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。

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.

一种基于全局运动补偿的HS光流检测算法

为了提高复杂背景下运动目标的检测精度,研究了复杂背景下运动目标的检测算法。针对传统的光流算法在摄像机运动的情况下无法有效检测到目标的问题,将全局运动补偿算法与HS光流算法相结合,提出了基于全局运动补偿的HS光流检测算法,在摄像机运动的情况下,可以有效地补偿背景运动对检测目标所带来的干扰。仿真结果表明,所提出的算法能够有效地克服摄像机运动所带来的干扰,准确地检测到运动目标,该算法与传统的光流检测算法相比,具有更强的准确性和鲁棒性。

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。

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。

光电成像制导中地面运动目标检测与跟踪

地面运动目标的自动检测与跟踪是对地精确打击光电成像制导中的核心任务。针对地面运动目标自动检测问题,提出了由粗到精的迭代全局运动补偿算法以补偿动平台引起的背景图像像素位移,基于变化能量测度的独立运动目标检测算法以及基于三帧序列图像的运动目标定位算法。针对地面运动目标跟踪问题,提出了融合运动特征和灰度直方图特征的粒子滤波器目标跟踪算法,实现可靠、稳定跟踪地面运动目标。利用实际航拍视频进行算法验证实验,比较了基于傅里叶-梅林变换(Fourier-Mellin transform,FMT)、Kanade-Lucas-Tomasi(KLT)特征跟踪、Harris角点和迭代全局运动补偿算法,验证了基于变化能量测度的独立运动目标检测算法和融合多特征的粒子滤波器跟踪算法的有效性。

基于SIFT特征匹配和动态更新背景模型的运动目标检测算法

运动摄像机情况下的运动目标检测是视频监控中的难点和热点问题。为了能够有效地检测出运动目标,提出了一个基于SIFT(Scale Invariant Feature Transform)特征匹配和动态背景建模的背景差算法。首先利用SIFT算法提取特征点,采用RANSAC(Random Sample Consensus)方法求得仿射变换模型参数并实现图像的全局运动补偿,然后用背景差方法实现运动目标的检测,同时进行阴影和鬼影的去除。SIFT特征点匹配的准确性和RANSAC方法去除异常点的有效性使得仿射变换模型参数计算准确,动态更新背景模型的背景差则完整地检测出了前景目标。与Ninad Thakoor实验结果对比说明:该算法能够准确地检测出运动目标,并且保持了前景目标的完整性。

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.

动摄像机下基于SIFT特征匹配和MHI的目标检测

摄像机的运动使得复杂背景下动目标的检测复杂化。为了应对动态变化的背景,本文提出基于SIFT特征匹配和运动历史图的目标检测算法。首先用SIFT算法提取特征点,采用RANSAC方法求得仿射变换模型参数并实现图像的全局运动补偿,最后利用运动历史图的方法检测出动目标。SIFT特征点匹配的准确性和RANSAC方法去除异常点的有效性使得仿射变换模型参数计算准确,运动历史图则给出了动目标清晰的轮廓,并指明了动目标的运动方向。与Ninad Thakoor实验结果对比说明:该算法能够准确地检测出动目标,并且显示了动目标的运动方向。

一种鲁棒的背景配准方法

针对传统背景配准算法的精度完全依赖于匹配点的可靠性而导致效果不稳定的问题,提出了一种鲁棒的背景配准算法。根据统计意义下多数表决的原理,建立了利用更多点匹配关系的背景配准模型,并用广义逆变换将其转化为满秩的线性问题来求解运动模型参数,得到了较稳定的背景配准结果。

交通监控视频的快速图像稳定方法

安装在户外的摄像机容易受到各种干扰,因此图像稳定是交通视频监控过程中必不可少的一步。本文采用背景图像中含有较大曲率边缘的区域做运动估计,并判别出全局运动矢量。再根据一个简单的3参数摄像机运动几何模型,估算出全局运动参数,进行全局运动补偿达到快速图像稳定。该方法结合特征匹配方法与运动判别方法的优点,模型参数少,求解过程快,能很好满足监控应用中图像稳定的实际需求,也可以用来对驾驶疲劳警示和车辆碰撞预防等场合获取的视频图像实现稳定化处理。

基于EM聚类的H.264压缩域视频对象实时分割算法

从压缩域直接分割视频对象比传统的像素域分割具有快速高效的特点,目前已有不少从MPEG域分割的方法,但从H.264压缩域分割的甚少。为此提出一种基于H.264域的实时分割运动对象方法,该算法先对当前视频帧进行全局运动估计和补偿,然后对4×4的运动矢量场进行分类处理,最后对非零运动矢量使用改进的EM聚类分割算法。本文算法对多个视频序列进行了实验,结果表明,该算法针对静止背景和运动背景的视频序列都能达到较精确的实时分割。

汽车辅助驾驶系统动态目标检测方法

针对汽车辅助驾驶系统中动态目标检测的复杂背景和实时性要求,提出一种基于改进尺度不变特征变换(SIFT)算子和改进假设检验方法的动态目标检测方法。通过小波多分辨率分析和相邻帧间特征点位置估计改进SIFT方法,实现快速全局背景运动补偿参数估计,并在三帧差分图像上优化背景方差估计过程,解决因目标分布在图像边缘导致传统假设检验方法漏检的问题。实验结果表明,该方法不仅能够保持SIFT算子的优越性能,提高参数估计精确性,而且能加快特征配准和检测速度,满足系统的实时性要求。