一、Radon变换在运动估计中的应用（论文文献综述）
杨洲[1]（2020）在《视频运动模式分析及其在行为识别中的应用》文中研究说明视频行为识别是计算机视觉领域的热点研究方向之一,在视频智能化分析、监控视频异常行为检测和人机交互等领域有广阔的应用前景。视频数据不仅包含空间域表观信息,还包含时间域运动信息,而且在很多视频如体育视频中,运动信息与行为有很大相关性,是行为识别中常用的数据模态。如何提取有效的运动信息并用于行为识别是一个非常值得研究的问题。视频中的运动信息包括全局运动和局部运动。目前的行为识别算法大多采用光流估计来获取帧间运动场,其本质上是全局和局部运动相互叠加的混合运动。实际上,全局和局部运动来自于不同的主体,全局运动是相机运动的结果,它体现了拍摄者的意图;局部运动来自于镜头中的人或物体。有些视频如监控视频中,局部运动通常和事件直接相关,是我们关注的,外界环境干扰引起的相机运动而产生的全局运动有可能是一种噪声。有些视频如体育视频中,局部运动是由事件的主体——运动员产生,而相机运动是为了更好地表达事件,因此二者之间有较强的关联性,但不同类型的比赛视频如NCAA、NBA、CBA等篮球比赛中,同一事件的转播方式不完全相同,全局运动不完全一致。因此,为了提升行为识别的性能,有必要将全局和局部运动分别考虑。论文面向全局和局部运动分离及其在行为识别中的应用开展研究。主要研究工作如下:（1）提出一种适用于行为识别任务的单变量全局运动模型。在面向行为识别的视频如体育视频中,常见的相机运动包括平移、缩放和摇动。在已有全局运动模型中,平移变换模型和仿射变换模型无法精确表达摇动变换,透视变换模型可以表达上述所有相机运动但是模型参数过多,较为复杂。针对这一问题,本文通过分析基本的相机运动的特点,提出了一种单变量全局运动模型,引入二次方项精确表达摇动变换,同时水平和垂直方向运动独立表示降低模型复杂度。对比实验结果表明,提出模型在复杂度和全局运动表达准确性方面取得了较好平衡,适用于行为识别应用中的全局运动建模,为全局和局部运动估计奠定基础。（2）全局运动估计算法研究。全局运动由相机运动产生,具有空间移不变特点,因此可以由局部区域的全局运动点来估计适用于整幅图像的全局运动参数。已有RANSAC算法即通过多次随机采样像素点来估计模型参数,但耗时较高且估计精度存在不确定性。针对这一问题,本文首先提出了基于统计分析的全局运动估计算法,基于局部运动出在视频帧边缘区域的概率比较低这一特点,由图像四个边缘上的像素点通过统计分析估计全局运动模型参数,算法具有运算速度快的优点。但如果边缘区域有运动目标,则参数估计精度会受到影响。本文进一步提出了基于迭代优化的全局运动估计算法,逐步去除包含局部运动的异常点,由越来越多的只有全局运动的点拟合得到模型参数。迭代优化算法得到精确的模型估计结果,然而迭代运算耗时长,且无法进行并行计算。最后,本文提出了基于神经网络的全局运动估计算法,设计神经网络结构,初步实现由混合光流到全局运动的端到端计算。对比已有RANSAC算法,三种算法有各自的优缺点,基于统计分析的算法运算速度最快,但参数估计误差较大;基于迭代优化的算法参数估计准确性最优,但运行速度需提升;基于神经网络的算法模型设计比较初步,运算速度较快,但参数估计精度还不能令人满意。（3）基于运动模式的行为识别。首先,基于上一步的全局运动估计结果,提出了一种基于时空域阈值的局部运动估计算法,通过空间域和时间域两阶段优化,有效抑制场景中的非局部运动分量,从混合运动中分离出局部运动。进一步基于局部运动模式（局部运动变化规律）进行行为识别。在UCF101上的实验结果表明,在行为识别任务中,局部运动模式在准确性和收敛性方面均优于混合运动模式。最后,以篮球比赛视频为研究对象,基于分离的全局和局部运动,采用双流3D卷积神经网络实现全局和局部运动模式的特征提取与融合,并最终应用于群体行为识别。在此基础上,结合场景关键区域（篮筐区域）的视觉特征变化规律,将基于运动模式的群体行为识别与基于关键视觉信息的成功失败分类相结合,实现篮球语义事件识别。在NCAA上的实验结果表明,融合全局和局部运动模式能够有效提升群体行为识别性能。运动模式和视频关键视觉信息相结合的语义事件识别算法取得最好性能。
王诗强[2]（2019）在《面向空间目标接近操作的视觉惯导深组合导航方法研究》文中指出航天器在轨服务是当前航天领域的研究热点,对失效航天器等非合作目标高精度测量是实现在轨服务接近操作的前提。根据目标的非合作程度,非合作目标可分为几何模型已知的部分非合作目标和几何模型未知的完全非合作目标。本论文在某部委“×××非合作目标视觉测量技术研究”项目的资助下,针对配备有视觉相机和惯性导航单元的服务航天器,面向在轨服务过程远距离和近距离上几何模型已知的非合作目标测量与状态确定问题,探索研究视觉惯性组合的导航方法,深度挖掘接近操作中不同阶段视觉惯导的组合方式,重点针对星空图像运动解模糊、视觉惯性组合的航天器绝对姿态估计、远距离非合作目标定位和近距离非合作目标相对位姿确定等问题进行深入研究,主要内容如下:针对由于服务航天器运动导致的图像模糊进行复原是航天器视觉导航的必要操作,针对仅利用图像信息的盲复原方法面临求解病态、运算量大等问题,提出了一种基于退化函数的星空图像运动模糊陀螺辅助复原方法。在假设图像中模糊条纹均可见的条件下,该方法首先利用陀螺输出角速度计算图像复原所需的模糊核,并构建原始图像中星点拖尾条纹中心线的矩阵模型。在此基础上,以拖尾条纹中心线为观测量,以模糊核的稀疏性为约束,构建了模糊核校正的最小二乘优化模型,并利用全局收敛的预条件共轭梯度内点法进行优化求解。最后,分别利用合成星空图像和实拍星空图像对提出的方法进行了仿真验证,结果表明校正后的模糊核精度显着提高,进而提高了复原后星点的位置精度和导航星识别率,且具有较高的计算速度。服务航天器自身姿态精度会影响非合作目标的测量精度,为此融合视觉相机和陀螺的输出信息,并考虑视觉相机的输出时延,在因子图理论框架内,提出了一种基于因子图的服务航天器视觉惯性融合姿态估计方法。该方法首先构建包含测量延迟的视觉相机姿态测量因子和包含零偏漂移的陀螺因子,并基于联合概率密度建立视觉惯性组合的姿态估计因子图模型,采用基于滑动窗口的增量平滑方法进行优化求解。为提高融合估计方法计算速度,将视觉相机测量分为关键帧和非关键帧,在非关键帧时仅利用星点坐标构造视觉相机因子,修正关键帧优化模型并进行姿态优化求解。由于避免了复杂的导航星表匹配等过程,显着提高了非关键帧时的姿态估计效率。数学仿真结果表明提出的方法能够解决测量延迟对姿态估计结果造成偏差的问题,并能够以高频率输出高精度的姿态数据。针对距离较远时服务航天器对目标航天器的视觉探测与定位问题,引入服务航天器的惯导测量信息,提出了一种基于运动轨迹特征的非合作小目标远距离探测方法。该方法在对光点与背景快速分割的基础上,利用惯导角速度计算连续多帧星空图像间的恒星运动轨迹,剔除由于服务航天器运动导致的星空背景运动,进而实现对非合作小目标的探测。根据相对运动模型,进一步引入基于惯导预测的目标跟踪环节,解决由于新进视场星点导致的目标误识别问题。最后,构建了两航天器的相对运动状态估计的因子图模型,估计了相对运动轨迹和相对速度。仿真结果表明,在目标位置先验信息未知的情况下,提出的目标探测方法的效率高于多帧差分法和基于位置估计的方法。进一步利用数学仿真验证了相对运动轨迹估计方法的可行性。为实现对近距离阶段几何模型已知的部分非合作目标的相对位姿确定,考虑充分利用航天器上对接环和发动喷口处的圆特征,在航天器上同一部件具有相同灰度分布的假设基础上,提出了一种基于纹理边界特征的椭圆特征提取方法。该方法在建立椭圆纹理边界条件概率模型的基础上,通过计算纹理边界概率期望提取椭圆特征像素点,并利用所提取像素点拟合椭圆特征方程。为提高椭圆提取的准确性,引入惯导信息进行椭圆位置预测。融合椭圆特征信息和惯导信息,以解析的形式给出了空间圆特征的法向量和圆心位置。仿真结果表明本文提出的方法能够在航天器表面纹理较复杂的情况下准确提取椭圆特征,并对噪声具有一定的鲁棒性,且性能优于基于边缘和梯度的椭圆提取方法。同时,采用数学仿真方法开展了目标航天器相对位姿解算的仿真验证,并分析了相对位姿误差的影响因素。
