基于全局补偿注意力机制的战场图像去雾方法

在现代化战争中,广泛利用图像等载体获取信息,但雾天环境下得到的图像不仅影响场景呈现,而且会掩盖重要特征。为提高雾天图像在现代化战争的利用价值,提出一种基于全局补偿注意力机制的战场图像去雾方法。构建全局补偿模块保证输出图像的完整性,并加入通道下采样恢复清晰图像;使用密集残差模块学习退化图像和清晰图像的非线性映射,同时加入注意力机制提高网络的灵活处理能力;通过提升输入图像的通道数量确保网络充分学习特征信息。实验结果表明,与经典和新颖图像去雾方法比较,所提方法在主观和客观评价上均取得出色成绩,说明该方法将注意力机制和全局补偿模块充分结合,有效缓解了战场图像退化问题,同时注重特征增强,使信息得以完整呈现,具有更优越的性能。

基于密集混合注意力和全局补偿的图像去雨网络

针对现有图像去雨算法提取雨线特征效果不佳导致雨纹残留的问题,提出一种基于密集混合注意力和全局补偿的图像去雨网络。通过多层卷积运算,提取输入雨天图像的浅层特征。融合密集连接与残差网络的优势,引入多注意力机制,设计密集残差注意力模块,以此实现特征循环利用并捕获图像的多尺度特征。加入全局补偿模块以确保特征图像提取的全面性。通过卷积层重建特征,得到清晰且无雨的图像。实验证明,所提出的算法优于现有的经典和新颖算法,能有效清除雨痕,并提升图像的整体视觉感受。

基于ROUGH集方法决策规则的全局补偿及其在手写识别中的应用

对于经典Rough集理论中某一类决策或模式识别问题,其样本空间或决策表中客观存在的任何两个样本实例体现的决策规则不可能完全相同。本文对此进行了讨论并提出了RS邻域拓展的全局补偿RS方法。基于上述方法对脱机手写识别英文字母的模板匹配算法进行了优化,说明了其有效性。

一种快速全局运动补偿编码方法

全局运动补偿编码是一种基于模型的编码方法 ,它可以提高编码效率 ,但是目前由于全局运动补偿编码中的一些关键技术 (全局运动估计 )的计算量比较大 ,所以使得全局运动补偿编码还不能在实时应用中得到很好应用 .本文就针对全局运动补偿编码中核心技术进行研究 ,提出快速全局运动补偿编码算法 ,解决全局运动补偿实时编码问题 .通过和MPEG 4中已有的全局运动补偿编码方法实验比较可以看到本文提出的快速全局运动补偿编码方法在保证编码效率的同时编码速度得到了很大提高 .

基于全局运动补偿编码的AVS编码器设计

对全局运动估计算法进行了改进的基础上,提出了基于全局运动补偿编码的编码体系,并实现了基于全局运动补偿编码的AVS编码器。通过标准测试序列的测试表明,基于全局运动补偿的编码器可以使重建图像的质量有一定程度的提高。

基于全局运动补偿的红外目标变换相关跟踪算法

提出了一种新的前视红外序列图像目标跟踪方法.利用基于区域分割和模板匹配的全局补偿算法进行运动估计,有效消除了运动平台中摄像机运动对跟踪性能带来的不利影响.同时,采用二元联合变换相关器进行红外目标的检测与跟踪.通过将振幅调制的功率谱转化为脉冲调制的功率谱,可以获得更清晰尖锐的相关峰,提高了算法的鲁棒性.实验结果表明,该方法是有效的和稳健的.

基于全局运动补偿编码的H.263编码器

全局运动补偿编码是一种基于模型的编码方法,它可以提高编码效率,改善编码图像的质量.全局运动补偿是建立在全局运动估计基础上的,本文对现有的全局运动估计算法进行研究,提出了改进算法,并在H.263编码器上实现了全局运动补偿编码.通过标准测试序列的测试,可以看到基于全局运动补偿编码的H.263编码器的编码效率有了明显提高,同时提出的全局运动估计算法无论是计算时间还是计算准确性都要优于现有算法.

