多尺度域视频监控图像光照分量智能校正方法

针对视频监控图像中存在的清晰度不足和光照不均匀等问题,提出了多尺度域视频监控图像光照分量智能校正方法。应用背景差分法与差值图二值化法对视频监控图像进行预处理,以减少噪声干扰。通过融合TH变换和BH变换来加强图像多尺度细节特征;利用控制因子控制锐化强度,以凸显细节特征,避免出现图像伪影情况。对图像光照分量进行自适应调节,利用二维伽马函数计算画面亮度平均值,以防止出现过度校正的情况,从而实现智能校正。测试结果表明,采用该方法校正的图像更清晰,画面光照分量均匀,图像失真较少,视觉效果较好。

基于多尺度深层网络的监控图像去雨研究

雨天条件下视频监测图像中含有雨滴,使得输变配电设备监测目标的细节信息模糊。针对该问题,提出一种基于深层神经网络的多尺度模型架构,用于去除图像中的雨纹。利用先验信息,采用导向滤波提取表征图像高频分量的雨滴模糊特征图将模型聚焦于雨滴信息。借鉴Inception网络多分支提取多阶特征结构,构建多尺度深层神经网络融合底层和高层特征。在合成的输变配电设备以及真实世界的雨天图像集上,对本文方法进行实验验证,结果表明本文方法较其他方法具有更好的去雨效果。

视频媒体网络中基于轨迹优化的监控图像聚类算法

为了解决视频媒体网络环境中监控图像随机性较强、特征较为复杂,导致聚类效果不佳、空间畸变率高等问题,引入轨迹优化技术对视频媒体网络中监控图像进行聚类。通过采集视频媒体网络中监控图像的关键帧,挖掘监控图像的时空轨迹,并根据监控视频图像背景的隶属度计算结果,提取监控图像色彩、边缘等基本特征;计算监控内容、时间及空间的相似度,采用层次聚类算法对相似度较高的监控图像进行单元合并,并以视频轨迹为标准实现聚类融合,输出最终的聚类结果。实验结果表明,使用本文算法得出的聚类结果,平均畸变率仅为0.85%,比传统算法降低了4.65%。

基于神经网络的视频监控图像异常行为识别方法

由于传统方法在视频监控图像异常行为识别应用中效果不佳,漏识率较高,且识别用时较长,文章为此提出基于神经网络的视频监控图像异常行为识别方法。该方法首先分割处理视频监控图像,然后应用视频帧图像阵列对目标图像进行预处理并提取图像行为特征,最后建立神经网络模型,利用模型计算图像行为特征卷积,完成异常行为识别。实验证明,该方法的漏识率为0.56%,具有较好的应用前景。

一种新型煤矿视频监控图像滤波算法

针对煤矿视频监控图像存在噪声强度高且对比度低等问题,提出了一种新型煤矿视频监控图像滤波算法。该算法首先采用自适应Canny算子对图像进行边缘检测,实现边缘图像和非边缘图像的有效分离;然后对边缘图像引入直方图均衡化算法进行处理,以突出图像边缘信息,提高图像对比度;从滤波器的构建、结构元素的设计方面对经典数学形态学滤波算法进行改进,将其应用于非边缘图像的滤波;最后对处理后的边缘图像和非边缘图像引入图像融合机制进行加权融合。实验结果表明,与小波阈值法、经典数学形态学滤波算法相比,该算法具有较好的滤波效果。

视频监控图像侦查方法研究

狭义的视频监控图像侦查方法指的是视频监控图像在侦查活动中的应用模式与套路。视频监控图像侦查方法的实施受到视频监控图像的质量与数量、侦查主体的思维形态、视频监控配套与辅助技术三大变量的影响;视频监控图像侦查方法涉及对象信息、背景信息与过程信息三类信息要素;视频监控图像侦查方法包括基于信息辨识、基于信息比对、基于信息重构、基于信息辐射等四个方面的具体内容。

基于Curvelet变换的煤矿监控图像降噪算法

为提高煤矿井下监控图像质量,更好地实现井下生产的实时监控,探讨基于小波变换和脊波变换的图像降噪的特点,提出将一种基于Wrapping快速离散的第二代曲波变换(Curvelet)图像降噪算法,用于煤矿井下监控图像的降噪处理。研究Curvelet变换的函数支撑区间满足各向异性的尺度关系,以及在表示图像的边缘特征时更具有稀疏性等性质。结果表明:该降噪算法在煤矿井下特殊环境中的图像降噪效果优于传统的小波变换图像降噪和脊波变换,对于煤矿安全监控的有效实施,具有重要的指导意义。

基于小波-Contourlet变换的智能监控图像融合的增强方法

智能监控图像已经成为图像实际应用中不可或缺的一项工作,为了获得更好的增强效果,提出了一种基于小波-轮廓波(小波-Contourlet)变换的图像融合的图像增强方法,并且与图像循环平移(Cycle Spinning,CS)相结合,提高信噪比,更好地体现图像的边缘和纹理等特征信息。在Matlab环境下进行仿真实验,结果表明,这种算法能够获得更高的信噪比,使视觉效果得到明显的改善。

