面向增强视频的基于结构和运动恢复的摄像机定标

提出了一种高效鲁棒的长序列摄像机定标算法,能稳定处理焦距未知且变化的视频序列,适用于增强视频的应用.该算法从长视频序列中根据特征匹配点提炼出相互之间具有较长基线的关键帧,以保证求解的稳定性.算法先在关键帧序列上渐进式求解,以准确恢复特征匹配点的三维结构信息;利用精确恢复的三维点,求解整个序列的摄像机运动参数.该算法选择最适合初始化的三帧求解,并将解及时从射影空间转换到欧氏空间.实验结果显示了所恢复的摄像机参数和三维点的高度精确性,证明了该方法稳定高效,能够满足增强视频的高端要求.

基于三维卷积时空融合网络的压缩视频质量增强算法

视频数据在存储与网络传输时,通常使用标准压缩算法对原始视频进行压缩。针对压缩后视频存在压缩伪影导致视频质量下降的问题,本文提出一种基于深度学习的后处理方法提高压缩视频质量。首先,提出一种新的三维卷积时空融合网络(3D-CSTF),通过三维卷积的滤波特性提取连续视频帧之间的时空信息,并利用视频帧之间信息的强相关性来提高视频质量。其中,设计了一种用于映射和提取视频帧特征的质量增强网络(Qe-Net)。其次,将7个连续的视频帧送到网络进行端到端训练,利用前3帧和后3帧的信息增强当前帧。最后,在MFQE数据集上进行训练和测试。实验结果表明,该方法在视频质量评估标准峰值信噪比(PSNR)上取得了良好的性能。当量化参数(QP)等于37、32、27和22时,相比压缩后的视频,PSNR分别增加0.82 dB、0.83 dB、0.79 dB和0.74 dB。

基于多路光流信息的微光视频增强算法

图像和视频是记录真实场景信息的重要媒介,它们包含丰富而详细的视觉内容,可以开发各种智能系统来执行各种任务。特别是对于低照度条件下的视频,提升其清晰度和细节可以更好地表现和还原真实场景。针对在夜间低照度环境条件下对周围环境感知的需求,提出一种基于多路光流信息时间一致性的微光视频增强算法。通过引入预测的光流与真实的光流信息,构建三分支孪生网络对微光视频进行增强;同时针对微光视频存在的低信噪比以及模糊化问题,设计一种基于双尺度注意力机制的微光视频去噪模块(CA-Swin模块),以提升网络的去噪性能。通过在DAVIS数据集上进行对比实验和评估,得出所提网络在增强微光视频方面更高效,鲁棒性显著;且该策略还具有通用性,可以直接扩展到大规模数据集。

基于改进CLAHE算法的夜间道路视频增强

由于晚上光线微弱、可见度低等因素,导致夜间监控拍摄的视频亮度低且模糊,进而影响视频质量。本文将拍摄的视频流按帧率解析成照片后,对照片进行增强,再将增强后的照片逐帧合成视频。首先对解析的帧使用小波阈值进行去噪,然后使用本文提出的基于改进的CLAHE算法对去噪后的图像进行增强,并与其他几种常用的图像增强算法进行对比,最后对增强后的图像进行主、客观等分析。实验结果表明,本文提出的算法可以有效解决夜间道路视频亮度低、对比度低、细节模糊等问题,增强了夜间道路视频的整体效果。

局部与全局相融合的孪生低照度视频增强网络

在低照度环境下拍摄到的视频往往有对比度低、噪点多、细节不清晰等问题,严重影响后续的目标检测、分割等计算机视觉任务.现有的低照度视频增强方法大都是基于卷积神经网络构建的,由于卷积无法充分利用像素之间的长程依赖关系,生成的视频往往会有部分区域细节丢失、颜色失真的问题.针对上述问题,提出了一种局部与全局相融合的孪生低照度视频增强网络模型,通过基于可变形卷积的局部特征提取模块来获取视频帧的局部特征,并且设计了一个轻量级自注意力模块来捕获视频帧的全局特征,最后通过特征融合模块对提取到的局部特征和全局特征进行融合,指导模型能生成颜色更真实、更具细节的增强视频.实验结果表明,本方法能有效提高低照度视频的亮度,生成颜色和细节都更丰富的视频,并且在峰值信噪比和结构相似性等评价指标中也都优于近几年提出的方法.

