针对图像序列的快速低存储开销配准算法

针对序列图像配准问题,提出一种快速低存储开销配准算法。首先,生成一系列与具体图像内容无关的特征点。而后,使用正向-反向跟踪来获取稳定的特征点对,其中,正向跟踪用于获得所有可能的特征点对,反向跟踪用来得到正向-反向误差,并且利用此误差来获取最终稳定的特征点对。最后,在稳定特征点对的基础上通过归一化直接线性变换计算得到可用于图像配准的单应矩阵。实验表明该算法能够提供与优秀的传统算法相当的配准性能。由于该算法对序列中图像之间的连续性进行了充分利用,不仅降低了存储开销,还提高了运算速度。对480×360的序列而言,该算法需要的存储开销仅为421kB,且运算速度达到32帧/s。

针对运动摄像机的快速低存储开销运动目标检测算法

摄像机的运动会导致整幅图像的运动,使得此情形下的目标检测极具挑战性。针对该问题提出一种快速低存储开销检测算法。首先,利用一种快速低存储开销配准方法计算相邻两帧的单应变换矩阵。而后,使用单应变换矩阵进行相邻两帧之间的配准,并由帧间差分获取帧间运动信息。最后,采用积累运动信息的方式构造不断更新的运动图像,通过对此运动图像进行阈值分割分离出最终的运动目标。在多个不同视频序列下的实验表明该算法能够有效地从嘈杂的场景中检测出运动目标。此外,与先前算法相比,该算法检测性能更好,且显著地降低了存储开销与计算时间开销。对于480×360的序列而言,该算法需要的存储开销仅为825 kByte,且运算速度达到16帧/m。

低存储资源开销的多路快速星点质心提取方法

数据更新率是星敏感器的一项重要指标。随着大面阵图像探测器的应用,传统单路质心方法的处理速度已成为更新率的主要瓶颈。为此,提出一种多路快速星点质心提取方法。首先,采用基于目标行方向有效长度的边界目标信息融合技术,能够实现各种形状边界目标信息的正确融合。其次,采用动态双指针循环映射机制,能够对无效信息占用存储资源进行循环利用,大大提高了存储资源的利用效率。最后,对本文方法进行实验测试,并在相同现场可编程门阵列(FPGA)芯片上,与传统单路质心方法的性能进行对比分析。实验结果表明,本文方法处理速度约为传统单路质心方法的3. 6倍,但使用的存储资源仅约为后者直接扩展的多路方法的40%,从而验证了本文方法的可行性与有效性。