张媛[3]（2019）在《医学CT运动伪影校正方法研究》文中研究指明医学CT图像已经成为临床应用中不可或缺的诊断工具,然而医学CT成像过程中由于病人运动而产生的伪影是实现高精度诊断的最重要障碍之一,即使微小的运动也会对高分辨率CT图像带来较大影响,当运动伪影使图像质量严重下降时,可能会导致医生误诊。因此,消除医学CT图像中的运动伪影、提高图像质量成为目前图像处理领域的热点研究课题。本文所做的主要工作如下:（1）提出了基于频域幅度相关性的CT运动伪影校正方法。根据运动参数与扇形束投影数据的关系,利用频域幅度相关性实现平移和旋转运动参数估计,然后在滤波反投影重建过程中,加入估计出的运动参数进行补偿,校正运动伪影。改进的Shepp-Logan头部模型实验、人体头部图像实验和临床数据实验表明,该方法在估计精度、实时性和运动伪影校正效果方面均优于HLCC方法。比LLE方法在实时性方面具有较大优势。（2）提出了基于Radon变换的CT运动伪影校正方法。由于Radon变换可以将二维的平移关系降为一维,简化了运算。从提高估计精度的角度,提出基于相位相关法的运动参数估计方法;从提高实时性的角度,提出基于扩展差值函数的运动参数估计方法。实验证明,相位相关法在不增加运算量的前提下,运动估计精度比频域幅度相关性方法明显提高;扩展差值函数方法在不降低估计精度的前提下,运算量比频域幅度相关性方法显着降低。（3）提出了基于图像盲复原的CT运动伪影校正方法。在图像重建过程中,将SATV正则化的RL迭代算法和OSEM重建技术相结合,在迭代过程中交替完成图像重建和运动伪影校正。RL迭代算法只根据原始数据便可估计出清晰图像,而SATV正则化约束项可以有效保留图像边缘及细节信息,同时去除噪声影响。实验证明,该方法的运动伪影校正效果优于基于FDK的运动补偿方法。
刘勇[4]（2018）在《多源卫星舰船目标观测信息融合技术研究》文中研究说明多源卫星观测信息下的舰船目标监视是天基海洋监视的重要发展方向,能够获得舰船目标更多的信息,在海上交通管理、海洋权益保护等方面具有重要意义。因此,研究多源卫星舰船目标观测信息融合技术具有重要的理论意义和实用价值。本文主要研究多源卫星舰船目标观测信息融合应用中的目标关联、目标跟踪等基础理论和关键技术,以联合提高舰船目标的跟踪、监视能力。主要研究成果如下:1.研究了低轨电子侦察卫星组网下的舰船目标跟踪问题。针对卫星重访时间较长且随机,提出了基于中分纬度航法的扩展卡尔曼滤波（Extended Kalman Filter,EKF）航迹滤波算法。在中分纬度航法的基础上推导了EKF,用星载船舶自动识别系统（Automatic Identification System,AIS）数据与仿真数据验证了算法的有效性。针对电子侦察卫星数据杂波干扰强、多目标多辐射源等问题,提出了基于运动和特征信息的改进多假设跟踪（Multiple Hypothesis Tracking,MHT）舰船目标跟踪算法。根据辐射源的位置与特征信息,通过层次聚类进行量测的预处理。利用散度信息与模糊聚类将特征信息结合到MHT框架中计算航迹得分,在生成多目标航迹的同时进行了目标配置辐射源信息的估计,实现了目标运动状态与属性状态的联合估计。仿真结果表明该方法比标准MHT算法具有更好的跟踪性能。2.研究了地球静止轨道（Geostationary Orbit,GEO）光学卫星舰船目标跟踪问题。针对GEO光学卫星由于距离目标较远存在较大定位误差的问题,提出了基于多源信息辅助的定位精度提升算法。利用有理多项式系数（Rational Polynomial Coefficients,RPC）变换实现海岸线数据到像方坐标的转换,生成模板后与GEO图像进行匹配,完成静态位置校正。利用AIS数据与GEO卫星目标点迹进行最优关联,完成动态位置校正。针对GEO卫星空间分辨率低,舰船目标为弱点目标,云层、岛屿、海浪等干扰下虚假目标较多等问题,提出了一种舰船目标检测与跟踪算法。利用归一化差异水体指数（Normalized Difference Water Index,NDWI）进行图像分割以及块区域统计去除陆地与云层,提取出海洋区域。利用恒虚警率（Constant False Alarm Rate,CFAR）处理及形态学滤波解决复杂海背景中弱目标的检测问题。采用基于地理坐标的MHT算法跟踪目标,进一步剔除虚假目标,最终得到目标的运动状态信息。选取―高分四号‖（GaoFen-4,GF-4）图像序列以及AIS数据验证了算法的有效性,具有很高的工程应用价值。3.研究了GEO光学卫星舰船目标航迹关联问题。针对中断航迹关联问题,提出了基于运动信息与幅度信息结合的中断航迹关联算法。采用运动信息关联弱机动性目标,幅度与运动信息关联强机动性目标的策略,通过GF-4卫星数据验证了算法的有效性。针对系统误差下GEO光学卫星与AIS的同步航迹关联问题,提出了基于多特征的迭代最近点（Iterative Closest Point,ICP）算法,利用关联航迹来校正GEO航迹的定位误差,通过GF-4卫星与AIS数据验证了算法的有效性。4.研究了多源成像卫星舰船目标点迹关联问题。针对高轨、低轨成像卫星舰船目标联合监视问题,提出了基于多层次的目标关联算法。利用目标位置、航向、大小等信息进行多层次多特征目标关联,提高了在目标密集海域目标关联的准确性与鲁棒性,通过GF-4与―高分一号‖（GaoFen-1,GF-1）卫星数据验证了算法的有效性。针对多源合成孔径雷达（Synthetic Aperture Radar,SAR）卫星舰船目标关联问题,提出了基于位置与大小特征的目标关联算法以及通过不断修正方位向偏移迭代求解速度的方法,通过―高分三号‖（Gao Fen-3,GF-3）与―哨兵一号‖（Sentinel-1,S-1）卫星数据验证了算法的有效性。
李贵锐[5]（2017）在《超高清视频的低复杂度帧率上变换算法研究》文中提出帧率上变换（Frame Rate Up-Conversion,FRUC）又称为视频时域内插,是一种能够有效提高视频主观质量的后处理技术。目前,该技术已具有较广泛的应用场景:在液晶显示设备上播放动作场景视频时,该技术可以提高刷新率从而改善物体边缘的拖尾、模糊现象,从而提升视频的观赏质量;在不同的视频格式标准下,FRUC技术可以实现帧率的转换,从而使视频数据能够在不同的多媒体终端设备下观看;低码率视频传输系统中,在解码时为了尽可能恢复原始视频,需要重建被丢弃的视频帧,因而也需要用到FRUC技术。本文将重点对基于块匹配的运动补偿类FRUC算法进行研究。在基于双向运动补偿的框架下,从分层估计策略、候选矢量的选择、运动矢量的散出以及边界宏块的处理等方面详细阐述了双向运动估计的设计。该算法在降低计算复杂度的同时,可有效提高大运动矢量及边界运动矢量的准确度。此外,矢量场的全局扫描和矢量自适应平滑处理技术能够有效提高运动矢量在物体边界的收敛性及矢量场的准确性、一致性和稠密性,从而在低复杂度实现的同时提升内插帧的质量。在基于双向运动补偿的基础上,本文提出一种针对遮蔽问题的解决方案,用以改善帧率提升的效果。基于对遮蔽形成原因的分析,该方案利用像素差异性进行遮蔽区域的检测;利用运动差异性进行遮蔽类型的判定;根据判定的结果进行遮挡或暴露的单向运动补偿插值,从而有效缓解遮挡或暴露造成的边界虚假轮廓效应,提高内插帧的质量。与此同时,本文针对帧率上变换技术在实际应用中遇到的问题进行优化设计。针对场景的快速转换问题,文中提出了一种基于块匹配误差数据的统计结果对场景切换进行检测的方案,从而在场景转换的图像帧之间用非运动补偿的帧平均算法得到中间帧,实现平滑的场景过渡;对于滚动字幕问题,本文基于对运动估计获得的矢量场的分析,进而估计出字幕区域的全局运动矢量,并结合字幕的特有性质提高内插帧质量。
