图像序列

摘要： 以星际争霸游戏图像数据的群体目标行为识别为研究目标,构建游戏中群体目标典型行为的数据集,并应用当前主流的行为识别方法对游戏图像序列进行了群体行为识别。群体目标典型行为的数据集共包含战斗、移动、静止这3类典型行为,每个行为样本中包含不同数量、不同背景和不同行为表示形式的目标单元,充分保证了数据样本的多样性。分别使用时间段网络(TSN)、3D卷积(C3D)网络、膨胀3D卷积网络(I3D)以及时间移位模块(TSM)这4种行为识别方法,对构建的星际争霸图像序列群体目标行为识别数据集进行了验证。实验结果表明,本数据集有效,且基于3D卷积网络的C3D模型取得了最好的行为识别效果和最短的计算时间,满足群体目标行为识别任务需求。本文为后续研究遥感图像的群体目标行为识别方法提供了指导和迁移学习的原始数据。

摘要： 将传统的关键帧提取算法应用于经纬仪图像序列时,关键帧序列中会包含大量的非稳定跟踪图像帧。为了在关键帧提取过程中更好地保留目标稳定跟踪测量信息,该文在分析了经纬仪图像序列的特点后,构建了一种基于局部极大值的经纬仪图像序列关键帧提取算法。该算法首先计算图像序列的帧间差分,然后使用汉宁窗函数对帧间差分进行平滑,最后基于平滑后的帧间差分局部极大值来提取关键帧。实验结果表明:提出的算法相对于传统的帧间差分强度排序方法能更好地保留目标的跟踪测量信息,提取的关键帧在整个跟踪测量图像序列中分布更为均匀,包含的场景信息更为丰富。

摘要： 针对传统的脱靶量测试设备体积庞大、不便移动且测试成本高等缺点,提出了一种基于弹道曲线模型的双目立体视觉的脱靶量测试方法。研究了摄像机的成像模型及坐标系变换,分析了摄像机标定的一般方法,构建了摄像机标定模型,并推导了标定参数的表达式。基于双目立体视觉测试技术设计了弹道曲线模型的弹丸脱靶量测量系统,其测量过程简单且标定结果稳定,可实现弹丸运动目标的快速检测,通过对运动目标的空间定位和轨迹拟合实现了脱靶量的测试。实验结果表明:弹道直线模型和曲线模型均能简便地求解飞行弹丸脱靶量,后者比前者更贴近实际弹丸飞行轨迹,可获得更高精度的脱靶量,弹道曲线模型的脱靶量平均绝对误差(MAE)比直线模型降低了大约一半。

摘要： 为弥补传统语义分割模型忽略时间维度上信息的不足,文中提出一种时间连续的语义分割模型。该模型在经典的U-Net语义分割模型基础上,利用前几帧分割的结果,添加时间维度上的图像特征模块;再通过特征融合模块对各部分的特征图进行融合;最后,利用融合的特征对像素进行分类。为验证所提出模型的分割效果,采集连续图像数据集并利用Labelme对其进行标注,在该数据集上进行训练和测试。结果表明,在同等条件下,基于时间连续的语义分割模型在Dice系数、精确率和召回率方面均高于U-Net网络,对运动模糊图像的语义分割效果也较好,说明该方法能够改善语义分割效果。

摘要： 矿浆品位是浮选工艺中关键参数之一,其对于指导生产、节约药剂、控制产品质量和提高回收率等方面都起着非常关键的作用。为了在线预测浮选精矿品位,解决荧光分析仪检测滞后的问题,研究出了一种不需要主观提取特征的基于深度学习的精矿品位在线预测模型,模型的输入为浮选泡沫图像序列、原矿品位值和尾矿品位值,输出为精矿品位值,属于回归问题。对比了主干网络分别为VGG-16、ResNet-50和MobileNet-V2时预测结果的差异,实验结果显示VGG-16的预测精度和鲁棒性最好,平均预测精度达到12.48%。

摘要： 文章使用Pixel2Mesh对波浪进行三维重建,其中针对重建结果精度低的问题,利用波浪图像序列的时间连续性获得的先验知识以提高重建表面的精度;采用插值结合卷积神经网络的方式,加强重建表面的细节。实验表明,优化后算法能重建出更高精度的波浪表面。