基于分布式架构的AI视频增强离线转码系统

本文介绍了中国广电广州网络股份有限公司自主研发的天璇AI视频增强离线转码系统。对系统的集群部署架构和主要模块的功能以及硬件支撑层、视频处理层、调度配置层和应用层的四层系统架构进行了介绍;分析了该系统采用的视频预处理、视频修复、画质增强、转码处理的技术路线;介绍了该系统在老旧影片修复、智能监控系统以及超高清回看系统的应用场景;阐述了该系统的社会与经济效益。

基于块编码特点的压缩视频质量增强算法

针对现有压缩视频质量增强算法未能充分利用压缩视频特点的问题,研究了视频编码与压缩视频质量增强任务之间的本质关系,并针对性地设计了一种基于三维卷积神经网络(3D convolutional neural network, 3D-CNN)的非对齐压缩视频质量增强算法。实验结果表明:相较于高效视频编码(high efficiency video coding, HEVC)标准H.265,所提算法在低延迟(low delay, LD)配置下且量化参数(quantization parameter, QP)为37时,峰值信噪比(peak signal-to-noise ratio, PSNR)提升了0.465 2 dB;相较于数据压缩会议(data compression conference, DCC)中提出的多帧引导的注意力网络(multi-frame guided attention network, MGANet)方法,该算法PSNR的增长量提升了15.1%。

科技期刊论文增强视频的自我实现

【目的】探讨科技期刊论文实施增强出版的可行性,探索科技期刊论文的新型展现和传播模式。【方法】调研国内外科技期刊论文增强视频实践现状,分析典型案例。【结果】分析增强视频对于科技期刊论文的积极意义,结合实例总结科技期刊论文增强视频的4种内容展现形式;探讨策划制作增强视频的6个流程和规范;梳理增强视频的5个传播途径;给出增强视频的策划出版模式。【结论】增强视频出版是科技期刊探索互联网时代论文新型传播模式的必要尝试。

基于CUDA的并行多尺度Retinex视频增强算法

多尺度Retinex图像增强算法增强效果明显,被广泛应用于图像和视频的增强处理中,但复杂的计算量限制了其在实时性应用中的推广,对于高清及多路视频的处理更是如此,因此研究其高速并行算法具有重要意义。本文以通用型GPU为基础,提出了一种基于CUDA的多尺度Retinex实时视频增强并行算法。根据算法各模块的耦合性将计算复杂的高斯滤波、对数空间差分及动态范围压缩等模块采用CUDA并行处理的方式实现,并利用视频序列之间的相似性降低多尺度Retinex算法的参数更新频率,以节省大量的计算耗时。实验结果表明所提算法能显著提高计算速度。

一种新的快速Retinex视频增强方法研究

针对现有视频增强算法时间复杂度较高的局限性,提出一种新的快速Retinex视频增强算法。该算法通过两次Retinex算法,将视频每一帧分解成照度分量和反射分量,再将照度分量分解成全局照度和局部照度。其中全局照度包含场景光照信息,局部照度包含由物体运动产生的光照变化。该算法可通过局部照度保留物体的运动信息,避免"运动伪影",计算复杂度较低。实验表明,该算法对夜间高动态范围交通视频,具有良好的增强效果,且运行速度较快。

一种亮度融合的视频增强方法

为了提高低照度视频的视觉效果,常常利用高质量白天亮度来增强夜间(低照度)视频。本文提出了一种亮度融合的视频增强方法。首先为了获取白天背景,采用了平均K帧的方法,然后使用Retinex理论,提取了白天背景和夜间视频帧的亮度,同时为了增强夜间移动物,采用帧差法提取了夜间视频帧的移动物,最后利用相同场景的白天背景亮度融合夜间帧的视频增强方法,为了改善夜间移动物体的感知度,提出了基于高斯滤波器的方法平滑移动物边界,使得增强结果更自然。实验结果表明了该算法在提高视觉质量上的有效性,且优于传统的方法。

