多帧动画模糊视频图像后期增强技术仿真

传统模糊视频图像增强技术无法动态优化图像明暗对比度。为此,提出多帧动画模糊视频图像后期增强方法。根据前期准备环节、实际拍摄环节、后期制作环节设计多帧动画模糊视频图像后期处理流程。利用低频滤波器和模板操作分别对图像的频域和空域进行平滑处理,实现图像降噪处理。对平滑处理后的视频图像完成直方图均衡处理,通过扩展视频图像内不同像素值的动态范围,提升图像明暗对比度。实验结果显示采用该方法增强所选视频帧图像后,其整体与局部的对比度显著提升,信息熵更高,图像细节刻画更精确。

舰船远程监控平台模糊视频高动态图像拼接研究

为提高船舶目标检测中图像拼接质量,本次针对传统拼接方法存在的问题:无法同时实现拼接图像画质以及结构相似度的双向目标,研究了一种新的舰船远程监控平台模糊视频高动态图像拼接方法。该方法主要分为三步骤,首先对待拼接的模糊视频高动态图像进行处理,包括图像去噪、图像分割、图像畸形矫正,然后在此基础上利用基于特征信息方法进行图像配准,主要包括图像特征提取、图像匹配等,最后采用直接平均算法实现图像融合,完成图像拼接。结果表明:与传统图像拼接方法相比,本方法操作下,图像峰值信噪比分别提高1.8 d B和2 d B,结构相似度分别提高10.8%和8.2%,证明了本方法的有效性和优越性。

基于现场再现的模糊图像帧分析车速鉴定

现行的基于视频图像的车速鉴定方法,主要适用于清晰视频图像情况,而对于模糊视频图像则在鉴定分析过程中难以实现标定距离的准确测量,具有一定的局限性。在具体分析现行标准方法局限性的基础上,经过大量的交通事故鉴定实践与探索,提出了基于现场再现定位的模糊视频图像帧分析车速鉴定的方法,阐述了该方法的原理,给出了具体工作流程,并针对不同的现场环境与条件进一步将再现定位测量细分为直接测量法和间接测量法,有效地实现了不同情况下对目标车辆标定距离的精确定位测量以及帧分析的车速鉴定。最后,通过两个典型案例分别对上述方法进行了应用验证,从而保障了鉴定意见更为公正、客观和准确。

基于轻量级GAN的实时视频图像去模糊模型

由于手持拍摄设备抖动或目标运动等原因,使得视频图像资料产生运动模糊问题,降低了人类的感知质量.针对该问题从原来如何处理得到清晰图像,到现在如何高效快捷的获得清晰图像,提出了一种基于轻量级GAN(Generative Adversarial Network)的实时视频图像去模糊新模型.该模型通过定义PatchGAN作为判别网络,并在其基础上设置了全局图像和局部特征的双尺度判别器;生成网络以轻量级MobileNetV3为主干网并引入特征金字塔进行特征提取,以解决判别网络中特征信息利用率低以及生成网络推理效率慢的问题.该模型采用端到端的方式对视频图像进行快速高效去模糊.经过在GoPro和Kohler数据集上进行实验,结果表明该模型去模糊后的锐利图像具有较高的峰值信噪比和结构相似度,同时比其他模型的推理速度提高了1.7–127倍.