郭勇[6]（2016）在《帧率上变换算法与实现研究》文中认为帧率上变换（Frame Rate Up-Conversion,FRUC）作为一种重要的视频后处理技术,通过在相邻原始帧之间插入中间帧的方式将低帧率视频转换为较高帧率视频,从而提升视频的主观质量。目前,FRUC技术得到了广泛应用,包括:解决视频数据在各多媒体终端设备之间的帧率匹配问题;消除数字电视播放低帧率视频时的画面抖动及运动模糊现象,为观众提供更流畅的视觉体验;重建低码率视频传输系统中被丢弃的原始帧,避免了帧率不足造成的画面跳跃感。目前,基于运动补偿技术的FRUC方法成为主流,运动补偿中的运动矢量可以从码流信息中获得,也可以在解码端进行重估计得到。本文将基于运动重估计的FRUC算法与实现作为主要研究内容,以基于块匹配的运动补偿类方法为技术路线,对其中的真实运动估计、运动矢量场后处理、遮蔽区域运动补偿以及系统硬件架构实现等难点问题进行了深入分析并提出了有效的解决方案。本文的主要内容如下:在国家核高基科技重大专项课题的背景下,立足于低复杂度和低带宽需求,提出了一套可实现的帧率上变换硬件架构。通过并行化处理,提高了运动估计、运动矢量处理和运动补偿操作之间的数据重复利用率;设计了一种高效的片内存储方式,满足帧率上变换中多种尺寸像素块的随机读取要求,提高了计算的并行性,降低了处理时间;同时提出三级流水线设计,合理地安排各模块对像素缓存的访问需求,提高了系统的运行效率,减少了空转的时间。针对现有块匹配运动估计准确度不高的问题,本文提出了一种基于卡尔曼滤波的联合运动估计算法。该方法建立了运动矢量场的状态模型和观测模型,通过递归滤波的方式减少运动观测值与真实轨迹之间的误差噪声。在获取运动矢量场观测值的过程中,通过单向运动估计与双向运动矢量映射相结合的方式,避免了“空洞”和“重叠”问题的产生,提高了运动估计的准确度。针对初始运动矢量场中存在非可靠运动矢量的问题,本文通过对运动矢量进行多级后处理,不断提高其稠密度和准确性。与传统的算法相比,本文提出的算法对运动边缘的方向进行了分析,据此选择更合适的候选运动矢量进行细化;接着,通过考虑运动矢量的局部平滑特性、匹配误差及边界可能性等多个维度的信息,设计了一种鲁棒的三边滤波器,避免了传统算法中过度平滑及不可靠运动矢量传播的缺陷。针对遮蔽区域无法进行准确的运动补偿的问题,本文研究了遮蔽区域形成的原因,并根据遮蔽区域的像素及运动矢量场的特性,提出了一种遮蔽处理运动补偿算法。该方法能够完成对遮蔽区域的检测,并对其进行更鲁棒的运动补偿。为了更好地在硬件中实现上述算法,本文进一步对其进行了复杂度上的优化,在硬件实现复杂度与算法处理效果之间取得了更好的权衡;在此基础上,提出了新算法的硬件架构,为下一代帧率上变换IP核的实现奠定基础。本文对所提出的算法进行了大量的实验验证,实验结果表明,与现有的同类算法相比,利用本文算法得到的结果具有较高的主观和客观效果。本文同时对所提出的硬件架构及实现方案进行了充分的理论分析,已成功应用在国家核高基科技重大专项课题中,证明了所提方案的可行性及有效性。
郑凯[7]（2016）在《基于运动模糊图像的多目标参数估计研究》文中提出基于模糊图像的参数估计一直是机器视觉的研究热点之一,其主要原理是根据图像中所显示的模糊特性,找到所需要的模糊信息,建立图像中的模糊信息与运动图像的关系,进而获取运动图像中的参数。针对目前所拍摄的图像中,因包含多运动目标而无法对其中某一目标进行准确模糊参数估计的问题,本文提出基于局部模糊图像的多目标参数估计研究算法,具体研究内容如下:首先,介绍模糊图像退化模型的形成原因及分类,并着重分析运动模糊图像的退化模型以及点扩散函数,研究点扩散函数与图像模糊参数的关系。其次,通过对点扩散函数的分析,深入研究运动模糊图像的频谱特性,并从模糊角度、模糊尺度两个方面,探讨现有算法在模糊参数估计中存在的问题。最后,提出基于局部标准差与现有算法相结合的方法,同时鉴定多目标的模糊参数。通过提取标准差较大的模糊边缘图像特征块,对各特征块进行筛选、归类,然后应用Radon变换及倒谱法分别对每个特征块进行运动模糊参数的鉴别估计。针对现有算法在有噪声情况下,精确度不高的问题,引入金字塔式权值,对模糊参数识别结果进行加权求平均值,以达到对测量结果进一步精确的目的,通过仿真实验对优化的算法进行性能仿真与对比分析,提高算法对运动模糊参数估计的稳定性和准确性。
万磊[8]（2016）在《卷帘式快门CMOS探测器航空应用关键技术研究》文中研究指明自从固态成像传感器取代胶片成为主流的成像设备以来,在航空相机领域CCD一直占据着绝对的主导地位。近些年来CMOS成本低、速度快、可片上集成图像处理单元等优点,越来越受到人们重视,成像质量也稳步提升。CMOS的应用不再局限于民用电子消费市场,开始逐渐向航空成像领域发展。不同于CCD全局快门的曝光方式,CMOS通常采用电子卷帘式快门（Rolling shutter,RS）。像面上每行像素都是顺序读出,因此CMOS航空相机在高速成像时,与被照景物发生快速的相对运动,不仅会带来传统的像移模糊,还会引入严重的几何畸变。特别是当相机发生姿态角（俯仰、横滚、偏航）的变化后,CMOS像面上像素点的畸变与各点位置密切相关,整个像面的畸变分布会变得十分复杂。因此要想拓展CMOS探测器在航空相机领域的应用,对高速运动下CMOS的成像问题进行理论研究就显得至关重要了。论文从分析CMOS与CCD的差异入手,详细研究了RS效应产生的原因,建立了运动成像时CMOS探测器像素畸变的理论模型;对传统的RS效应消除算法进行了深入研究,提出了一种基于光流法的RS畸变校正方法;通过分析多姿态成像时航空相机成像原理,建立了任意姿态角下CMOS成像畸变模型,在此基础上提出了一种用于单帧CMOS航空图像的畸变校正方法;针对CMOS航空相机高速运动带来的像移模糊和几何畸变,建立了两者的混合模型,提出了一种基于模糊参数估计的双重退化图像恢复方法。论文的主要创新工作和研究成果如下:1、详细介绍了CMOS探测器和CCD探测器的基本结构,探讨了CMOS与CCD之间在各个方面的联系与区别,从CMOS与CCD成像原理的差异出发引出了RS效应产生的问题。通过分析成像时CMOS像面上各像素点的运动,将其分解为不同的运动方向,对相应方向的RS畸变进行了定量分析,从而建立了RS效应的参考模型。最后对传统的RS效应消除方法进行了总结和分析,简述了其步骤,为后续提出的畸变校正算法提供了参考。2、为了解决传统方法效率较低,难以满足航空图像实时处理要求的问题,本文提出了一种基于光流估计的RS畸变校正方法。该方法以建立的RS畸变参考模型为依据,对通用的仿射变换模型进行了简化,并利用光流法对视频相邻两帧图像间的运动进行估计,由此计算仿射模型参数,最后通过反向映射得到恢复后的图像。该方法简化了运动模型,并且采用金字塔光流进行快速运动估计,能够显着提高效率。3、根据高速成像时航空相机成像模型,利用坐标变换法求得像面上任意像素点的速度,结合RS效应原理,建立了任意姿态角下CMOS航空相机成像畸变模型。以此为基础提出了单帧CMOS畸变图像恢复方法。本方法可以根据飞机飞行的速高比、姿态角等信息,结合所用CMOS探测器相关参数直接求出整幅图像的畸变分布,最后通过相应仿射变换得到恢复的图像。基于蒙特卡洛法的误差分析表明模型精度完全符合航空成像要求,而且此方法直接计算像面畸变分布,无需进行复杂的帧间运动估计,算法的计算量显着降低,能够满足航空实时成像的要求,实验结果也证明了此方法的有效性。4、针对CMOS航空相机高速运动带来的像移模糊和RS畸变,本文提出了将两种图像退化因素统一考虑的思路。通过分析各自的数学模型,以运动向量为桥梁,对两种因素进行了混合建模,由此提出了一种基于参数分析的双重退化图像恢复方法。本方法首先通过常用的模糊参数估计方法对相机运动参数进行估计,利用得到的估计参数同时对模糊和畸变进行恢复。在保证恢复效果的情况下,只需要一次估计就能同时消除两种因素的影响,简化了步骤,能够显着降低计算复杂度,为CMOS航空图像的实时处理提供了一种崭新的思路。