基于方向滤波的监控图像边缘检测

监控图像的边缘检测是进行高级图像处理和模式识别的基础工作。将方向滤波理论引入监控图像的边缘检测中。通过Roberts算子的四方向滤波扩展,介绍了方向滤波用于边缘检测的一般过程;针对监控图像中斜坡边缘丰富的特点,引入Petrou-Kittler滤波器作为基础滤波器;用方向滤波理论改造Petrou-Kittler滤波器,形成了三方向Petrou-Kittler边缘检测器。实验结果表明:监控图像经过三方向Petrou-Kittler边缘检测器处理,检出的边缘信息完整、细滑、分割区域正确。

自适应HSV空间Retinex煤矿监控图像增强算法

针对煤矿井下的监控图像由于粉尘、煤尘、低照度或点光源等光照的影响,而整体阴暗模糊,对比度低,背景噪声强,视觉效果不理想的问题,提出一种改进的HSV(Hue,Saturation,Value)空间的颜色可恢复的多尺度Retinex(Multi-Scale Retinex,MSR)的图像增强算法。该算法先将图像从RGB空间转换到HSV空间,以确保后续图像增强处理不会影响图像的色彩效果;然后利用提出的自适应的高斯核函数分离亮度分量V的照度分量和反射分量,再利用自适应的增益系数对反射分量进行增强处理,获得不受光照影响的、增强的反射图像;最后将反射图像逆变换回RGB空间,再利用优化的颜色恢复函数对增强的图像进行颜色修正,从而改善图像的全局视觉效果和局部对比度。实验表明该方法能有效提高煤矿井下监控图像的对比度和亮度,抑制背景噪声,从而大大改善煤矿井下监控图像的视觉效果,且很好地实现了参数自适应,减少了人为因素对结果的影响。

基于纹理和改进径向基网络的煤监控图像识别

煤的红外监控图像的正确识别对矿井自动监控有重要的意义。计算煤监控图像的灰度相关矩阵各纹理统计量,分析其分布特征。在径向基函数神经网络(RBFNN)的输入层增加了正规化函数,用改进的RBFNN对图像进行了识别。结果表明,图像的纹理统计量在统计上有很好的分离性,改进的RBFNN能成功地识别出煤矿井下红外监控系统中面煤和块煤的图像。

视频监控图像高速运动物体稳定特征识别仿真

在智能视频监控系统中,运动目标稳定特征提取是实现高速运动物体行为理解、识别以及跟踪的前提条件。传统的运动目标识别方法难以精确提取出稳定的运动目标,以及某些干扰物体中有部分区域与运动目标形状相同时,识别率低、实时性差等问题。针对上述问题,提出基于动态模板匹配的高速运动物体稳定特征识别方法。采用帧间差分算法确定高速运动目标物体可能存在的区域,获取较为清晰的高速运动物体目标轮廓,并基于运动目标轮廓信息构造稳定特征不变量。以稳定特征不变量为中心选择指定大小的矩形区域,将其作为下一帧模板匹配算法的模板,将待测图像的特征描述与运动目标模板特征进行匹配,完成对高速运动目标的识别。实验结果表明,所提方法能够实现对高速运动目标物体的实时分析,同时满足实际应用中,对高速运动目标物体识别实时性和准确性的要求。

煤矿监控图像中脸肤色和模板检测

煤矿监控图像的对比度低、灰度不均匀,使监控图像的处理和识别难度增大。在巷道环境下采集多角度的矿工监控图像,根据脸部肤色区域像素的统计特征,用上下限阈值的方法在HSV颜色空间分割出各种角度的矿工脸部,用半径为2的圆形结构元素进行数学形态学的开启和闭合操作,去除被误分为脸部区域的背景像素;根据脸部灰度分布特征构造了平均脸模板,用相似度函数作为脸部模板匹配的判别函数,检测矿工脸部位置。结果表明,用肤色分割和平均脸部模板匹配方法,可以快速检测出矿工脸部的精确位置。

基于远程监控图像的绝缘子覆冰检测算法

提出一种基于远程监控图像的绝缘子覆冰情况检测算法。本文算法充分利用边缘检测方法和其他图像处理方法,对覆冰绝缘子侧面冰棱的边缘情况进行精确的检测。本文算法还引入了摄像头的标定参数,使其能更加准确地估计覆冰绝缘子侧面的冰棱长度。当摄像头因为外力或其他因素而产生角度偏移时,本文算法能及时地对摄像头标定参数做出修正,并利用新的标定参数重新估计绝缘子的覆冰情况。实验结果表明,本文算法对绝缘子侧面冰棱边缘检测效果显著,满足实时监控和预警报警的要求。

波长相关物理成像模型的交通监控图像去雾算法

针对当前去雾算法未考虑交通监控图像中雾气浓度分布不均匀的问题,提出了波长相关物理成像模型的去雾算法.首先,根据波长与雾气浓度的相关性,构建了适用于交通监控图像的波长相关物理成像模型.然后,根据波长与颜色的相关性,设计出基于最大模糊相关图割的透射率估计算法.考虑到灰度值存在交叉重叠的模糊特性,及景物的空间相关性,利用递推的最大模糊相关算法快速获取景物划分信息,并用此信息设计图割的数据项,实施图割.该策略将基于阈值的分割算法与基于空间相关性的图割算法相结合,确保了景物的空间相关性,提高了分割精度,避免白色目标的误分.最后,通过分割结果中的天空区域,准确地计算大气光,实施去雾.在500幅仿真图像及真实图像上的测试结果表明,该算法较已有去雾算法的去雾精度至少提高7%,运行时间至少缩短了约15%,可用于交通监控系统的图像去雾处理中.