摘要： 空间目标的精密定轨需要高精度的天文定位技术,而星图匹配是天文定位的基础。本文针对精密跟踪型望远镜提出一种快速星图匹配算法,它包含优化三角形匹配和序列图像修正两部分。论文主要叙述了该算法原理、流程与实现,并对其速度与精度等方面进行了研究。首先,利用编码器轴系定位划取指向天区的星表数据,经筛选和归算列为导航星表。接着,应用降维查表的方法加速三角形匹配并通过理想坐标底片常数之间的关系校验得出首帧匹配结果。然后,修正算法结合后续各帧中望远镜指向的变化量计算导航星的理想坐标,并应用上一帧的底片常数,匹配观测星和导航星。最后,对底片常数计算得出的导航星和目标定位结果进行统计对比。经实验,计算39组星对时采用快速三角形匹配可以将时间缩短至近1/300;对后续图像(每帧含大约100组匹配星对)使用序列图像修正算法,均可以在0.04 s以内完成匹配;采用快速星图匹配算法获取的匹配星对用于对中高轨激光星定位,其平均误差在0.5″左右。由此可见,快速星图匹配算法充分满足精密跟踪型望远镜天文定位精度高、速度快的要求。

摘要： 基于深度学习的天气雷达回波外推预测降水的性能实现了新的进展。综述了常见的循环神经网络、卷积神经网络、深度生成模型和多个网络的组合深度学习模型,并从实际应用角度分析了不同深度神经网络在天气雷达回波外推预测降水量任务中的优点与不足。此外,简要分析了天气雷达回波外推的过程机理,并对最新的研究进展进行了介绍。并分析了天气雷达回波外推面临的一些挑战和潜在的解决方案,为相关研究人员提供有益的参考和借鉴。

摘要： 针对图像序列病态区域匹配歧义性以及稠密视差图连通性的问题,本文提出一种基于特征级联卷积神经网络的双目立体匹配计算方法.构造特征重用的全卷积密集块,利用"跳连接"机制将浅层提取的特征图级联到后续子层,对深层卷积丢失的局部特征信息进行补偿.引入指示函数划分一定大小的训练集,将其批量输入特征级联卷积网络模型进行前向传播,同时通过小批量梯度下降(Mini-Batch Gradient Descent,MBGD)策略更新初始权重和偏置参数.根据负连接神经元对网络模型的输出进行初始匹配代价计算,并利用十字交叉域代价聚合(Cross Based Cost Aggregation,CBCA)和半全局立体匹配(Semi-Global Matching,SGM)等算法对代价函数进行优化,求得精准稠密的视差图.分别采用Middlebury数据库提供的训练和测试立体图像集对本文方法和深度学习方法MC-CNN、CBMV、MC-CNN-WS等具有代表性方法进行对比测试.实验结果表明,本文方法具有较高的视差计算精度和鲁棒性,尤其对复杂场景、光照变化以及弱纹理等困难场景图像序列能有效提高匹配率和保持图像细节.

摘要： 隧道,不同于露天道路由于其遮挡性及光线暗等特点,难以观测到内部路况.一旦发生拥堵,后车在未及时收到警示情况下,极易发生追尾等事故.因此,通过隧道内监控对路况拥堵情况进行检测,可提高智慧交通水平,减少隧道内事故发生.多数车辆拥堵检测算法通过车辆数量和车辆速度进行拥堵检测,但此方法容易受单个车辆速度影响,导致整体拥堵检测错误.针对此问题,通过语义分割的方式对整体图像信息提取,以时序图片对车辆拥堵进行检测.文章首先对监控图像进行语义分割,将分割结果与监控图像合并作为输入传送给拥堵检测模块,通过多图像序列推断得出拥堵检测结果.实验表明,将分割结果作为拥堵检测的先验,并使用图像序列的形式可以有效提高模型检测率,本网络结构检测正确率达到92％,可满足检测要求.

摘要： 为实现高质量的空间运动再现,提出空间图像序列的跨尺度展示方法.首先采用视觉显著性技术获取关注区域,其次利用帧插值技术实现图像序列的帧率提升,最后提出运动目标轨迹描述算法、关键帧跨尺度描述算法和运动过程跨尺度展示算法,实现运动轨迹精确描述和运动过程有效展示.实验结果表明,提出的方法能高质量地展示空间目标的运动画面.