孔维荣[9]（2015）在《基于运动模糊图像的位移检测技术研究》文中认为伴随着科学技术快速前进的步伐,对运动测量的要求自然愈加苛刻,无论是从测量的精度、效率还是从其成本方面。机器视觉技术凭借其测量的非接触性、设备简单、低成本等优势受到热切关注。文中从频域、alpha通道和大位移光流估计三个方面,对由运动模糊图像估计位移的方法进行研究分析。首先,提出由单幅彩色模糊图像的相关频域特征来实现位移测量的方法。在对运动模糊图像的傅里叶频谱分析过程中,揭示图像本身是蕴含着运动估计所需要的信息;对彩色图像采用分通道估计,从而减少在图像转化过程中的信息损失。针对参数估计中出现的误差叠加情况,将运动角度和运动尺度分开估计。根据Gabor滤波器与模糊图像频谱图的响应关系得到运动角度,并用倒谱法分离出模糊图像中的运动信息求得运动尺度。仿真结果表明,该方法能够更精确地从单幅图像中估计位移参数。其次,针对由模糊图像实现运动估计时计算复杂、消耗资源大的问题,提出一种由图像角区处alpha通道实现运动参数估计的分析方法。运动模糊图像蕴含着运动信息,而角顶点的运动对参数估计有着直观的解释;建立角区处alpha通道运动约束,使运动估计与图像去模糊分离开;运用Hough投票法将所需信息提取出来,从而得到相关的运动参数。Alpha通道的梯度计算与滤波器直接相关,分析不同滤波器对估计结果精度的差异。实验结果表明:该方法是可以由单幅模糊图像实现一定范围内的运动估计,缩短运算时间,且估计结果精度较高。最后,鉴于传统光流算法都是依赖清晰图像序列且对大位移估计效果较差,提出利用运动模糊图像中含有的信息来提高大位移光流估计精度。通过使用交替曝光模型,在两幅清晰图像之间引入一幅运动模糊图像,用于估计大位移光流场。为了抑制光照变化影响,利用结构-纹理分解方法得到图像的纹理部分。由于L1范数在间断保持、分段平滑上比L2范数更具优势,建立基于运动模糊图像的TV-L1光流模型。在Matlab平台上进行仿真实验,给出实验结果和对比分析,证实了本文提出的方法有利于提高大位移光流估计精度。
金守峰[10]（2015）在《基于机器视觉的工程机械行走速度测量系统研究》文中研究指明工程机械行走装置在产生牵引力时不可避免会发生滑转,造成工程机械行走速度的损失而形成滑转功率,引起工程机械作业效率降低,耗能增加。因此通过对行走速度的研究实从而现对滑转的控制、调节使工程机械处于最佳工作状态至关重要。但工程机械行走速度受地面附着性能、作业载荷、轮胎胎压等综合因素的影响,使得在工程机械运动中较难实现实时、准确的测量。因此实现工程机械实际行走速度及滑转率的高精度测量成为滑转控制亟待解决的问题。基于此,本文在分析现有速度测量技术的基础上,设计开发了基于机器视觉的工程机械行走速度测量系统,建立了行走速度与序列图像和单幅模糊图像的数学模型;通过工程机械自身的“眼睛”识别地面图像信息,研究了序列图像的相邻帧的全局运动矢量和单幅运动模糊图像的模糊尺度,结合系统的安装参数获得工程机械相对于地面的行走速度。在此基础上自主研发了基于机器视觉的滑转率测量试验平台,并进行了现场试验,验证了行走速度机器视觉测量算法的精度和稳定性,实现了滑转率的测量。主要研究工作如下:（1）设计开发了基于机器视觉的行走速度测量系统,依据系统的功能重点研究了机器视觉测量系统的运动机构、工业相机、镜头、光源、图像采集卡等硬件设备的性能及选型原则。同时进行了视觉测速系统软件的模块化设计。实现了运动机构的二维运动控制,图像的实时采集与处理功能,为后续进一步展开理论和试验研究提供了软硬件基础。（2）研究了机器视觉系统标定对视觉测量的影响,明确了各坐标系统在标定中的重要性,分析了传统标定方法在实际应用中的难点。本文选用畸变小的光学镜头,采用相对标定法,以标准量块作为标定物,在不需要标定工业相机的内外参数的情况下,快速、简单地标定出工业相机的物面分辨率,标定误差为0.0046mm。（3）依据光照不均对成像质量的影响,在研究了照度-反射模型的基础上,本文提出了基于函数逼近理论的基函数拟合算法,通过B样条基函数拟合图像中的背景照度偏差,利用除法运算对原图像进行拉伸,有效校正了光照不均产生的降质图像。与传统的同态滤波算法对比,本文算法处理后图像的信息熵增加了26.6%,突出了图像的细节信息,提高了图像的对比度,进而提高了序列图像相关曲线的匹配精度。（4）研究了序列图像中相邻帧图像的相关性,建立了基于序列图像的速度测量模型,提出了基于序列图像的工程机械行走速度测量方法,利用同一地面场景在相邻帧图像中重叠区域位移量及帧间时间计算工程机械的行走速度。研究了图像位移的全局运动矢量估计算法,提出了多窗口灰度投影相关算法估计全局运动矢量,并在泥土和沙地两种典型地面中以不同速度进行了实验研究,结果表明在给定的速度范围内,速度相对误差在7%以内,相邻帧图像运算耗时约为15ms,验证了理论模型的正确性和算法的精度与实时性。（5）研究了运动速度与曝光时间对运动模糊图像的影响,建立了运动模糊尺度与运动速度的数学模型,提出了基于运动模糊图像的工程机械行走速度测量方法。利用运动模糊图像在频谱图中出现的暗条纹的间距与方向特征,设计开发Radon算法估计运动模糊方向和运动模糊尺度,通过给定的安装参数计算出运动速度。实验结果表明在给定的速度范围内,速度相对误差在10%以内,单帧运动模糊图像运算速度耗时约30ms,验证了算法的精度和实时性。（6）滑转率测量试验研究。针对工程机械的5种滑转现象,通过分析滑转率测量中行走速度和理论行走速度两个关键参数的测量方法,结合本文开发的机器视觉速度测量算法,设计开发了基于机器视觉的滑转率测量试验平台,利用该平台进行实际测量研究。验证了行走速度机器视觉测量算法的精度和实时性,实现了滑转率的测量,在给定地面条件及行走速度范围内基于序列图像的滑转率精度高于基于运动模糊图像的滑转率精度,与实际滑转率的误差控制在1.75%以内。
二、Radon变换在运动估计中的应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、Radon变换在运动估计中的应用（论文提纲范文）
（1）视频运动模式分析及其在行为识别中的应用（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景与研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 行为识别 |
| 1.2.2 行为识别算法研究现状 |
| 1.2.3 群体行为识别算法研究现状 |
| 1.2.4 运动模式分析研究现状 |
| 1.3 论文的研究内容与论文结构 |
| 第2章 面向行为识别的全局运动模型构建 |
| 2.1 全局运动特点分析 |
| 2.2 全局运动模型构建 |
| 2.2.1 现有的全局运动模型 |
| 2.2.2 全局运动中点的映射关系 |
| 2.2.3 提出的全局运动模型 |
| 2.3 全局运动模型性能评估 |
| 2.4 本章小结 |
| 第3章 全局运动估计 |
| 3.1 帧间运动场估计 |
| 3.2 基于统计分析的全局运动估计 |
| 3.3 基于迭代优化的全局运动估计 |
