H.264中多参考帧快速运动估计算法

针对H.264的运动估计计算量太大的问题,通过研究并验证视频多帧参考时的运动连续性,提出了一种基于有效区域的快速运动估计算法(VRF,Valid-Region-based Fast Motion Estimation). 该算法在第一个参考帧中用三步搜索(3SS,3-Step Search)快速估计整像素精度运动矢量, 并以此定义一个有效区域, 参考其它帧时, 在该有效区域内作改进的3SS估计; 然后选择最佳参考帧; 最后在所选择的最佳参考帧的有效区域内作全搜索和相应的分数像素精度估计. 实验证明, 和H.264全搜索相比, 本算法的运动估计搜索点数降低了82%以上, 而恢复质量(用峰值信噪比(PSNR,Peak Signal to Noise Ratio)表征)平均只下降0.24 dB,且码速率只增加8.81%; 和另一个经典的帧选择快速算法相比, 本算法的搜索点数降低了39%,且码速率平均下降了5.17%, 而恢复质量只下降0.08 dB.      

H.264中多模式运动估计算法优化

针对H.264标准的多模式运动估计算法编码模式复杂、计算量大的不足,通过对H.264参考模型JM10中运动估计算法的分析,提出了一种利用时间、空间相关性的模式选择算法和结合一维绝对差值和(SAD,Sum of Absolute Difference)的高效匹配准则,将串行全搜索的运动估计算法改进为并行部分搜索的运动估计算法,把一维SAD和二维SAD匹配准则结合使用,从模式选择和编码速度两个方面对原算法进行优化.实验结果表明:与参考模型JM10的运动估计算法相比,提出的优化算法在恢复质量(用峰值信噪比表征)平均下降0.03 dB、码速率增加不超过1.5%的前提下,编码速率提高20%~30%,表明了该算法在恢复质量略有下降的情况下明显提高了编码速度.      

红外图像中运动小目标的检测方法

红外图像中的动态目标检测是一个比较热门的研究讨论专题,而小目标的检测更是研究的重点和难点。系统分析了红外图像中运动小目标的特性,介绍了几种成熟的运动小目标的检测方法。     

基于运动增强和颜色分布比对的运动目标检测

为检测无人机视频中的地面运动目标,提出了一种运动和颜色信息相结合的算法.采用前向运动历史图像来增强独立运动信息和抑制背景噪声,确保完整分割出候选运动区域; 提出一种迭代的、基于局部颜色分布比对的方法,去除候选区域中的背景像素,以更准确地提取单个运动目标.算法不仅节约了计算量,还有效降低了误检和漏检的可能性.多组无人机视频的实验结果表明了所提算法的高效性和鲁棒性.     

无人机复杂环境中跟踪运动目标的实时航路规划

在复杂地形环境中,无人机在跟踪运动目标时,现有的航路规划方法在实时性和可行性上存在一定缺陷.提出了一种新的滚动窗口启发方向计算方法,使其能够跟踪运动目标,同时在滚动窗口内采用流函数法进行避障.根据无人机约束,滚动窗口为三角形,并设计了基于行为的伸缩功能.在流函数中,利用水势能方法克服了陷阱地形并进行了航路平滑.仿真结果表明:这种混合算法对于复杂地形条件下跟踪运动目标的航路规划,能够减小规划算法的时间和空间复杂度,使规划出的航路适于无人机飞行.     

运动目标空间位置激光跟踪测量系统新进展

运动目标空间位置激光跟踪测量系统采用激光动态瞄准和激光干涉测距原理以及精密仪器控制技术，对空间运动目标进行跟踪并实时测量其位置和姿态。该系统是国际计量测试领域研究的前沿课题。根据测量原理，将其分为干涉法和三角法。在干涉法中，根据跟踪测量机构的数量分为一站法和多站法；三角法根据使用的跟踪原理分为光学扫描法和经纬仪法。给出了各种测量方法的准确度，并对其优缺点进行了较为详细的评述。     

基于运动模型的低空非合作无人机目标识别

为保障低空安全,在利用雷达数据探测无人机目标的同时剔除飞鸟等虚警信息,提出了一种基于运动模型的低空非合作无人机目标识别方法,作为已有目标跟踪方法应用的拓展。首先,建立多种运动模型模拟无人机和飞鸟目标运动;然后,基于多种运动模型进行目标跟踪,并估计各种运动模型的出现概率;最后,以各种运动模型在连续时间内出现概率的方差均值来度量目标运动模型的转换频率。通过对仿真数据和机场低空监视雷达实测数据的处理,所提方法能够在杂波环境中跟踪无人机目标并剔除飞鸟目标,进一步验证了其有效性和实用性。      

基于高时相探测的运动点目标检测方法

针对可见光探测中低信噪比运动点目标检测问题,提出一种基于高时相探测的运动点目标检测方法,构建了基于双谱分析的目标检测器来提取像元时域特征,对背景像元与目标像元进行区分.仿真分析与实验结果均表明,所提出的方法能够对低信噪比运动点目标进行有效检测,在一定帧频范围内,目标检测能力与采样帧频正相关.相比常用的运动点目标检测方法,本文方法具有更高的检测效能.     

