基于空间连续生成对抗网络的视频帧间图像生成

针对低帧率视频播放不流畅以及使用传统方法提高视频帧率造成的边缘模糊问题,本文提出一种基于空间连续生成对抗网络(SC-GAN)的视频帧间图像生成方法。首先本文使用自编码器作为判别器,引入Wasserstein距离表示真实样本与生成样本损失分布的差异,替代传统生成对抗网络直接匹配数据分布的方式,其次利用生成器与判别器之间的平衡参数稳定训练过程,有效避免了模型崩溃的问题,最后利用连续视频帧图像在空间上的连续性,通过Adam在相邻两帧之间找到一个最优值,将其映射到图像空间,得到生成的帧间图像。为了说明生成的帧间图像的真实性,本文采用PSNR和SSIM对帧间图像进行了评估,评估结果证明生成的帧间图像具有较高的真实度,同时验证了本文提出的基于SC-GAN的视频帧间图像生成方法的可行性和有效性。

一种高分辨率遥感卫星帧间图像配准的方法

针对某高分辨率遥感卫星高精度图像配准要求,提出了一种采用边缘特征的提取和特征点提取相结合的方法,解决了卫星云图存在云层遮挡导致图像边缘信息无法准确提取的问题。该方法基于改进的Canny算法和Harris检测算子对图像的边缘特征和特征点进行提取,并采用Hu氏不变矩实现图像特征点的匹配,通过仿真试验验证了该方法对提高图像配准精度的有效性。

利用反映帧间图像界定运动员跑步训练强度仿真

目前运动员跑步训练强度仿真结果只是单一的画面,可视性低、仿真时间长,与运动员跑步运动实际结果不一致,为此提出利用反映帧间图像界定运动员跑步训练强度仿真.采用统计学测量方法获取运动员生理参数并计算匹配因子,将运动员的生理参数与仿真人的生理参数进行匹配;在仿真平台确定仿真人关节转动、旋转角度、跑步步长、步调、步速与运动员一致,校准仿真人运动姿态;将校准后的运动姿态数据代入仿真平台,利用反映帧间图像形成连续的运动员跑步训练虚拟动画,分析运动员跑步训练,对运动员跑步训练强度进行界定.实验结果显示,在同一实验参数下,检测仿真结果与人体真实跑步运动模型的一致度,得出所提方法可以准确仿真运动员跑步运动姿态,可视性高、仿真时间短,与运动员跑步运动实际结果一致,仿真效果好,能够为监督运动员跑步训练过程提供一定帮助.

大范围动态图像序列帧间运动检测方法研究

在复杂多变的环境下,大范围动态图像序列中会存在大量噪声和干扰向量,导致传统方法较难正确检测出图像帧间运动,容易产生错误结果。针对现实环境中干扰因素的特性,给出一种大范围动态图像序列帧间运动检测方法,构建检测模型,通过分析动态图像序列中干扰向量的波动性和周期性特征,确定检测帧当前状态,分类为波动性干扰窗口、运动窗口以及背景窗口,利用阈值分割与形态学处理,将所有运动窗口合并确定运动帧,完成帧间运动检测。通过仿真证明,上述方法能够有效降低动态图像序列中干扰向量,极大提升帧间运动检测的准确性和鲁棒性。

基于深度卷积神经网络的图像帧间补偿研究

由于图像分辨率低,传输过程中容易出现图像丢失、不清晰现象。针对上述问题,提出一种深度卷积神经网络算法实现图像帧间补偿。首先依据深度卷积神经网络构建图像帧间补偿模型,其次采用稀疏自编码与线性解码方式提取出该补偿模型的图像特征,再通过多层卷积神经网络对图像特征做映射处理,最后根据稀疏算法重建图像帧分辨率,使图像帧间得到补偿。实验结果表明,基于深度卷积神经网络的图像帧补偿实训可以有效提高图像帧分辨率,解决图像丢失问题,实现了图像高清晰化。

一种快速目标检测跟踪方法研究与实现

阐述目标检测跟踪详细过程,提出一种近距离复杂背景下使用快速模板匹配方法对运动目标检测跟踪的方法。该方法针对目标的环境,利用高斯-拉普拉斯滤波器预处理,进而对相邻图像的差分图像获取和识别运动目标中心和区域大小,然后利用相关匹配算法并结合改进的十字搜索法对目标进行快速持续的检测跟踪。实验表明该方法是有效的。

基于流媒体传输的视频分割技术

随着计算机和通信技术的发展,多媒体编码进入了一个新的时代,由于现在流媒体在网络上播放时必须随着时间的推移,按着单方向进行播放,为了更好的节约网络传输时间及用户浏览时间,本文采用了交互式图像浏览的主要技术,利用视频分块技术,生成一个间帧的拼接图像来代表视频片段的内容并采用交互式的方法,满足用户自主双向的浏览图像。