行异常行为定位。

基于HS约束与轮廓条件的光流场计算

针对视频图像中灰度变化与速度场可能存在的非连续区域,提出了一种基于HS(Horn-Schunck)约束与轮廓条件的光流场计算新方法。该方法首先采用高斯滤波器减少噪声干扰;然后采用改进的Horn-Schunck算法计算时空梯度,结合两种不同的约束条件求取光流速度;最后的仿真实验结果表明,该方法能够准确地计算视频图像非连续区域的光流场,并有更好的鲁棒性。

基于复合时空特征的人体行为识别方法

为了有效地表征人体行为中的姿势信息和运动信息,提高行为识别算法的准确率,提出一种融合三维方向梯度直方图特征与光流直方图特征的复合时空特征,并利用其进行人体行为识别.首先采用复合时空特征综合描述三维时空局部区域的像素分布和像素变化;然后构建复合时空特征词典,并根据该特征词典完成对人体行为序列特征集合的描述;最后采用主题模型构建人体行为识别算法,对行为序列中提取的复合时空特征进行分类,实现人体行为的识别.实验结果表明:该方法能有效地提高人体行为识别准确率.

心脏序列图像运动估计新方法:基于广义模糊梯度矢量流场的形变曲线运动估计与跟踪

应用动态轮廓线模型 (ACM)解决心脏运动估计问题是该领域的主要研究方法之一 .采用经典外力和传统ACM模型对感兴趣边缘进行搜索及跟踪时 ,普遍存在模型的局部适应性程度不高的缺陷 .为解决这一挑战性难题 ,该文提出了广义模糊梯度矢量流 (GFGVF)的概念 ,并构造出一组新的Snake平衡方程 ,该方程可对心脏内部边缘逐帧进行鲁棒跟踪 .为进一步跟踪每一特征点的运动 ,该文将前一步的轮廓跟踪结果作为似然条件 ,结合一致性和连续性先验条件 ,通过最大后验概率 (MAP)的方法对整个过程进行了优化计算 .通过对MR及CT两类心脏序列图像进行运动跟踪实验并对计算结果进行多种比较 ,此方法显示了较好的鲁棒性 .

一种优化梯度计算的改进HS光流算法

HS(Horn&Schunck)方法是光流计算中的经典方法之一。在经典HS方法中,图像中两点间的灰度变化被假定为线性的,而实际上灰度变化是非线性的。因此,在HS算法中最小均方差迭代的最终收敛点会产生偏移,从而导致光流计算结果的不准确。为此,详细分析了灰度估计不准确造成的偏差,提出了一种改进HS算法。实验部分给出了改进算法和其他经典光流计算方法的计算结果比较。实验结果表明,改进HS算法可以得到较好的计算结果,并能明显减少光流计算的迭代次数。

改进的光流运动图像分析方法及其应用

针对传统光流运动图像分析方法运动估计精度低且易受各种干扰等缺点,提出一种基于梯度阈值的五置信点约束的改进光流算法。该方法采用五置信点加权法处理像素时间和空间梯度值,减小了单个像素受噪声的影响。对基本光流约束方程进行了梯度阈值处理,剔除了光流场中不利于运动估计的干扰数据,提高了运动图像的运动估计精度。实验分别采用传统算法和改进算法对全局和局部运动场景的视频图像序列进行光流计算,结果表明,该改进光流算法运动估计精度高、抗干扰性强,能准确地反映场景全局运动及场景中的局部运动,比传统的光流算法具有更好的鲁棒性和收敛性,且运算时间缩短了1/3。该光流算法在行车环境传感、交通流分析中具有潜在的应用价值。

一种基于全部和局部平滑光流的分步人脸重建算法

提出一种基于全部和局部(combined local-global approach,CLG)平滑光流的分步人脸重构算法。首先利用原始CLG得到图像初始匹配值;再以反投影残差、光流梯度、人脸光流范围进行约束,找出初始匹配中不可信匹配区域;最后对不可信图像区域提取纹理并再次计算光流值。实验表明,该人脸重建算法的重建精度与鲁棒性比原始CLG算法高,能够得到光顺的人脸三维数据。

基于相位微分技术的光流估计

提出一种基于相位微分技术的光流估计方法。该方法选择6个方向对图像进行G abor滤波,并把每个方向滤波后的图像叠加,作为特征图像计算时空相位梯度,再用相位梯度计算光流。用合成图像和真实图像对本文算法进行测试,实验结果表明,该算法在光流的计算精度优于Horn&Schunck光流算法。

累积方向-数量级光流梯度直方图的人体动作识别

为了提高光流信息在人体动作识别系统中应用的效果和效率,提出一种累计方向-数量级光流梯度直方图的人体动作特征表示方法。该方法首先利用Horn-Schunck充流算法计算图像光流,然后将光流矢量按照不同的方向-数量级进行直方图统计,得到单帧图像的方向-数量级的光流梯度直方图,最后将单帧图像的直方图特征在时间维上进行累积来表示整个视频动作的特征。利用该特征在KTH动作视频库上进行动作识别测试,4个场景的混合测试得到了87.5%的平均正确识别率,验证了算法的有效性。