运动信息引导的目标检测算法

在室外监控视频的场景下,由于场景的复杂性及目标的多样性,监控视频中的目标存在难以检测的情况,如目标被遮挡、目标尺寸变化等,目标检测任务仍然存在挑战。基于此,提出了一种利用运动信息引导基于卷积神经网络的目标检测算法来提高目标检测的准确率。对运动目标检测算法进行一定的改进,使得到的运动前景图中能够保持静止目标前景的存在;利用运动前景图中的前景可以指示目标空间位置的特点,在特征层面将网络提取的特征图与获取的以运动前景图为主的运动信息相融合,提高特征图可能存在目标区域的响应值;在目标检测算法的检测器中,引入一个定位分支,利用视频帧的运动前景图,学习候选目标的定位置信度,并与目标的分类置信度加权求和,作为目标最终的置信度,再通过非极大值抑制方法得到检测结果。实验证明,在固定摄像机下采集的数据集中,所提算法能够提升目标检测的准确率。     

单通道SAR实现ATI动目标检测的新方法

研究了采用单通道合成孔径雷达(SAR,Synthetic Aperture Radar)多视沿航迹向干涉(ATI,Along Track Interferometry)实现地面慢速运动目标指示的检测方法.分析了该方法所需的步骤,即利用重叠或不重叠的窗构造子视,对子视分别成像,相位误差校正并求干涉.关于其中起关键作用的相位误差校正步骤,提出了利用信号子空间投影进行相位配准的补偿方法.借助该鲁棒的自适应方法可以从某种程度上解决子图像间的去相关问题,降低相位随机性的影响,从2幅子视图像的干涉相位图上敏锐地检测到运动目标.通过仿真实验,验证了该方法可以有效地从强杂波中检测动目标,为单通道SAR实现地面运动目标指示(GMTI,Ground Moving Target Indication)、扩展已有SAR系统功能提供可靠的途径.      

Moving object detection using color distribution motion enhancement and comparison

为检测无人机视频中的地面运动目标,提出了一种运动和颜色信息相结合的算法,采用前向运动历史图像来增强独立运动信息和抑制背景噪声,确保完整分割出候选运动区域;提出一种迭代的、基于局部颜色分布比对的方法,去除候选区域中的背景像素,以更准确地提取单个运动目标,算法不仅节约了计算量,还有效降低了误检和漏检的可能性．多组无人机视频的实验结果表明了所提算法的高效性和鲁棒性。     

基于相关滤波器的嵌入式动态目标跟踪系统设计

针对空间非合作运动目标监控,提出了一种基于嵌入式技术的动态目标实时检测与跟踪方法,并完成了跟踪系统的研制设计和测试。该视觉目标跟踪系统以嵌入式处理器为控制器,通过相机模组获取实时视频图像,图像经过视觉检测与跟踪算法程序分析,得到目标的位置信息后,控制伺服运动系统调整相机姿态实现对动态目标跟踪。提出了基于相关滤波原理的跟踪算法,搭建了树莓派嵌入式测试系统,完成实时检测与跟踪的实验评估。实验结果表明,嵌入式处理器中检测与跟踪程序的平均运行帧率达到25FPS,伺服机构在水平360°和俯仰±60°范围内实现了对移动速度90°/s的目标的实时、稳定监控与跟踪。     

基于ViBE与面向对象分类的视频卫星运动车辆检测

为了提高视频卫星对运动车辆的检测质量,在经典视觉背景提取器(ViBE)算法的基础上,结合遥感的面向对象分类技术,从提升正确检测运动目标数量和抑制虚假运动目标检测数量两个方面着手,提出了一种新的运动车辆检测方法（VOMVD）。首先通过优化ViBE模型参数,尽可能多地获取真实运动目标,但这在一定程度引入了许多的虚假目标。研究继而依据影像上地面小尺度运动目标和道路的依存关系,采用面向对象的分类方法,基于光谱、纹理、空间属性,构建了均值、标准差、卷积核内平均灰度值、卷积核内平均信息熵、面积、长度、紧密度、延伸度等8个特征,用于提取道路信息,以此掩膜ViBE提取的虚假运动目标和伪运动目标。结果表明,基于本研究提出的视频卫星运动目标检测方法较之三帧差分法、ViBE检测方法等,其精度有明显提升。在本研究中,三帧差分法、ViBE和VOMVD对运动目标的检测精度P分别为70.91%,61.49%和85.71%,召回率R分别为84.78%,98.91%和97.83%,F值分别为77.23%,75.83%和91.37%,有效提升了方法对运动目标的检测效果。     

