运动估计块匹配算法分析与研究

视频序列图像存在很强的相关性,采用运动估计和运动补偿技术可以消除时间冗余以提高编码效率,本文介绍了运动估计的原理以及一些常用的块匹配算法,并对这些算法的优劣性作了分析比较.     

引入随机模板的运动估计算法研究

运动估计是视频压缩的重要组成部分,运动估计算法的性能直接影响视频编码的效果。通过分析现有的块匹配运动估计算法,对其块间匹配过程以及模板选择过程进行了优化。进行块间匹配时选择较少的点代替全部的点,进行模板选择时引入随机化因子。实验结果表明,通过优化块匹配时计算点的数量可以有效减少算法的计算量。在模板选取过程中引入随机因子可以增强算法的适应性。     

序列图像的小波域运动估计和补偿技术研究

针对小波分解域的可变块多分辨率运动估计/补偿(MRME)算法存在运动矢量编码占用码率较高,使用全搜索进行运动估值耗费时间多等缺点,提出对序列图像中运动区域进行运动估计和补偿,在有效地降低了运动估值的复杂度的同时,进一步提高了运动矢量的编码效率,同时在相同码率下,使恢复图像的质量得到提高.     

前景判别的局部模型匹配目标跟踪

目的 在复杂背景下,传统模型匹配的跟踪方法只考虑了目标自身特征,没有充分考虑与其所处图像的关系,尤其是目标发生遮挡时,易发生跟踪漂移,甚至丢失目标。针对上述问题,提出一种前景判别的局部模型匹配(FDLM)跟踪算法。方法 首先选取图像帧序列前m帧进行跟踪训练,将每帧图像分割成若干超像素块。然后,将所有的超像素块组建向量簇,利用判别外观模型建立包含超像素块的目标模型。最后,将建立的目标模型作为匹配模板,采用期望最大化(EM)估计图像的前景信息,通过前景判别进行局部模型匹配,确定跟踪目标。结果 本文算法在前景判别和模型匹配等方面能准确有效地适应视频场景中目标状态的复杂变化,较好地解决各种不确定因素干扰下的跟踪漂移问题,和一些优秀的跟踪算法相比,可以达到相同甚至更高的跟踪精度,在Girl、Lemming、Liquor、Shop、Woman、Bolt、CarDark、David以及Basketball视频序列下的平均中心误差分别为9.76、28.65、19.41、5.22、8.26、7.69、8.13、11.36、7.66,跟踪重叠率分别为0.69、0.61、0.77、0.74、0.80、0.79、0.79、0.75、0.69。结论 实验结果表明,本文算法能够自适应地实时更新噪声模型参数并较准确估计图像的前景信息,排除背景信息干扰,在部分遮挡、目标形变、光照变化、复杂背景等条件下具有跟踪准确、适应性强的特点。     

一种块匹配的图像修复算法

在研究Criminisi算法的基础上,提出了一种新的图像修复算法。根据图像待修复点梯度的大小,在源区域中确定其匹配区域的范围,减少搜索次数;以到待修复点距离从小到大的方式搜索匹配块,应用最近最优匹配块对图像进行修复;提出新的置信度更新方法,使更新后的置信度与累积误差成反比。实验表明,本文提出的图像修复算法具有较好的图象修复效果,并且计算复杂度低,效率高。     

移动队列规则耦合角度约束的医学图像匹配

当前医学图像的特征匹配主要依靠像素灰度来完成,但是像素灰度对空间信息不敏感,当匹配图像之间存在灰度信息不均衡以及噪声干扰时,将导致误匹配率较高,对此,本文提出了一种基于移动队列规则耦合角度约束的医学图像匹配算法.首先,利用高斯金字塔模型对源图像进行滤波预处理,以减少源图像中存在的噪声等干扰;再利用Harris算子对预处理后的源图像进行特征检测,获取图像的特征点;然后,利用SURF(Speed Up Robust Feature)特征描述子,获取特征点对应的特征描述子.并通过尺度空间理论获取特征点集,通过将特征点集进行排序来形成队列,从而设计移动队列规则,完成特征点的匹配;最后,通过求取匹配特征点间的夹角,形成角度约束模型,对匹配特征点进行提纯,剔除伪匹配特征点,使得匹配准确度得以提升.从仿真实验结果与分析可见,在对医学图像进行匹配时,本文所提出的方法具有匹配精度高、鲁棒性能好等特点.     