基于非线性光流方程的数字图像相关非迭代灰度梯度算法

在传统的非迭代灰度梯度数字图像相关算法中,假设变形前后同一个像素点的灰度值相等。但在实际应用中,图像的采集会受到环境光照的变化、相机曝光过度/不足、加载引起被测表面图像变化等因素的影响而引起变形前后图像像素点灰度值的变化。针对这一问题,应用非线性光流方程来描述变形前后像素点间的灰度关系,从而提出一种基于非线性光流方程的非迭代灰度梯度算法。应用模拟实验与真实单轴拉伸实验对算法的有效性与计算精度进行验证。结果表明,该算法对图像的灰度变化不敏感,具有较高的测量精度。

基于图像梯度场序列的双向GDIM光流计算方法

提出了一种基于图像梯度矢量场的双向广义动态图像模型(GFBD-GDIM)光流计算方法.本文方法:在图像梯度场上进行光流估计以减弱光照变化带来的影响;将一个大的运动矢量分解为两个不同方向的子矢量进行估计,有助于减小估计误差,提高计算精度;采用广义动态图像模型(GDIM)对图像梯度场的变化进行建模,可使模型适用于更加一般的场合.图像序列实验表明,本文方法可以获得更加精确和鲁棒的运动矢量估计.

色彩梯度恒常性的光流场估计算法

为提高光流估计的鲁棒性,在彩色图像光流场计算中色彩恒常假定的基础上,进一步假定色彩梯度在运动中保持不变,据此提出了一种基于色彩梯度恒常性假设的光流求解方法,以色彩梯度构成光流基本方程,并对其施加全局平滑约束,以Gauss-Seidel迭代求解光流场,并用中值滤波去除光流场中的异常分量.实验表明,该方法相对于灰度图像序列及彩色图像序列的经典光流场估计算法可取得更好的估计效果.

基于梯度场的彩色图像序列光流场算法

采用动态图像模型,针对实际环境中亮度改变的特点,充分利用彩色图像的色彩信息,提出基于梯度场的彩色图像序列光流法。试验结果表明,本文方法能在光照改变的条件下,得到各种复杂运动连续而一致的光流场。

改进光流法和GMM融合的车辆实时检测算法研究

针对传统光流算法受光照影响较大和在不同场景中检测效果差别较大等问题,提出一种改进的光流法与混合高斯背景模型相融合的运动车辆实时检测算法(improved optical flow and gaussian mixture model,IOFGMM)。首先,在光流算法中加入限制条件使得不同梯度点处采用不同约束;其次,融合高斯混合背景模型(gaussian mixture model,GMM);最后,采用提出的融合算法比较目标框的数量和目标框之间的重叠面积,从而在监控视频中显示出融合后的车辆检测信息。实验结果表明:该算法在3种不同场景视频上的检测效果达到了84.80%的平均准确率,84.79%的平均召回率以及84.63%的平均F1值。与经典的光流法和高斯混合背景模型及基于这两种理论的算法相比,IOFGMM算法的各项指标平均有37%的提高,具有良好的检测效果。

基于梯度投影法的电子稳像算法

灰度投影法在灰度值单一、对比度差的图像序列中的运动估计不精准,易造成误差。针对该问题,提出一种基于梯度投影法的电子稳像算法。该算法根据梯度帧内变化剧烈、帧间变化稳定、梯度投影曲线变化明显等特点,利用图像的梯度分布情况进行运动估计。实验结果表明,该算法可提高微光图像序列的帧间运动估计精度。

形态梯度恒常的复值小波光流求解

为提高光流估计的鲁棒性,假设运动物体形态梯度为不变量,据此提出了一种基于形态梯度恒常性的小波光流求解方法,以形态梯度恒常假设构建形态光流基本方程,并将其映射至小波域,利用小波的多尺度多分辨率特性提高光流求解精度,引入复值小波以降低相位震荡的影响.通过最小二乘法求解超定的小波光流方程组以解得光流矢量,并用中值滤波去除光流场中的异常分量.实验表明,提出的方法在光流求解精度及算法稳定性方面优于传统光流求解方法.

梯度优化的多尺度视频光流估计

提出一种基于梯度优化的不同运动幅度视频图像光流估计的新算法。先用Loggabor滤波器对原视频图像进行相位、尺度滤波,再用所得的特征图像来计算时空梯度,最后根据时空梯度计算光流。该算法模型同时运用由粗到精的图像金字塔方法对视频图像分层处理。理论分析和实验结果表明,该算法适用于大幅度的视频运动光流估计,不仅能得到适合人眼视觉分辨率特性的图像,而且使时空梯度更加优化,光流计算更准确。并且在时间复杂度上与传统光流计算方法相当,在计算精度上优于Horn和Schunck、段先华等人提出的算法。