摘要： 该文设计并实现了一种基于MapReduce架构的图像序列可视外壳并行绘制方法.首先由20个相机组成的一个环形相机阵列,获取物体的多视角图像序列,然后经一个具有6个节点的计算机计算集群,实现图像序列可视外壳的并行计算.最后针对数据读写受HDFS性能制约的问题,采用基于分布式内存方法进一步提升速度.实验结果表明MapReduce框架能很好地应用于可视外壳的绘制.与传统单机处理相比,MapReduce框架性能具有很大优势.其次,分布式内存很好地解决了HDFS的磁盘约束问题,可以带来更大的性能提升.

摘要： 为解决卫星信号易受干扰或欺骗等造成无人飞行器导航信息可靠性低的问题,提出了一种基于图像序列的无人飞行器自主导航运动估计方法以及基于状态连续的异常点快速剔除算法.该方法首先利用KLT(Kanade_Lucas_Tomasi)算子实现航拍图像特征点的检测和跟踪,然后利用两视图间特征点共面约束原理实现对无人飞行器运动参数的初始估计,进而建立无人飞行器运动状态一阶随机游走模型,采用共面约束下的IEKF(Implicit Extended Kalman Filter)算法实现对无人飞行器运动的精确估计.实验结果证明该方法能够稳定可靠地估计出飞行器的运动信息.

摘要： 高分辨率图像在航天、军事、医疗等领域应用很多,由于多种因素的影响,获取的图像往往达不到使用要求,需要进一步处理.本文提出了一种基于非全局运动(NLM)图像序列的新型快速重建方法.利用迭代曲率插值(ICBI)方法获得较高质量的初值图像,通过对NLM方法中的重建点进行阈值自适应的预分类后使用新的权值计算公式获得权值矩阵,然后加权计算得到重建点的像素值,再反卷积处理后获得最终的重建图像序列.实验表明,该方法在原有NLM方法的基础上提高了重建效果,并且降低了时间复杂度,是一种有效获得高分辨率图像的方法.

摘要： 本文针对人体运动图像序列的多粒度分割问题,提出一种基于时频分析的无监督多粒度鲁棒运动分割算法.该算法在时域分析阶段利用稀疏重构对运动序列进行预分割,通过多尺度时序关联方法将原始运动序列分割为独立行为片段和混合运动基元,实现粗粒度分割;进一步,在频域分析阶段先在主频率下对每个独立行为片段进行特征提取,再结合零速度穿越点检测和自适应K-means算法将每个独立行为片段分割为多个重复子周期片段,实现细粒度分割.实验结果表明,预分割及多尺度分割策略的使用使得分割准确率更高,对混合运动基元的识别和分割更为精准,而且在主频率下进行特征提取使得算法对噪声具有更好的鲁棒性.

摘要： 基于安全和操作的考虑,无人安防车辆需要放在安全的距离.使用无人车辆上的传感器生成具有真实感的三维模型将提高操作员的环境可知能力.利用立体视觉的图像序列,即时场景建模系统(iSM)能够生成包含标定信息的真实感三维模型.装有iSM的军用无人车辆能够获取立体视觉图像,生成三维模型,并且传回基站.操作员能够接触到三维模型,使得他们可以迅速感知环境,进行任务规划和执行.模型可以从不同的视角观察,并且可以进行相对测量.iSM还能计算摄像机的运动.与传统的方法相比,能够进行更精确的定位.除无人车辆之外,iSM还用于安全和采矿等领域,可以生成犯罪现场和矿山坑道的三维模型.

摘要： 本文提出了一种把矩阵分解方法应用到雷达目标的ISAR三维重构上,通过对目标运动场景建模,将目标的ISAR成像过程化,推导出图像序列中散射点二维位置坐标与原目标三维坐标的投影矩阵关系,利用正交投影下的矩阵分解基本方法,从观测矩阵中分解出原目标散射点的三维位置矩阵,进而实现目标的三维位置重构.