全局运动补偿技术在形状信息错误隐藏中研究

深入研究MPEG-4的形状编码技术和视频图像帧的编码方式,参照全局运动补偿技术,在图像形状信息全部丢失、部分丢失信息变化复杂的情况下,提出一种基于全局运动补偿的前向错误隐藏方法对出现传输错误的图像进行恢复。通过与Cheng方法对比仿真实验证明该方法取得很好的恢复效果,尤其是对象形状信息全部丢失时。

基于全局运动补偿的多运动目标检测方法研究

提出了一种动态背景下的对多个运动目标检测的完整方法。利用基于宏块匹配的六参数全局运动估计方法进行全局运动补偿,有效地消除了摄像机在非稳定运动情况下对目标检测性能带来的不利影响。同时在宏块匹配前进行了预处理,通过预判提取纹理信息丰富的宏块,并在宏块匹配的过程中采用九点十字搜索算法取代传统的三步搜索算法,减少了匹配数据量。通过六参数运动模型计算得到摄像机全局运动参数,然后对运动背景进行全局补偿。补偿后经过后处理提取运动区域。实验证明,本方法能够有效地检测出动态背景下的运动目标。

全局运动补偿的动态背景下运动轨迹跟踪算法

针对动态背景下,一般跟踪算法存在着被动跟踪的滞后或偏移的问题,提出了一种结合Kalman滤波器的Mean-Shift跟踪算法。对运动矢量进行预处理,得到一个平稳更能反映运动信息的矢量场;利用Mean-Shift搜索算法精确地确定对象位置;此基础上,利用Kalman滤波器算法进行运动估计预测,来确定运动的轨迹。实验表明:与现有的方法相比,该方法可从复杂场景中更准确地对运动对象进行轨迹的跟踪。

采用自适应全局亮度补偿的夜间去雾算法

针对夜间雾霾天气情况下还原的去雾图像存在颜色失真、纹理损失严重、去雾效果差等问题,本文提出了一种夜间去雾算法,采用自适应全局亮度补偿、同态滤波、限制对比度自适应直方图均衡化算法以及联合双边滤波对降质图像进行处理,结合大气散射模型得到还原的去雾图像。实验结果表明,该算法的夜间去雾效果好、处理速度快,较对比算法在对比度、平均梯度以及信息熵上均有改善,有效减少了还原图像的颜色失真、纹理损失。

基于光电转台全局运动补偿与YOLOv3网络模型的运动目标检测算法

传统的动目标检测算法存在受噪声干扰大、背景建模时间长、无法识别目标类型等问题,并且背景建模等方法对全局运动存在限制要求.针对上述问题,提出新的运动目标检测算法,采用YOLOv3模型对观察序列中的视频进行检测,获得连续帧的目标识别结果;通过光电转台位置信息估算全局运动,对连续帧目标进行匹配获取一致性关系;计算目标像素速度与目标运动程度估值,判定目标运动状态.以车辆目标视频图像为研究对象,试验表明:算法在英伟达TX2与NX平台实现部署,单帧处理时间分别达到140 ms、36 ms,实现对多个运动目标的实时正确检测,并获取目标像素速度与运动方向等运动信息.

基于运动矢量对消和差分原理的快速全局运动估计

该文针对全局运动估计计算复杂度过高的问题,提出了一种基于运动矢量对消和差分原理的快速全局运动估计方法。基于不同象限运动矢量对之间存在的对称抵消特性,首先估计出平移运动参数分量;再使用运动矢量对的差分原理,并结合一种置信判断的策略,估计出变换运动参数分量。在5组几何全局运动模型和真实视频序列上的实验结果表明,与基于迭代最小二乘(ILS)和基于偏导数(PD)的估计算法相比,该方法在保证估计精度的情况下,所需的平均计算时间只要它们的50%左右。

一种基于L1范数最小化的全局运动估计算法

视频内容的分析与理解往往基于对视频中目标对象的空间、运动特征进行感知。然而,在实际拍摄的视频中,目标对象的真实运动轨迹往往受到同时存在的相机全局运动影响。这种由相机自运动带来的全局运动在当前流行的自媒体视频中十分普遍。为了消除全局运动对视频中对象的真实运动轨迹的影响,提出了一种基于L1范数最小化的全局运动参数估计算法,并在此基础上实现了视频的全局运动补偿,得到了前景对象的真实运动轨迹。实验结果表明该算法能准确有效地去除全局运动的影响并准确恢复出运动对象的真实运动轨迹。

