基于帧差检测技术与区域特征的红外与可见光图像融合算法

为了提高红外图像的融合质量并降低复杂度,提出一种基于帧差检测技术与区域特征的红外与可见光图像融合算法。首先,设计帧差法对红外图像中的目标完成检测,从而进行目标分簇与图像分割;并借助帧之间的信息完成目标的准确定位;再根据目标区域的特征设计不同的融合规则,充分利用可见光和红外图像的有效信息进行互补,完成图像融合,并对融合算法的复杂度进行理论分析。同时,在可见光和红外图像中目标不可动可观察及目标可运动可观察两种条件下进行融合实验,实验结果表明,与当前图像融合技术相比,所提技术具有更高的融合质量,其融合图像能够准确反映目标和背景。

基于帧差与非相邻帧差的自适应镜头检测方法

针对突变和渐变的特点,实现了一种基于帧差和非相邻帧差的自适应镜头检测方法。方法通过计算相邻帧差有效地检测突变镜头,通过计算非相邻帧差实现对渐变镜头的有效检测,二者结合可检测出几乎所有的突变和渐变镜头,获得了良好的综合检测效果。该方法不用设全局阈值,适应性强且计算量小,实验结果表明了方法的通用性和有效性。

基于FPGA的运动目标检测系统

视频图像处理要求高速运算能力，在处理技术不断提高和算法复杂度不断提升的情况下，并行处理的可编程逻辑器件的高速运算能力和可重复执行多任务的特性在视频图像处理领域得到了极大的发挥。与传统的串行处理DSP芯片为核心器件的视频图像处理方案相比，单片FPGA芯片和嵌入其内部酌NiosII软核处理器不仅能够达到运算速度的要求，而且成本更低、设计更简单。系统由I2C模块、视频译码模块、存储模块和检测模块组成，模块之间由Avalon总线链接。系统基于QuartusⅡ、MATLAB和ModelSim软件工具设计与仿真．实验结果表明能够达到预期的要求。

基于深度学习的新型可视耳标识别方法

针对目前主流的耳标识别方式抗环境干扰能力差的问题,结合通信系统中的信源编码,提出了一种耳标轮廓自设计的新型可视耳标,并利用深度学习方法采集识别确定猪只个体号码。系统设计包括耳标样式设计、数据采集、耳标轮廓分割提取、码位复原、译码输出5个部分:耳标样式采用了结合卷积码编码的轮廓编码方式;数据采集部分采用了帧差检测与耳标分类方式;耳标轮廓分割提取部分采用OCRNet−HRNet18语义分割算法,码位复原采用图像处理技术,译码输出部分采用维特比译码,获得耳标号码结果。系统部署至Jetson Xavier NX上,实现了系统落地。研究结果表明,本文方法实现了新型自设计可视耳标的识别,使得耳标识别抗环境干扰能力更强,为智能养殖中的个体监测提供了新思路。

MULTI-RESOLUTION MOTION ESTIMATION AND COMPENSATION BASED ON ADJACENT PREDICTION OF FRAME DIFFERENCE IN WAVELET DOMAIN

Aiming at the higher bit-rate occupation of motion vector encoding and more time load of full-searching strategies, a multi-resolution motion estimation and compensation algorithm based on adjacent prediction of frame difference was proposed.Differential motion detection was employed to image sequences and proper threshold was adopted to identify the connected region.Then the motion region was extracted to carry out motion estimation and motion compensation on it.The experiment results show that the encoding efficiency of motion vector is promoted, the complexity of motion estimation is reduced and the quality of the reconstruction image at the same bit-rate as Multi-Resolution Motion Estimation(MRME) is improved.