摘要： 为了提高在线目标跟踪的鲁棒性,提出一种跟踪-检测相融合的目标跟踪算法.该算法中跟踪器和检测器采用协同工作机制,一方面跟踪器对目标逐帧进行跟踪并判断结果的有效性;另一方面不断累积有效帧的跟踪结果,基于在线增量的方法更新检测器模型.该算法能自动感知跟踪漂移,同时在发生跟踪漂移时,能基于检测器快速对目标进行重定位,并对跟踪器模型进行更新.本文算法中跟踪器和检测器并行工作,实现优势互补,在保证跟踪鲁棒性的前提下,有效提高了处理速度.实验结果表明,跟其他主流的目标跟踪算法相比,本文算法在多个挑战性图像序列上具有良好的鲁棒性.

摘要： 本文提出了一种利用多分类隐任务学习来进行动作识别的方法，描述了模型的建立和优化求解步骤。利用多分类分类器进行动作分类，使得分类更加准确；使用KL距离作为损失函数，将模型的优化时间大大缩短；引入稀疏约束使模型更加鲁棒。实验结果表明本文提出的方法可以有效地建模图像序列中的动作并为其正确分类。

摘要： 针对ISAR像的特征融合和目标识别问题,本文提出一种基于高分辨ISAR像序列的目标三维重构方法.由于ISAR像中目标散射特性随姿态角变化较大,本算法对目标图像角点进行预先标记,再结合投影变换将图像间对应像素点建立一一对应关系,实现ISAR像序列间的图像匹配,最后使用因子分解方法对目标进行三维重构,获得每个像素点的三维坐标.该方法不依赖基于灰度值的图像匹配算法,能够实现面目标上所有像素的匹配映射,对目标的三维重构效果有较大改善.实验中使用不同姿态下长方体和卫星的仿真ISAR像进行重构,实验结果能够验证该方法对ISAR像中目标的三维重构效果.

摘要： 一种用于推导通过运动补偿来对图像部分进行编码所用的至少一个运动信息预测结果的方法和装置。提供了运动信息预测结果的第一集合内的运动信息预测结果的至少两个不同的第一子集和第二子集。进行运动信息预测结果的第一子集的处理和运动信息预测结果的第二子集的处理，以获得根据参考图像部分预测所述图像部分所能够使用的运动信息预测结果的最终集合。第二子集的处理可以包括从所述第二子集的运动信息预测结果中除去重复值，并且可以进行该处理以排除时间预测结果。运动信息预测结果的第二子集的处理的至少一部分可以与运动信息预测结果的第一子集的处理的至少一部分同时进行。

摘要： 一种用于推导通过运动补偿来对图像部分进行编码所用的至少一个运动信息预测结果的方法和装置。提供了运动信息预测结果的第一集合内的运动信息预测结果的至少两个不同的第一子集和第二子集。进行运动信息预测结果的第一子集的处理和运动信息预测结果的第二子集的处理，以获得根据参考图像部分预测所述图像部分所能够使用的运动信息预测结果的最终集合。第二子集的处理可以包括从所述第二子集的运动信息预测结果中除去重复值，并且可以进行该处理以排除时间预测结果。运动信息预测结果的第二子集的处理的至少一部分可以与运动信息预测结果的第一子集的处理的至少一部分同时进行。

摘要： 本发明涉及解码代表图像序列的编码数据流(F)的方法，对于当前块，它包含如下步骤：确定(1)预测块；计算(2)所述预测块的平均值(avrpred)；从所述流中重构(4)与所述当前块有关的DC系数(IresDC)和AC系数；根据所述预测块的所述平均值(avrpred)和所述DC系数(IresDC)计算(6)所述当前块的平均值(avrcr_dec)；计算(8)作为所述当前块的平均值(avrcr_dec)与所述预测块的平均值(avrpred)的比值的加权预测参数(wpcr_dec)；-将包含作为DC系数的零值和所述重构AC系数的系数块变换(10)成残差块；通过合并所述残差块和由所述加权预测参数加权的所述预测块重构(14)当前块。本发明还涉及编码方法。