| 3.4 基于神经网络的全局运动估计 |
| 3.5 全局运动估计算法性能评估 |
| 3.6 本章小结 |
| 第4章 局部运动模式在行为识别中的应用 |
| 4.1 局部运动估计 |
| 4.2 实验数据集 |
| 4.3 基于局部运动模式的行为识别 |
| 4.3.1 深度神经网络模型 |
| 4.3.2 实验结果与分析 |
| 4.4 本章小结 |
| 第5章 全局和局部运动模式在群体行为识别中的应用 |
| 5.1 实验数据集 |
| 5.2 融合全局和局部运动模式的群体行为识别 |
| 5.3 融合运动模式和关键视觉信息的篮球语义事件识别 |
| 5.4 实验结果及分析 |
| 5.4.1 群体行为识别实验结果 |
| 5.4.2 成功失败识别实验结果 |
| 5.4.3 篮球视频语义事件识别实验结果 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间所发表的学术论文 |
| 致谢 |
（2）面向空间目标接近操作的视觉惯导深组合导航方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题来源 |
| 1.2 课题背景及研究目的和意义 |
| 1.3 国内外研究现状 |
| 1.3.1 非合作目标接近导航的相关航天任务 |
| 1.3.2 基于视觉的航天器导航方法 |
| 1.3.3 基于视觉/惯导组合的导航方法 |
| 1.4 本文的主要研究内容 |
| 第2章 传感器数据融合的因子图建模及优化方法 |
| 2.1 引言 |
| 2.2 传感器数据融合的问题描述 |
| 2.3 传感器数据融合的因子图模型 |
| 2.4 贝叶斯网络与贝叶斯树 |
| 2.5 基于增量平滑的状态更新 |
| 2.6 本章小结 |
| 第3章 基于退化函数的星空图像运动模糊陀螺辅助复原方法 |
| 3.1 引言 |
| 3.2 问题描述与数学模型 |
| 3.2.1 星空图像复原的数学模型 |
| 3.2.2 模糊核的数学模型 |
| 3.3 基于模糊核的模糊星空图像复原方法 |
| 3.4 基于陀螺辅助与模糊核校正的星空图像复原方法 |
| 3.4.1 模糊核计算方法 |
| 3.4.2 拖尾条纹结构提取方法 |
| 3.4.3 基于内点法的模糊核校正方法 |
| 3.4.4 基于尺度梯度投影的星空图像重建方法 |
| 3.5 仿真验证与结果分析 |
| 3.5.1 数学仿真验证 |
| 3.5.2 实拍星空图像仿真验证 |
| 3.6 本章小结 |
| 第4章 考虑测量延迟的服务航天器姿态视觉惯性组合估计方法 |
| 4.1 引言 |
| 4.2 问题描述与数学模型 |
| 4.2.1 姿态描述与运动学模型 |
| 4.2.2 传感器模型 |
| 4.2.3 带有测量延迟的姿态估计的数学模型 |
| 4.3 视觉相机和陀螺姿态组合估计的因子图方法 |
| 4.4 考虑测量延迟的姿态与陀螺零偏漂移估计的因子图方法 |
| 4.4.1 姿态与陀螺零偏漂移估计的因子图模型 |
| 4.4.2 基于滑动窗口增量平滑的因子图优化方法 |
| 4.4.3 基于惯性传播的高速低延迟输出方法 |
| 4.5 仿真验证与结果分析 |
| 4.5.1 仿真条件 |
| 4.5.2 结果与分析 |
| 4.6 本章小结 |
| 第5章 基于视觉惯性组合的非合作目标探测与相对运动状态估计方法 |
| 5.1 引言 |
| 5.2 问题描述与数学模型 |
| 5.2.1 星空背景下小目标探测的数学模型 |
| 5.2.2 相对运动的数学模型 |
| 5.3 非合作小目标探测与相对运动状态估计方法 |
| 5.4 星空背景下非合作小目标探测与跟踪方法 |
| 5.4.1 基于Retinex和形态学的背景分割方法 |
| 5.4.2 惯导辅助的目标探测与跟踪方法 |
| 5.5 基于因子图的非合作小目标相对运动状态估计方法 |
| 5.6 仿真验证与结果分析 |
| 5.6.1 仿真条件 |
| 5.6.2 星空背景下小目标探测半物理仿真 |
| 5.6.3 目标相对运动状态估计数学仿真 |
| 5.7 本章小结 |
| 第6章 基于纹理边界的椭圆特征提取及目标相对位姿确定方法 |
| 6.1 引言 |
| 6.2 问题描述与数学模型 |
| 6.2.1 基于纹理边界的椭圆特征检测的数学模型 |
| 6.2.2 基于椭圆特征的相对位姿确定的数学模型 |
| 6.3 基于椭圆特征的非合作目标相对位姿确定方法 |
| 6.4 椭圆特征提取方法与相对位姿确定 |
| 6.4.1 惯导辅助的椭圆特征初始定位方法 |
| 6.4.2 基于纹理边界点的椭圆特征提取方法 |
| 6.4.3 惯导辅助的空间圆相对位姿确定方法 |
| 6.5 仿真验证与结果分析 |
| 6.5.1 仿真条件 |
| 6.5.2 椭圆特征检测仿真 |
| 6.5.3 相对位姿确定仿真 |
| 6.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 致谢 |
| 个人简历 |
（3）医学CT运动伪影校正方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究的意义 |
| 1.2 医学CT图像中的运动伪影 |
| 1.2.1 运动伪影产生原因 |
| 1.2.2 运动伪影分类 |
| 1.3 运动伪影校正方法的研究现状 |
| 1.3.1 缩短扫描时间方法 |
| 1.3.2 运动数据跟踪方法 |
| 1.3.3 运动参数估计方法 |
| 1.4 论文研究内容及结构安排 |
| 1.4.1 论文研究内容 |
| 1.4.2 论文结构安排 |
| 第2章 医学CT成像及运动伪影研究理论基础 |
| 2.1 CT成像技术的基本理论 |
| 2.1.1 CT成像原理 |
| 2.1.2 扫描模式 |
| 2.2 若干重要理论 |
| 2.2.1 Radon变换 |
| 2.2.2 中心切片定理 |
| 2.2.3 数据一致性原理 |
| 2.2.4 点扩展函数 |
| 2.3 常用重建算法 |
| 2.3.1 FBP重建算法 |
| 2.3.2 迭代重建算法 |
| 2.4 运动伪影分析 |
| 2.4.1 平移运动对图像质量的影响分析 |
| 2.4.2 旋转运动对图像质量的影响分析 |
| 2.5 运动伪影校正评价标准 |
| 2.5.1 运动参数估计精度评价 |
| 2.5.2 运动伪影校正效果评价 |
| 2.6 本章小结 |
| 第3章 基于频域幅度相关性的CT运动伪影校正 |
| 3.1 运动与扇形束投影的关系分析 |
| 3.2 基于频域幅度相关性的运动参数估计 |
| 3.2.1 频域幅度相关性 |
| 3.2.2 运动参数估计 |
| 3.3 基于运动参数估计的运动伪影校正 |
| 3.4 螺旋CT运动伪影校正 |
| 3.5 实验结果及分析 |
| 3.5.1 仿真实验 |
| 3.5.2 人体头部图像实验 |
| 3.5.3 临床数据实验 |
| 3.5.4 实验结果分析 |
| 3.6 本章小结 |
| 第4章 基于Radon变换的CT运动伪影校正 |
| 4.1 扇形束投影数据的Radon变换 |
| 4.2 亚像素精度计算 |
| 4.3 基于相位相关法的运动参数估计 |
| 4.3.1 相位相关算法 |
| 4.3.2 运动参数估计 |
| 4.3.3 运动伪影校正 |
| 4.4 基于扩展差值函数的运动参数估计 |
| 4.4.1 扩展差值函数 |
| 4.4.2 运动参数估计 |
| 4.4.3 运动伪影校正 |
| 4.5 实验结果及分析 |
| 4.5.1 仿真实验 |