基于DFT基的矿井视频监控图像分块压缩感知方法

针对矿井视频监控图像受噪声干扰影响大,采用常规的图像采样和压缩方法存在图像模糊和传输时间过长等问题,提出了一种矿井视频监控图像分块压缩感知方法。该方法通过建立矿井视频监控图像分块压缩感知模型,在井下图像采集节点利用稀疏随机矩阵进行压缩采样,然后在地面监控中心利用正交匹配追踪(OMP)算法重构图像。研究结果表明,采用本文算法的重构图像误差小、重构时间短,所需信号采样点数少;与扰频Hadamard矩阵相比,采用稀疏随机矩阵和高斯随机矩阵作为观测矩阵对图像信号重构的峰值信噪比(PSNR)提高4 d B^5 d B;本文算法与基于小波基的算法相比,信号重构的PSNR提高1 d B^4 d B,重构时间缩短至少80%以上。

人群监控图像异常轨迹数据聚类识别仿真

实现人群监控图像异常轨迹数据的聚类识别,对紧急突发事件发生时及时报警,方便安保人员及时采取应对措施,保证人们生命财产安全具有重要意义。针对当前方法存在识别准确率较低的问题,提出一种基于运动特征的异常轨迹数据聚类识别方法,将人群监控图像中任意行人的轨迹数据描述为一个流向量序列,提取被监测行人的运动特征,对人群监控图像中被监测行人所有轨迹的起点集合和终点集合进行计算,并采用Hausdorff距离对两个集合中长度不等的行人轨迹进行相似度计算,实现人群监控图像行人轨迹数据预处理。采用人虚拟的最小外接矩形的中心点替代人群监控图像中被监测行人的重心,通过最小外接矩形中心的变化描述行人的跳跃、下蹲、爬行、跑、徘徊五种异常轨迹。根据人群监控图像中被监测行人运动轨迹连接线的波峰波谷存在性,实现异常轨迹数据聚类识别。仿真测试结果证明,所提方法能够区分人群监控图像中行人的正常行为轨迹和异常行为轨迹,且识别准确率较高。

基于DWT与改进中值滤波的矿井视频监控图像去噪

井下光照不均、煤尘浓度大以及视频图像获取设备电路电压不稳定等各类因素的存在,导致矿井视频监控系统获取的图像存在大量噪声,影响了对矿井各类生产信息的准确判读。为此,将离散小波变换(Discrete wavelet transform,DWT)与改进中值滤波算法相结合,提出了一种矿井视频监控图像高效去噪算法。首先,对获取的矿井视频图像进行自适应噪声检测,根据检测结果,对图像采用改进中值滤波算法处理;然后对滤波后的图像进行3层离散小波变换,鉴于图像的噪声信息绝大部分集中分布于高频分解系数中,故对低频分解系数不作处理;最后对高频分解系数采用一种改进软阈值去噪函数模型进行去噪,将去噪后的高频分解系数与原始低频分解系数进行重构,得到去噪后清晰度较高的图像。采用实地获取的山西潞安某煤矿井下视频图像进行试验,并与小波软阈值去噪、中值滤波等算法进行去噪效果对比分析,此外,对各算法的试验结果分别采用信噪比(Signal noise ratio,SNR)以及算法运行时间进行评价,结果表明:新算法对于矿井视频监控图像的去噪效果优于其余2类算法,且算法运算时间也具有一定的优势。

当前视频监控图像侦查中存在的问题及完善构想

视频监控图像侦查作为近几年逐渐发展起来的信息化侦查措施,在打击和防控刑事犯罪中正日益显现出其重要作用。但是,在其发展推进的过程中也存在一些突出问题,如:管理维护不到位、"重建设、轻使用"、操作不规范、工作机制不健全等,制约了视频监控图像侦查工作的开展,因此,如何规范视频监控建设、完善视频监控图像侦查工作无疑具有重大的理论价值和现实意义。

论视频监控图像证据的证明力

目前,视频监控图像主要是为刑事侦查工作提供线索和方向,很少成为定案的证据,随着新刑诉法的实施,如何确立与运用视频监控图像资料证据,已成为警界直面的难题。在侦查工作实践中,可通过视频监控图像资料与其他证据的关联、规范视频监控图像资料的取证程序、形成完整的视频监控图像资料证据链,及通过司法鉴定机构的专业鉴定,使之成为独立的证据,从而确立其在司法实践中的证据地位。