一种基于暗原色先验的低照度视频增强算法

在低照度条件下进行拍摄时,得到的视频对比度低,细节信息很难体现出来。提出了一种改进的基于暗原色先验的低照度视频增强算法来增强这类视频。传统基于暗原色先验的增强算法会放大视频噪声,为了克服这个缺点,利用时域累积信息对低照度视频进行去噪预处理。在增强过程中,采用快速算法逐帧计算,增强后的视频相比于传统方法具有更高保真度。实验结果表明,算法可有效抑制视频中的噪声、提高视频的对比度、突出细节信息,从而获得更加清晰、自然的高质量视频。

利用β函数映射与帧间信息融合的低照度视频图像增强方法

在视频监控、视讯会议系统等应用领域,由于环境光照较低或背景光过强,常导致视频图像很多细节丢失,此时需要用视频增强技术来改善视频质量。本文提出了一种基于β函数映射与帧间信息融合的低照度视频图像增强方法。该方法在图像的照度层实现对比度增强,首先将视频图像从RGB空间转换到HSI色彩空间,提取其照度分量;然后用归一化非完全β函数的映射关系得到增强后的照度成分,β函数的参数通过本文提出的评价函数得到;最后,重建图像,完成视频图像的增强。与其他对比度增强方法相比,本文方法的增强效果好,且计算复杂度较小。文中给出了计算机仿真实验结果。

煤矿掘进工作面低照度视频增强技术研究

针对煤矿掘进工作面视频光照较低、亮度不均、纹理模糊、噪声较多等问题,提出一种煤矿掘进工作面低照度视频增强算法。首先,利用卷积的可分离性将视频图像进行一维水平卷积与垂直卷积,再利用完美反射法实现视频图像自动白平衡,并使用图像混合增强技术提高视频图像整体亮度。然后,基于大气散射模型与暗通道先验方法,通过递归分割将图像分割为高光区、中间调和暗调区,并求取对应区间通道像素最大值,将其3者均值作为大气光照估计值,引入调节因子对透射率进行调整优化,并使用拉普拉斯锐化操作,增加图像高频成分、抑制图像低频成分,提高图像对比度。最后,基于改进的大气散射模型对掘进工作面低照度视频进行去雾处理。实验结果表明,视频增强算法能够对煤矿掘进工作面低照度视频进行实时增强、去雾处理,避免了视频图像暗淡、失真、模糊和突变等问题。相较于Retinex算法、ALTM算法和暗通道先验算法,视频增强算法大幅度提高了视频图像的信息熵、标准差和平均梯度,且具有较好的实时处理速度,能够为掘进工作面视频的目标识别、目标跟踪、目标监测和图像分割等后续处理提供优质、可靠的支撑。

基于FPGA的实时视频增强

在图像制导应用中,针对雾霾等恶劣天气情况下形成的低对比度图像中目标跟踪稳定性不高的问题,需要对输入的低对比度视频图像进行实时增强预处理。限制对比度自适应直方图均衡算法(Contrast Limited Adaptive Histogram Equalization,CLAHE)是一种增强效果较好、计算简单且易于并行实现的方法,重点研究CLAHE算法架构以及FPGA硬件实现过程,并在Xilinx公司的Virtex-5系列FPGA硬件平台和MODELSIM仿真软件上对算法进行了时序分析、增强效果验证。通过软件仿真和实际平台测试验证,设计正确可行,在实时增强的基础上有效提高目标跟踪精度。