基于梯度变换与最优似然法则的图像修复算法

为了解决当前图像修复算法在待修复图像纹理结构较为丰富时易产生模糊效应以及块效应的问题,提出了一种基于梯度变换与最优似然法则的图像修复算法.首先,利用像素点对应的邻域方向特征来构造置信度,用以形成优先权因子.通过优先权因子对待修补块的优先级进行度量,从而确定最优修补块;然后,根据像素点的梯度变换,构造修补块尺寸选择模型,对修补块的尺寸进行自适应调整;最后,利用修补块与匹配块的内积关系、距离关系,分别构造余弦度量模型、相似度量模型,从而建立最优似然法则,从源区域中搜索最优匹配块,对待修复块进行填充修复.实验结果显示,与其他图像修复算法相比,本文算法具备更高的修复质量,能有效克服阶梯效应以及模糊效应.     

一种限制对比度的快速POSHE图像增强算法

针对部分子块重叠直方图均衡(POSHE)引起图像过度增强和实时运行时间长的问题,提出了一种限制对比度的快速POSHE图像增强算法。首先,通过对传统POSHE算法中子块直方图的创建方式与模板的移动路径进行改进从而降低算法的运行时间;其次,在图像中的每个子块被快速POSHE图像增强算法处理前,先进行限定对比度剪切来削弱过度增强;最后,结合图像质量测量指标峰值信噪比(PSNR)和特征相似度指数(FSIM)对所提算法性能进行评价。测试结果表明,该算法既能消除过度增强的影响,又能有效地提高图像的细节信息,同时保持了图像的可信度,使均衡后的图像具有更加自然的视觉效果。     

基于边界约束的样品视频非对称运动估计方法

针对常规运动估计方法应用到样品视频编码时存在无效搜索点冗余搜索、有效搜索点遗漏的问题,提出基于边界约束的非对称运动估计方法。首先,在原有预定搜索范围的基础上,采用定点统计运动参量的方法对科学仪器的样品视频运动性能进行测试统计,根据统计结果,对视频运动范围设定边界,减少运动搜索点数;然后提出了基于边界约束的非对称搜索模型,依据样品视频的运动特征,优化搜索算法。来自电子探针和电子显微镜的不同样品视频编码实验表明,与多方向搜索算法(MDS)比较,所提方法的运动估计时间缩短了约33%,编码性能保持甚至超过了多方向搜索算法。     

结合区域协方差分析的图像显著性检测

目的 图像显著性检测的目的是为了获得高质量的能够反映图像不同区域显著性程度的显著图,利用图像显著图可以快速有效地处理图像中的视觉显著区域。图像的区域协方差分析将图像块的多维特征信息表述为一个协方差矩阵,并用协方差距离来度量两个图像块特征信息的差异大小。结合区域协方差分析,提出一种新的图像显著性检测方法。方法 该方法首先将输入的图像进行超像素分割预处理;然后基于像素块的区域协方差距离计算像素块的显著度;最后对像素块进行上采样用以计算图像像素点的显著度。结果 利用本文显著性检测方法对THUS10000数据集上随机选取的200幅图像进行了显著性检测并与4种不同方法进行了对比,本文方法估计得到的显著性检测结果更接近人工标定效果,尤其是对具有复杂背景的图像以及前背景颜色接近的图像均能达到较好的检测效果。结论 本文方法将图像像素点信息和像素块信息相结合,避免了单个噪声像素点引起图像显著性检测的不准确性,提高了检测精确度;同时,利用协方差矩阵来表示图像特征信息,避免了特征点的数量、顺序、光照等对显著性检测的影响。该方法可以很好地应用到显著目标提取和图像分割应用中。