基于傅立叶变换中红外光谱技术的浓香型基酒快速检测

为在线监测浓香型白酒酿造过程中不同馏分的质量情况,以摘酒工艺过程中的基酒为研究对象,利用傅立叶变换中红外光谱结合偏最小二乘法建立了基酒中乙醇、乙酸乙酯、丁酸乙酯、己酸乙酯、乳酸乙酯、乙酸、己酸、丁酸8种化合物的快速检测模型。酒精度、乙酸乙酯、乳酸乙酯预测模型的决定系数R2为0.99,己酸乙酯分析模型的R2为0.95,丁酸乙酯、乙酸、己酸检测模型的R2约为0.90,丁酸模型的R2为0.79。8种化合物的红外光谱预测结果与化学值均有良好的线性相关性,并且化合物含量范围越宽,含量分布越均匀,模型的拟合度越好。不同季节温差大会引起基酒红外吸收光谱波动,导致模型检测准确性降低,通过温度补偿全局校正的方法建立的检测模型解决了这一问题,为实现在线自动化摘酒提供了一种可行性方案。

全局运动序列中运动目标的检测算法

针对全局运动视频序列采用灰度投影法检测序列帧间运动矢量,具有图像信息利用充分、计算精度高等优点,文中采用了改进的三步搜索算法有效地提高了运动矢量搜索速度,降低了运算复杂度,同时保持了运动矢量的搜索精度。通过帧间运动矢量补偿将相邻三帧图像的相同背景稳定在同一幅图像的相同位上,利用改进的三帧差分法检测运动目标区域。结合数学形态学的闭运算和填充运算等提取出运动目标。实验结果表明,该方法能够快速高效地从背景变化的视频序列中提取运动目标,具有较强的鲁棒性和准确性。

基于Rough集方法的RS-MAXNET网络分类器模型

Rough集(RS)理论中如何补偿或拓展RS约简的局部决策规则使之更加接近全局规则是一个重要的议题。本文提出RS与MAXNET网络结合拓展建立RS-MAXNET全局网络分类器模型。基于上述模型进行的脱机手写模式识别算法说明了其有效性。

电子稳像算法的速度与精度改进

电子稳像算法的目的是实时地去除视频拍摄过程中造成的随机不规则运动,以便后端的图像处理操作.针对处理时间以及精度方面进行研究提出了一种电子稳像算法.首先,实现了特征点个数的自适应提取,然后,提出并应用了满足凸优化条件的三点求解和随机点校正来优化仿射矩阵,再对计算过程各阶段误差进行了优化控制,最后,通过局部提取运动目标区域进行动态补偿,将计算时间从20 ms减少到1 ms.实验结果表明,该算法每帧处理时间约为7 ms(不包括特征点提取部分),并具有较好的稳像效果.

噪声环境下基于稀疏表示的说话人识别

在噪声环境下,稀疏表示方法并没有表现出它出色的区分性能,反而由于特征的分散导致性能的大幅下降。根据语音特征参数之间的相关性,提出了一种适用于稀疏表示说话人识别的全局补偿方法。该方法对不同阶特征参数进行逐一分析,目的是为了找出被噪声影响最严重的一阶参数并去除之,以此增强测试语音与训练语音之间的相关性。理论分析和实验结果表明,该方法具有很好的抗噪性能,在信噪比为5d B时,带有白噪声的语句识别率达到了85.7%,而在高信噪比时,其识别率能够达到97.5%,几乎等同于干净语音的识别率。

基于形态重构与跟踪的红外小目标检测算法

结合形态学预处理与基于核密度估计的跟踪,提出了一种新的前视红外小目标检测算法:改进形态重构开Top-Hat算子,解决了原算子对前视红外图像预处理时高亮度背景有残留的问题;先融合初始多帧图像,采用阈值法检测出候选目标,提高检测率,再对候选目标进行跟踪,利用目标运动的连续性,检测出真实目标;引入伪透视运动模型对传感器全局运动进行补偿,避免了由图像抖动导致的真实目标跟踪失败,误当作伪目标去除.仿真实验效果较好.