| 4.5.2 人体头部图像实验 |
| 4.5.3 临床数据实验 |
| 4.5.4 实验结果分析 |
| 4.6 本章小结 |
| 第5章 基于图像盲复原的CT运动伪影校正 |
| 5.1 图像复原基础理论 |
| 5.1.1 图像退化与复原模型 |
| 5.1.2 几类常见的图像盲复原方法 |
| 5.2 基于SATV正则化的迭代算法 |
| 5.2.1 Richardson-Lucy迭代算法 |
| 5.2.2 SATV正则化的RL算法 |
| 5.3 基于图像盲复原的运动伪影校正 |
| 5.4 实验结果及分析 |
| 5.4.1 仿真实验 |
| 5.4.2 人体头部图像实验 |
| 5.4.3 临床数据实验 |
| 5.4.4 实验结果分析 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 论文所做的主要工作 |
| 6.2 今后进一步研究的方向 |
| 参考文献 |
| 发表论文、专利和科研情况说明 |
| 致谢 |
（4）多源卫星舰船目标观测信息融合技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 国内外研究现状与发展动态 |
| 1.2.1 天基海上目标监视资源 |
| 1.2.2 天基海上目标观测信息处理技术 |
| 1.3 主要工作与内容安排 |
| 第二章 基于低轨电子侦察卫星的舰船目标跟踪 |
| 2.1 引言 |
| 2.2 基于地理坐标的航迹滤波 |
| 2.2.1 航迹推算 |
| 2.2.2 EKF推导 |
| 2.2.3 实验验证 |
| 2.3 基于改进MHT的卫星电子信息舰船目标跟踪 |
| 2.3.1 MHT基本框架 |
| 2.3.2 舰船目标建模 |
| 2.3.3 结合特征的目标跟踪 |
| 2.3.4 实验验证 |
| 2.4 本章小结 |
| 第三章 基于静止轨道光学卫星的舰船目标跟踪 |
| 3.1 引言 |
| 3.2 舰船目标检测 |
| 3.2.1 GF-4卫星介绍 |
| 3.2.2 图像预处理 |
| 3.2.3 CFAR检测 |
| 3.3 多源信息辅助的舰船目标定位 |
| 3.3.1 基于海岸线数据辅助的位置校正 |
| 3.3.2 基于AIS数据辅助的位置校正 |
| 3.4 舰船目标跟踪 |
| 3.4.1 舰船目标建模 |
| 3.4.2 多帧关联与航迹提取 |
| 3.4.3 实验验证 |
| 3.5 本章小结 |
| 第四章 基于静止轨道光学卫星的舰船目标航迹关联 |
| 4.1 引言 |
| 4.2 GEO光学卫星舰船目标中断航迹关联 |
| 4.2.1 航迹关联 |
| 4.2.2 实验验证 |
| 4.3 GEO光学卫星舰船目标同步航迹关联 |
| 4.3.1 GF-4/AIS数据融合 |
| 4.3.2 实验验证 |
| 4.4 本章小结 |
| 第五章 基于多源成像卫星的舰船目标点迹关联 |
| 5.1 引言 |
| 5.2 高低轨成像卫星舰船目标点迹关联 |
| 5.2.1 高低轨卫星介绍 |
| 5.2.2 特征参数提取 |
| 5.2.3 多层次舰船目标关联 |
| 5.2.4 实验验证 |
| 5.3 低轨成像卫星舰船目标点迹关联 |
| 5.3.1 SAR卫星介绍 |
| 5.3.2 舰船目标检测 |
| 5.3.3 舰船目标模糊关联 |
| 5.3.4 运动参数估计 |
| 5.3.5 实验验证 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 全文工作总结 |
| 6.2 未来研究展望 |
| 致谢 |
| 参考文献 |
| 作者在学期间取得的学术成果 |
（5）超高清视频的低复杂度帧率上变换算法研究（论文提纲范文）
| 摘要 |
| abstract |
| 缩略语 |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 研究现状 |
| 1.3 论文主要内容与章节安排 |
| 第二章 帧率上变换算法概述 |
| 2.1 引言 |
| 2.2 非运动补偿类帧率上变换算法 |
| 2.2.1 帧重复算法 |
| 2.2.2 帧平均算法 |
| 2.3 基于块匹配的真实运动估计 |
| 2.3.1 真实运动估计的关键技术 |
| 2.3.2 单向块匹配的真实运动估计 |
| 2.3.3 双向块匹配的真实运动估计 |
| 2.3.4 联合真实运动估计 |
| 2.4 运动矢量场后处理 |
| 2.4.1 非可靠运动矢量的检测 |
| 2.4.2 运动矢量的细化和平滑 |
| 2.5 运动补偿算法 |
| 2.5.1 单向运动补偿插帧算法 |
| 2.5.2 双向运动补偿插帧算法 |
| 2.6 本章小结 |
| 第三章 基于双向运动补偿的帧率上变换算法 |
| 3.1 引言 |
| 3.2 双向运动估计设计 |
| 3.2.1 分层运动估计策略 |
| 3.2.2 候选运动矢量的确定 |
| 3.2.3 运动矢量的散出搜索 |
| 3.2.4 边界宏块运动矢量的处理 |
| 3.3 运动矢量后处理 |
| 3.3.1 运动矢量场的全局扫描 |
| 3.3.2 运动矢量场的自适应平滑 |
| 3.4 运动补偿插值 |
| 3.5 测试数据结果与分析 |
| 3.5.1 关键步骤实验结果 |
| 3.5.2 整体实验结果 |
| 3.6 本章小结 |
| 第四章 基于遮蔽分析的帧率上变换 |
| 4.1 引言 |
| 4.2 遮蔽问题的分析 |
| 4.3 遮蔽问题的检测与处理 |
| 4.3.1 遮蔽区域的检测 |
| 4.3.2 遮蔽区域的分类判定 |
| 4.3.3 基于遮蔽类型的运动补偿插值 |
| 4.4 实验结果分析 |
| 4.5 本章小结 |
| 第五章 帧率上变换中的场景切换和滚动字幕处理 |
| 5.1 引言 |
| 5.2 帧率上变换中的场景切换 |
| 5.2.1 场景切换的分析与处理 |
| 5.2.2 场景检测结果 |
| 5.3 帧率上变换中的滚动字幕处理 |
| 5.3.1 滚动字幕分析 |
| 5.3.2 滚动字幕的检测与处理 |
| 5.3.3 实验结果与分析 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文工作总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的学术论文 |
（6）帧率上变换算法与实现研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 缩略语 |
| 第一章 绪论 |
| 1.1 选题背景及意义 |
| 1.2 研究现状 |
| 1.2.1 帧率上变换算法研究现状 |
| 1.2.2 帧率上变换硬件研究现状 |
| 1.3 研究内容及创新点 |
| 1.4 章节安排 |
| 第二章 超高清帧率上变换硬件实现 |
| 2.1 超高清帧率上变换可实现算法 |
| 2.2 超高清帧率上变换硬件架构 |
| 2.2.1 块顺序控制器 |
| 2.2.2 运动矢量缓存 |
| 2.2.3 像素缓存 |
| 2.2.4 矢量平滑模块 |
| 2.2.5 SAD计算模块 |
| 2.2.6 运动补偿模块 |
| 2.3 超高清帧率上变换IP核实现 |
| 2.4 本章小结 |
| 第三章 基于卡尔曼滤波的联合运动估计算法 |
| 3.1 基于块匹配的真实运动估计概述 |
| 3.2 基于卡尔曼滤波的联合运动估计 |
| 3.2.1 卡尔曼滤波原理 |
| 3.2.2 运动矢量场建模 |
| 3.2.3 联合运动估计 |
| 3.2.4 运动矢量二次估计 |