信源-信道联合编码的FGS增强层视频传输研究

研究了基于IP无线网络中精细粒度可伸缩性(FGS)视频的传输。基于包交换的IP无线网络通常由两段链路组成:有线链路和无线链路。为了处理这种混合网络中不同类型数据包的丢失情况,对FGS视频增强层数据运用了一个具有比特平面间不平等差错保护(BPUEP)的多乘积码前向纠错(MPFEC)方案进行信道编码。对FGS增强层每一个比特平面(BP),在传输层,采用里德——索罗蒙码(RS)提供比特平面间的保护;而在链路层,则运用循环冗余校验码(CRC)串联率兼容穿孔卷积码(RCPC)提供数据包内保护。还提出了一个率失真优化的信源——信道联合编码的码率配置方案,仿真结果显示出该方案在提高接收端视频质量方面的优势。

融合多帧信息的Retinex监控视频增强算法

针对传统Retinex监控视频增强算法照度分量提取不够准确的情况,利用监控视频背景的时间相关性,融合多帧背景进行照度估计,提出了一种新型Retinex监控视频增强算法:对视频单帧图像进行大、中、小尺度的高斯低通滤波,得到3个尺度的环绕图像,并对其取极小值以提取该帧的背景照度图像,通过融合当前帧和其邻帧的多帧背景照度图像,获取当前帧上准确的背景照度图像,再应用Retinex色彩恒常性理论,去除照度干扰以获得反射光分量,实现当前帧的增强。实验结果表明:该算法可以从夜间视频阴影中恢复出景物,得到亮度、色彩、细节较平衡的视频。

视频增强算法及其应用

针对传统视频增强算法中整体过度增强而忽略局部特征增强的缺陷,提出了一种有效的基于快速光照分割及分区映射的视频增强算法。首先从视频图像中提取运动目标和分离静态背景,通过快速分割方法将视频图像背景分成高光区、中等亮度区及暗光区,然后利用分区映射对不同亮度区分别进行增强。为了加强观察者对动态目标区域的视觉感知,基于区域亮度平均方法对运动区域作了进一步增强,以解决动态目标与增强背景不协调等现象。算法能够获得比传统视频增强技术更好的感知和亮度保持效果,可以直接运用到实时视频处理应用中。

视频监控图像目标运动轨迹智能增强方法仿真

为了更清晰地看清监控视频图像运动目标区域,需要对目标运动轨迹进行增强。传统轨迹增强方法受光线变化、噪声以及局部运动等影响导致运动目标轨迹不明显,造成增强后的图像光照不均、曝光过度。针对上述问题,提出一种基于直方图均衡化的视频监控图像目标运动轨迹智能增强方法。利用相对测距法实时提取当前视频监控图像相对前一帧图像的变化距离及角度,通过依次推算来获取图像目标运动轨迹,采用自适应局部直方图均衡方法选取合适的矩形窗尺寸,计算矩阵窗口直方图,并对此直方图进行均衡化处理,更新目标运动轨迹中心像素点灰度值,完成目标运动轨迹智能增强。实验结果表明,所提方法对于监控视频图像中运动目标轨迹的提取具有较高的精确度,增强后的图像具有较好的视觉效果,能够克服光线变化、噪声以及局部运动等缺陷。

雾霾天气下高速公路监控视频的一种增强算法

雾霾天气下的高速公路监控视频质量降低,图像观感模糊,对比度和颜色等信息衰减,影响应用。而当前的视频增强算法难以在质量和实时性上取得平衡,针对这一情况,在充分分析大量的雾霾天气高速公路视频数据后,从雾霾天气对视频成像的影响原理出发,总结数据的特点,提出了一种快速的视频增强算法。算法自动判断雾霾浓度,对于低浓度的情况采用改进的限制对比度直方图均衡(CLAHE)算法,对于高浓度的情况则结合DOS和暗原色先验规律先进行帧图像的初步增强,然后通过自适应对比度调整进行局部重点增强。试验结果证明:该算法实时性高且增强效果较好;增加本文去雾霾算法模块后,虽然降低了系统运算速度,但提高了交通行为识别的正确率,使雾霾天气下高速智能监控系统的实用性得到增强。