低照度宽视场视频中微小目标相关滤波跟踪方法

此前的相关滤波目标跟踪算法,关于低照度宽视场小目标跟踪的研究工作未见报道。针对此,提出一种将图像差异检测框架与基于相关滤波器(CF)的跟踪框架相结合的算法,并引入双重滤波器对抗环境带来的不利因素。提出用l2范数的稀疏响应正则化项来抑制CF框架产生的异常波峰。在响应阶段,根据双重滤波器加权融合,预测小目标的位置。结果表明,提出算法在低照度宽视场中对小目标的快速移动、形变、运动模糊有优异的跟踪性能,并且满足实时性能。采集了全新的具有41条由鹰眼摄像头拍摄的夜晚监控序列数据集作为基准。实验结果表明本算法在DP提升了8.8%,AUC提升了7.4%,并在单个CPU上实现30.6帧每秒的实时运行。

基于亮度融合的低照度视频弱变化检测算法

低照度视频图像弱变化检测算法可提升安防工作的可靠性,有利于安防人员快速处理存在的风险。提出一种基于亮度融合的弱变化检测算法。对视频的每一帧图像,首先提取图像不同空间的亮度分量,设计一种亮度融合的策略,对亮度分量进行融合。将融合后的亮度分量进行形态学重建,克服噪声影响。然后使用自适应的对数比对融合后的亮度分量进行处理得到差异图,对差异图使用迭代的全变分去噪,进一步克服残余噪声。最后对差异图使用二阶段聚类方法,进一步提升变化检测精度。实验结果表明,提出算法的平均检测精度为0.770,误差为31个像素点,与对比算法相比,提升了20%以上的精确度;平均运行时间为0.16 s,时间短于对比算法2倍以上。

基于稀疏编码和矩阵分解的视频去雪算法

视频中的雪花会降低视频图像的质量,影响计算机对视频中目标自动检测、跟踪和识别等操作。视频中雪花去除是一项具有挑战性的任务,现存的算法除雪方法效果不佳。根据不同的空间特征,将一个视频中的雪花分为近景雪花和远景雪花。首先,利用低秩矩阵分解提取视频的背景信息。然后,采用多尺度卷积稀疏编码对远景雪花进行检测。利用马尔可夫随机场对运动物体进行建模,之后使用连通域阈值去除被判断为运动物体的雪花。实验结果表明,提出的算法有效地去除了视频中的近景雪花和远景雪花,同时保留了相关的背景和运动物体的信息。

可见光通信物理链路的基准保密容量比较研究

在5G演进过程中,可见光通信的物理层安全问题逐渐受到关注与讨论。然而,现有研究范式尚局限于基于传统朗伯型LED光源的可见光通信保密链路的讨论,对于实际商用非朗伯光源下链路的保密特性,特别是非朗伯链路配置下的基准保密容量,尚缺少量化比较研究。针对上述问题,文章延伸了已有可见光保密链路建模方案;量化展示了室内环境下,典型非朗伯可见光保密链路的基准特性差异。量化结果显示,相比较传统朗伯波束情况,典型非朗伯波束可将基准保密容量的空间动态范围从0~10.78 bps/Hz压缩至0~6.40 bps/Hz,相应地基准保密容量均值从初始的5.25 bps/Hz减少至2.78bps/Hz。因此,在设计及优化可见光通信保密链路过程中,应综合考虑光源多样波束特性对保密容量的影响,可将其作为潜在的优化维度。

基于照度调整的自适应低照度视频增强算法

利用低照度图像增强技术可以提高图像可见度,有利于对夜间视频进行处理与分析。提出一种基于Retinex模型的自适应的低照度视频增强算法。对于视频的每一帧图像,首先根据理想照度图与初始照度图之间的误差关系,设计一种新的全变分方程,求解照度图。然后为了抑制图像的高亮度区域并将低亮度区域提升到合适的亮度,提出一种新的自适应伽马校正算法调整照度图。将调整后的照度图和反射图结合生成新的图像,并对其去噪。最后将增强后的每一帧图像合成为整段视频。实验结果表明,提出的算法在低照度图像增强客观指标和视觉效果上都优于对比算法。

基于大气散射模型的低照度视频增强算法

低照度情形下光照条件复杂,摄像设备采集到的视频无法满足实际应用需求,因此,需要进行增强。提出一种基于大气散射模型的低照度视频增强算法。将视频分帧,对于每一帧图像,提取V分量。提出透射率和大气光值估计方法,更加准确地描述图像的照度分布,从而避免过曝光现象;根据低照度大气散射模型,求解得到初步增强的V分量。为了丰富图像细节,提出细节优化方法,得到增强图像,合成每一帧增强图像得到增强视频。对增强结果进行主观和客观分析,结果表明,所提出的算法在视觉效果和客观评价指标方面均优于对比算法,其中所提出算法的清晰度、边缘强度、基于块的对比度和结构相似度均排名第一,且算法运行速度较快。