| 3.3 实验与分析 |
| 3.4 本章小结 |
| 第四章 多级运动矢量后处理算法 |
| 4.1 运动矢量后处理算法概述 |
| 4.2 多级运动矢量后处理 |
| 4.2.1 运动矢量一致性检验 |
| 4.2.2 基于边缘的运动矢量细化 |
| 4.2.3 基于三边滤波的运动矢量平滑 |
| 4.3 实验与分析 |
| 4.3.1 分步结果 |
| 4.3.2 整体结果 |
| 4.4 本章小结 |
| 第五章 遮蔽处理运动补偿算法 |
| 5.1 运动补偿算法概述 |
| 5.1.1 单向运动补偿 |
| 5.1.2 双向运动补偿 |
| 5.2 遮蔽处理运动补偿 |
| 5.2.1 遮蔽区域检测和判定 |
| 5.2.2 基于重叠块的补偿插值 |
| 5.3 实验与分析 |
| 5.3.1 遮蔽处理运动补偿结果 |
| 5.3.2 帧率上变换系统结果 |
| 5.4 本章小结 |
| 第六章 新算法的硬件架构设计 |
| 6.1 面向低复杂度的算法优化 |
| 6.1.1 基于多样候选矢量的搜索 |
| 6.1.2 方向交替的单向运动搜索 |
| 6.1.3 实验与分析 |
| 6.2 新算法的硬件架构 |
| 6.2.1 帧内、帧间流水线设计 |
| 6.2.2 运动估计与矢量细化模块 |
| 6.2.3 运动矢量缓存 |
| 6.2.4 像素缓存 |
| 6.2.5 矢量平滑模块 |
| 6.2.6 SAD计算模块 |
| 6.2.7 运动补偿模块 |
| 6.3 本章小结 |
| 第七章 总结与展望 |
| 7.1 本文总结 |
| 7.2 工作展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间发表的论文和专利 |
（7）基于运动模糊图像的多目标参数估计研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 运动模糊参数估计的研究现状 |
| 1.2.2 基于机器视觉的速度估计的研究现状 |
| 1.3 本文研究内容及结构安排 |
| 第2章 模糊图像的退化模型 |
| 2.1 图像的数字化 |
| 2.2 图像的退化模型 |
| 2.3 运动模糊图像的退化模型 |
| 2.3.1 通用的退化模型 |
| 2.3.2 连续的退化模型 |
| 2.3.3 离散的退化模型 |
| 2.3.4 匀速直线运动的退化模型 |
| 2.4 本章小结 |
| 第3章 运动模糊参数估计方法 |
| 3.1 运动模糊图像的频谱特性 |
| 3.1.1 模糊图像的频谱分析 |
| 3.1.2 模糊图像频谱图的缺陷 |
| 3.2 运动模糊角度估计 |
| 3.2.1 基于方向微分的运动模糊角度估计 |
| 3.2.2 基于归一化Radon变换的运动模糊角度估计 |
| 3.3 运动模糊尺度估计 |
| 3.4 本章小结 |
| 第4章 运动模糊参数估计的改进 |
| 4.1 基于局部标准差的模糊角度估计 |
| 4.1.1 图像局部标准差 |
| 4.1.2 Radon变换 |
| 4.1.3 基于图像局部标准差的多运动目标模糊角度估计 |
| 4.1.4 仿真效果与性能分析 |
| 4.2 基于倒谱算法的运动模糊尺度估计 |
| 4.2.1 倒谱算法 |
| 4.2.2 结合梯度与拟合倒频谱曲线的模糊尺度估计 |
| 4.2.3 仿真实现及性能分析 |
| 4.3 基于运动模糊图像的多目标速度估计 |
| 4.4 实际环境下运动模糊图像的参数估计 |
| 4.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和取得的科研成果 |
| 致谢 |
（8）卷帘式快门CMOS探测器航空应用关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究的背景及意义 |
| 1.2 研究现状 |
| 1.2.1 CMOS探测器概述 |
| 1.2.2 卷帘效应去除研究现状 |
| 1.3 研究方向 |
| 1.4 本文主要研究内容及各章节安排 |
| 第2章 CMOS卷帘快门效应基础理论 |
| 2.1 引言 |
| 2.2 CMOS与CCD对比分析 |
| 2.2.1 CMOS探测器结构 |
| 2.2.2 CCD探测器结构 |
| 2.2.3 CMOS和CCD的对比 |
| 2.3 卷帘快门效应 |
| 2.4 卷帘效应畸变定量分析 |
| 2.4.1 水平方向畸变 |
| 2.4.2 垂直方向畸变 |
| 2.5 卷帘快门效应去除方法概述 |
| 2.5.1 全局运动估计 |
| 2.5.2 相机运动重建 |
| 2.5.3 视频帧合成 |
| 2.6 本章小结 |
| 第3章 基于光流法的RS效应消除 |
| 3.1 引言 |
| 3.2 成像模型 |
| 3.2.1 摄影机成像原理 |
| 3.2.2 空间映射关系 |
| 3.3 运动矢量估计方法 |
| 3.3.1 基于块匹配的运动估计 |
| 3.3.2 基于灰度投影的运动估计 |
| 3.3.3 基于特征量匹配的运动估计 |
| 3.4 基于光流法的RS畸变校正 |
| 3.4.1 光流法概述 |
| 3.4.2 光流法计算原理 |
| 3.4.3 经典光流算法 |
| 3.4.4 基于光流法的RS畸变校正 |
| 3.5 实验结果与分析 |
| 3.5.1 相机读出时间标定 |
| 3.5.2 图像校正实验 |
| 3.6 本章小结 |
| 第4章 基于位姿测量的CMOS航空图像RS效应消除 |
| 4.1 引言 |
| 4.2 惯性导航系统 |
| 4.3 任意姿态角下RS效应建模 |
| 4.3.1 坐标系的建立 |
| 4.3.2 空间坐标变换 |
| 4.3.3 探测器速度场建立 |
| 4.3.4 任意姿态角下RS效应建模 |
| 4.4 关键参数仿真分析 |
| 4.4.1 模型精度分析 |
| 4.4.2 帧间延迟对畸变分布的影响 |
| 4.4.3 不同姿态角下像面RS效应分析 |
| 4.5 基于位姿测量的RS畸变校正 |
| 4.6 实验结果与分析 |
| 4.6.1 CMOS图像畸变校正 |
| 4.6.2 算法效率对比 |
| 4.7 本章小结 |
| 第5章 双重退化的CMOS航空图像恢复 |
| 5.1 引言 |
| 5.2 航空相机前向像移分析 |
| 5.2.1 航空相机前向像移的形成 |
| 5.2.2 前向像移模糊数学建模 |
| 5.3 前向像移与RS效应混合建模 |
| 5.3.1 卷帘快门沿平行方向扫描 |
| 5.3.2 卷帘快门沿垂直方向扫描 |
| 5.4 像移模糊参数估计 |
| 5.4.1 基于空域特征的运动模糊参数估计 |
| 5.4.2 基于频域特征的运动模糊参数估计 |
| 5.5 实验结果与分析 |
| 5.5.1 RS效应对模糊参数估计的影响 |
| 5.5.2 双重退化图像恢复 |
| 5.6 本章小结 |
| 第6章 总结与展望 |
| 6.1 主要工作内容 |
| 6.2 论文创新点 |
| 6.3 展望 |
| 参考文献 |
| 在学期间学术成果情况 |
| 指导教师及作者简介 |
| 致谢 |
（9）基于运动模糊图像的位移检测技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究的背景、目的和意义 |
| 1.1.1 课题研究的背景 |
| 1.1.2 课题研究的目的和意义 |
| 1.2 国内外发展研究现状 |
| 1.3 本文的研究内容与组织结构 |
| 第二章 基于图像处理的运动估计理论基础 |
| 2.1 模糊图像 |
| 2.1.1 散焦模糊图像 |