摘要： 本发明公开了一种从单目图像序列生成立体图像序列的方法，包括四个步骤：首先，由单目图像序列创建对应的单目摄像机参数序列；接着构造双目摄像机序列、对应的参数序列和索引序列；然后，调整双目摄像机参数序列和索引序列的值，使控制误差在误差允许范围之内；最后，依据索引序列构造双目源图像序列，再根据双目摄像机参数序列对双目源图像序列进行视图变换，得到立体图像序列。本发明针对现有立体视频制作技术的高成本、制作方法复杂的缺点，提出一种把单目视频转化为立体视频的方法，该方法不需要特殊硬件辅助、制作过程简单、制作素材丰富且易获得。

摘要： 本发明涉及用于向第一格式图像序列插入附加场或者帧以从中建立第二格式图像序列的控制方法和装置。世界上主要的电视系统采用隔行扫描并且采用50Hz或者60Hz的场频率。然而，电影是采用24Hz的帧频率以及逐行扫描制作而成的，该格式将被用于未来在采用50Hz的国家销售的数字视频光盘。在50Hz播放设备中，所述光盘内容的呈现是以原始的音频音调但却以重复的视频帧或场来实现，以平均地达到所述原始视频源的速度。然而，对于所述帧或者场的插入并不是以常规的排列进行的，而是以适应性的方式进行，从而减少可见的运动抖动。

摘要： 本发明说明用于从两维图像序列生成三维图像的一种方法和一个装置，该方法的特征尤其在于，对两维的图像从其景像类型方面进行分析，并根据所求出的景像类型来选择分配给该景像类型的变形，用该变形使所述的两维图像变形，并输送给至少一个观察信道。此外还规定了不同的过渡功能，用这些过渡功能达到了从一种变形连续和无干扰地过渡到任何新的变形。

摘要： 本发明公开了一种图像序列预测模型的构建方法及图像序列预测方法，所述方法包括：将预置的用于模型训练的训练图像序列输入图像序列预测模型；获取待插值时间步；对于待插值时间步，将预置的插值初始图像和待插值时间步的上个时间步输出的隐藏状态，作为待插值时间步的神经元的输入，再将待插值时间步的隐藏状态输出至下个时间步的神经元，以完成在待插值时间步的数据插值，其中，神经元为ConvGRU‑ODE单元；输出图像序列预测模型的预测图像序列，根据训练图像序列对应的标签图像和预测图像序列计算损失函数，对图像序列预测模型进行训练，直至损失函数收敛。本发明可实现基于非等时间间隔的图像序列的图像预测。

摘要： 本发明涉及解码代表图像序列的编码数据流(F)的方法，对于当前块，它包含如下步骤：重构(10)残差块；确定(12)预测块；以及通过合并残差块和由加权预测参数加权的预测块重构(14)当前块。按照本发明，加权预测参数按照如下步骤确定：计算(2)预测块的平均值(avrpred)；重构(4)当前块的DC系数(IresDC)；根据预测块的平均值(avrpred)和DC系数(IresDC)计算(6)当前块的平均值(avrcr_dec)；以及计算(8)作为当前块的平均值与预测块的平均值(avrpred)的比值的加权预测参数。本发明还涉及编码方法。

摘要： 本发明公开了一种从单目图像序列生成立体图像序列的方法，包括四个步骤：首先，由单目图像序列创建对应的单目摄像机参数序列；接着构造双目摄像机序列、对应的参数序列和索引序列；然后，调整双目摄像机参数序列和索引序列的值，使控制误差在误差允许范围之内；最后，依据索引序列构造双目源图像序列，再根据双目摄像机参数序列对双目源图像序列进行视图变换，得到立体图像序列。本发明针对现有立体视频制作技术的高成本、制作方法复杂的缺点，提出一种把单目视频转化为立体视频的方法，该方法不需要特殊硬件辅助、制作过程简单、制作素材丰富且易获得。

摘要： 本发明涉及用于向第一格式图像序列插入附加场或者帧以从中建立第二格式图像序列的控制方法和装置。世界上主要的电视系统采用隔行扫描并且采用50Hz或者60Hz的场频率。然而，电影是采用24Hz的帧频率以及逐行扫描制作而成的，该格式将被用于未来在采用50Hz的国家销售的数字视频光盘。在50Hz播放设备中，所述光盘内容的呈现是以原始的音频音调但却以重复的视频帧或场来实现，以平均地达到所述原始视频源的速度。然而，对于所述帧或者场的插入并不是以常规的排列进行的，而是以适应性的方式进行，从而减少可见的运动抖动。