视频图像序列运动参数估计与动态拼接

本文采用多重分层叠代算法来估计全局运动参数,并提出应用于动态拼接的运动分割新方法,实现既有摄像机运动又有物体运动的视频图像序列自动拼接。我们的方法基本步骤如下:首先进行全局运动参数的初始估计,并且在分层叠代过程中进行区域分类,得到初始运动模板。接着空间分割原始图像,先根据图像的空间属性由底向上分层合并图像空间区域,再利用视频图像时间属性进一步向上合并,得到图像空间分割结果。然后结合初始运动模板和图像空间分割结果,采用区域分类新方法重新对图像空间分割结果的每个区域进行分类。然后根据分类结果逐步精确求解全局运动参数。最后进行图像合成,得到全景拼接图像。我们的方法利用了多重分层叠代的优点,并且充分考虑到视频图像空间和时间上的属性,实现了运动物体和覆盖背景的精确分割,避免了遮挡问题对全局运动参数估计精度的影响。而且在图像合成时我们解决了拼接图可能产生模糊或某些区域不连续等问题。实验结果表明我们的方法实现了动态视频图像序列高质量的全景拼接。

激光传感器感知信息的运动动作矫正研究

针对当前运动动作矫正方法存在误差、速度慢等不足,以获得更加理想的运动动作矫正效果,提出了基于激光传感器感知信息的运动动作矫正方法。首先对当前国内外运动动作矫正的研究进展进行分析,找到引入各种运动动作矫正方法不足的原因,然后采集运动动作数据,并提取运动动作矫正特征,最后通过引入数据挖掘技术对运动动作矫正进行建模,描述运动动作变化趋势,从而对运动动作进行矫正处理,在相同测试环境中,并与当前经典运动动作矫正方法进行了仿真对照实验。结果表明,所提方法降低了运动动作矫正误差,运动动作矫正精度超过95%,更加精准对运动动作变化特点进行刻画,运动动作矫正精度要明显高于经典运动动作矫正方法,具有更高的实际应用价值。