| 2.1.2 运动模糊图像 |
| 2.2 基于运动模糊图像的运动估计方法 |
| 2.2.1 基于图像复原的方法 |
| 2.2.2 基于运动模糊信息的方法 |
| 2.3 基于序列图像的运动估计方法 |
| 2.3.1 序列清晰图像运动估计方法 |
| 2.3.2 结合运动模糊图像的序列图像运动估计 |
| 2.4 本章小结 |
| 第三章 基于运动模糊图像频域特征的位移估计 |
| 3.1 运动模糊图像的频域特征分析 |
| 3.2 基于Radon变换的运动参数估计方法 |
| 3.3 单幅彩色运动模糊图像的位移参数估计 |
| 3.3.1 Gabor估计运动角度 |
| 3.3.2 倒谱法估计运动尺度 |
| 3.3.3 多通道运动融合 |
| 3.4 实验结果与分析 |
| 3.5 本章小结 |
| 第四章 基于运动模糊图像alpha通道的位移估计 |
| 4.1 广义空域运动模糊约束 |
| 4.2 常用的alpha通道运动估计方法 |
| 4.2.1 图像的alpha通道 |
| 4.2.2 基于alpha通道模糊边缘估计运动 |
| 4.3 基于角区域alpha通道运动估计方法 |
| 4.3.1 alpha通道运动约束 |
| 4.3.2 孔径问题 |
| 4.3.3 角区域alpha通道运动约束 |
| 4.3.4 Hough投票法 |
| 4.4 实验验证 |
| 4.5 本章小结 |
| 第五章 基于运动模糊图像的大位移光流估计 |
| 5.1 光流估计方法 |
| 5.1.1 经典能量泛函 |
| 5.1.2 分层运动估计 |
| 5.1.3 TV ?L1 光流变分模型 |
| 5.2 抑制光照变化问题 |
| 5.3 基于运动模糊图像的光流估计 |
| 5.3.1 交替曝光成像模型 |
| 5.3.2 基于运动模糊图像的TV ?L1 光流模型 |
| 5.3.3 模型的数值求解 |
| 5.4 实验仿真与分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间的研究成果 |
（10）基于机器视觉的工程机械行走速度测量系统研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景及研究意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 工程机械行走速度测速技术的发展现状 |
| 1.2.1 五轮仪测速技术 |
| 1.2.2 多普勒雷达测速技术 |
| 1.2.3 感应线圈测速技术 |
| 1.2.4 激光测速技术 |
| 1.2.5 GPS测速技术 |
| 1.2.6 工程机械行走速度测量中存在的问题 |
| 1.3 车辆速度的机器视觉测量技术研究现状 |
| 1.3.1 机器视觉的概念及特点 |
| 1.3.2 机器视觉技术的发展现状 |
| 1.3.3 机器视觉测量车辆速度的研究现状 |
| 1.3.4 滑转率测量技术研究现状 |
| 1.4 论文的主要研究内容及各章节安排 |
| 第二章 工程机械行走速度机器视觉测量系统的总体设计 |
| 2.1 工程机械行走速度机器视觉测量系统功能 |
| 2.2 工程机械行走速度机器视觉测量系统总体设计 |
| 2.3 系统的硬件设计 |
| 2.3.1 系统运动机构的结构设计 |
| 2.3.2 工业相机的选用 |
| 2.3.3 光源的选用 |
| 2.3.4 光学镜头的选用 |
| 2.3.5 图像采集卡的选用 |
| 2.4 系统的软件设计 |
| 2.5 工程机械行走速度机器视觉测量系统的标定 |
| 2.5.1 机器视觉测量系统的标定概述 |
| 2.5.2 机器视觉测量系统的标定原理 |
| 2.5.3 机器视觉测量系统的标定方法及实验分析 |
| 2.6 本章小结 |
| 第三章 行走速度的序列图像测量算法研究与实现 |
| 3.1 序列图像的特点 |
| 3.2 序列图像的全局运动估计模型 |
| 3.3 基于序列图像的行走速度测量模型 |
| 3.4 序列图像的全局运动矢量估计 |
| 3.4.1 全局运动估计原理 |
| 3.4.2 全局运动估计方法 |
| 3.5 基于多窗.灰度投影匹配的全局运动矢量估计算法 |
| 3.5.1 序列图像预处理 |
| 3.5.2 模板窗.的划分 |
| 3.5.3 局部运动矢量估计 |
| 3.5.4 全局运动矢量估计 |
| 3.5.5 算法实验分析 |
| 3.6 行走速度的序列图像测量算法的实现 |
| 3.6.1 实验参数的设定 |
| 3.6.2 序列图像的采集 |
| 3.6.3 实验数据分析 |
| 3.7 本章小结 |
| 第四章 行走速度的运动模糊图像测量算法研究与实现 |
| 4.1 模糊图像模型 |
| 4.1.1 模糊图像的一般模型 |
| 4.1.2 匀速直线运动模糊图像的模型 |
| 4.1.3 点扩散函数 |
| 4.2 运动模糊图像的运动信息与行走速度测量模型 |
| 4.2.1 运动模糊图像的运动信息 |
| 4.2.2 基于运动模糊图像的行走速度测量模型 |
| 4.3 基于频谱特征的运动模糊图像参数估计 |
| 4.3.1 运动模糊图像的离散傅立叶变换 |
| 4.3.2 运动模糊图像的频域特征分析 |
| 4.3.3 频谱图像的特征提取 |
| 4.3.4 运动模糊方向的估计 |
| 4.3.5 运动模糊尺度的估计 |
| 4.4 行走速度的运动模糊图像测量算法的实现 |
| 4.4.1 实验参数的设定 |
| 4.4.2 运动模糊图像的采集 |
| 4.4.3 实验数据分析 |
| 4.5 本章小结 |
| 第五章 基于机器视觉的工程机械滑转率试验研究 |
| 5.1 轮式行走装置滑转现象分析 |
| 5.1.1 启动滑转 |
| 5.1.2 运动滑转 |
| 5.1.3 滑转-附着 |
| 5.1.4 土壤层滑转 |
| 5.1.5 跳跃滑转 |
| 5.2 试验条件 |
| 5.2.1 试验平台 |
| 5.2.2 试验地面 |
| 5.2.3 试验方案 |
| 5.3 滑转率测量试验 |
| 5.3.1 实际速度与理论速度的测量试验 |
| 5.3.2 行走速度的机器视觉测量试验 |
| 5.3.3 滑转率的测量 |
| 5.4 本章小结 |
| 结论 |
| 本文研究内容及结论 |
| 本文的主要创新点 |
| 展望 |
| 参考文献 |
| 攻读学位期间取得的研究成果 |
| 致谢 |
四、Radon变换在运动估计中的应用（论文参考文献）
- [1]视频运动模式分析及其在行为识别中的应用[D]. 杨洲. 北京工业大学, 2020(07)
- [2]面向空间目标接近操作的视觉惯导深组合导航方法研究[D]. 王诗强. 哈尔滨工业大学, 2019(02)
- [3]医学CT运动伪影校正方法研究[D]. 张媛. 天津大学, 2019(01)
- [4]多源卫星舰船目标观测信息融合技术研究[D]. 刘勇. 国防科技大学, 2018(01)
- [5]超高清视频的低复杂度帧率上变换算法研究[D]. 李贵锐. 上海交通大学, 2017(03)
- [6]帧率上变换算法与实现研究[D]. 郭勇. 上海交通大学, 2016(01)
- [7]基于运动模糊图像的多目标参数估计研究[D]. 郑凯. 哈尔滨工程大学, 2016(04)
- [8]卷帘式快门CMOS探测器航空应用关键技术研究[D]. 万磊. 中国科学院研究生院(长春光学精密机械与物理研究所), 2016(08)
- [9]基于运动模糊图像的位移检测技术研究[D]. 孔维荣. 江西理工大学, 2015(02)
- [10]基于机器视觉的工程机械行走速度测量系统研究[D]. 金守峰. 长安大学, 2015(01)