一种目标识别中基于关键点的仿射不变矩

针对常用仿射不变矩对轮廓边缘信息敏感的特点,提出了一种基于关键点的局部仿射不变矩,以分割出来的物体灰度图像为基础,首先计算出物体的质心,然后以质心为扩展点向周围引伸出多条射线,寻找每条射线方向上的最近灰度极值点,将所有灰度极值点当作关键点集合,并按照文中提出的计算仿射不变矩的方法提取出多阶不变矩,将其当作神经网络的输入向量,放入已经训练好的神经网络来达到识别物体的目的,将此方法应用在了飞机图像的识别上,实验结果证明此方法在物体轮廓分割不完整和有噪点污染的情况下能保持很好的稳健性,简单有效并具有较广的应用范围.     

一种基于小波零树的彩色图像编码算法

为提高基于分层树的集合分割算法(SPIHT)的编解码速度,对算法结构重新设计,提出了一种简单的无链表小波零树编码算法.通过预处理和主处理过程实现了流水线编码结构,减少了存储器的访问频率.预处理完成对所有节点显著性的标注,主处理完成无链表的零树编码.对彩色图像编码时首先进行RGB空间到YUV空间的变换,然后在比特平面扫描过程中,依次对YUV三个平面进行编码,这样输出的码流是完全嵌入式的.一般情况下,亮度分量的最高显著平面都高于色度分量.因此通过色度分量输出控制策略,可以进一步提高算法对彩色图像的编码性能.硬件实现结果表明,改进后算法的编解码速度明显提高,而率失真性能并没有下降,所以新算法特别适合高分辨率或不规则图像的编解码芯片设计.     

基于概念空间学习认知的机器人目标识别方法

针对复杂环境中机器人多类目标识别通常所依托的原始特征空间中数据区分度低、难以直接表达高层次特征知识的挑战性问题,采用概念空间知识表达方法,通过多传感器数据融合与特征提取建立基本特征空间,并运用高斯混合模型表示目标的各种属性,形成具有高层知识特性的概念空间,在此基础上进行高层知识的概念学习,增强多类目标在概念空间中的可区分性.利用支持向量机作为机器人的分类器,实现针对室内环境的多类目标物体的准确识别.实验结果表明:该方法不但有效地获取和表达待识别目标的高层特征知识,而且能有效提高机器人的目标识别与环境感知能力,展现出优越的分类识别性能.     

基于免疫抗体编码机理的卫星图像云探测

针对卫星遥感图像中云与下垫面的复杂性和多样性,提出了一种新的在复杂背景下常用目标图像描述方法.通过类比生物免疫抗体特异性与其构成单元氨基酸性质的相关性,得到目标图像的免疫基元集合形式及其分类方法.借鉴生物免疫抗体编码顺序中氨基酸结合能量最小原则,统计分析出训练样本的免疫基元亲和度计算公式,实现了目标图像描述的有限多特征优化组合.对于云检测问题,最终提出云的免疫抗体编码方法,定义了云的免疫亲和度计算公式,并成功构建了云免疫抗体.经200幅IKONOS卫星图像测试,验证了该方法在识别率和运行时间效率方面的有效性.      

一种基于支持向量机的小波图像压缩方法

提出了一种结合支持向量机(SVM,Support Vector Machines)回归与小波变换的新的静态图像压缩方法.SVM回归方法可以学习原始数据之间的相关性,并采用小部分训练样本,即支持向量来稀疏表示原始数据集,利用这一特性来逼近和约减小波系数,可以达到数据压缩的效果.首先采用小波变换把原始图像分解成不同尺度的多个子带,由于最低频子带系数非常重要,采用DPCM直接编码,然后对其它频带系数采用SVM回归进行压缩.由于不同尺度和方向的小波系数特征不同,为尽可能去除小波系数间的各种相关性,给出了适合SVM回归的小波系数的有效组织方式.最后研究了支持向量及其相应权重的混合编码方法.实验结果表明:与同类压缩方法相比,本算法获得的恢复图像的主客观质量有明显提高.