一种基于帧差法与背景减法的运动目标检测新方法

为改进单独利用帧差法或背景减法进行运动目标检测时存在的不足,提高运动目标检 测的准确率和鲁棒性,提出了一种利用边缘信息的帧间差分法和背景减法相结合的运动目标 检测方法。该方法首先通过基于边缘信息的三帧差法获得一幅前景图像,然后利用改进的mo de算法进行背景差分获得另外一幅前景图像,最后将得到的两幅前景图像进行布尔或运算 ,得到前景目标。实验仿真结果表明,利用该方法,目标检测的准确率可以提高496%～36 01%,且算法具有较好的鲁棒性。     

基于帧间相关性的自适应采样率分块视频压缩感知

针对现有基于自适应采样率的分块视频压缩感知方案的单帧总采样率不可控的问题,提出了一种新的自适应采样率分配方案。首先,对当前帧图像块进行固定预采样;然后,根据预采样的测量值来估计图像块的变化程度,并计算该图像块与当前帧图像的复杂度比例;接下来,根据复杂度比例分配图像块自适应采样率,并将固定预采样及自适应采样的测量值合并为最终测量值。实验结果表明,与固定采样率算法相比,提出的方案在相同采样率下可获得1 dB左右的峰值信噪比增益。所提方案可获得高质量的重构图像,且总采样率可控,因此增强了自适应采样分块视频压缩感知方案的有效性和实用性。     

适用于彩色图像人脸识别的字典学习算法

现有的基于稀疏表示的人脸识别算法在识别前需要将彩色人脸图像转换成灰度人脸图像,这样虽然提高了运算速度,但忽视了不同色彩通道数据本身所包含的信息及它们之间的相关性。为了利用不同通道间相关性,基于标签一致的K奇异值分解（LC-KSVD）字典学习算法,提出了一种适用于彩色图像人脸识别的字典学习算法。该算法将RGB通道数据顺序排列成列向量,并在稀疏编码的环节中,对正交匹配追踪（OMP）算法的内积计算准则进行修正,以此提高字典原子的色彩表达能力。在彩色人脸数据库上进行实验,结果表明：所提出的字典学习算法能够有效地提高识别率。     

基于残差重构的分布式视频压缩感知

为了改进分布式视频压缩感知方案的性能,提出了一种基于残差重构的分布式视频压 缩感知方案。该方案在编码端逐帧独立进行测量,在解码端依靠视频信号的时域相关性提升 重构信号质量。首先,对关键帧独立进行重构;其次,利用已重构关键帧做运动估计/运动 补偿以生成非关键帧的边信息;接下来,对边信息采用与编码端相同的测量矩阵进行测量并 计算测量残差值;最后,采用全变分最小化重构残差信号值并将其与边信息相加生成最终的 重构图像。实验结果表明,在相同采样率下,与已有的分布式视频压缩感知方案相比,提出 的方案可获得2.8 dB以上的峰值信噪比增益。     

基于空时相关性的变采样率分块视频压缩感知

现有的基于自适应采样率的分块视频压缩感知方案通常根据时域相关性大小将图像块分为不同种类块,并分别分配不同采样率。这种采样率分配方式对分类判决阈值较为敏感,导致图像分类判决结果不可靠。针对此问题,在对图像块分类判决中综合运用空域-时域相关性,以提高图像块分类判决结果的可靠性。首先根据时域相关性利用阈值对当前图像块进行初次分类;其次利用空域相关性对初次分类结果进行校正,确定最终分类判决结果。与现有变采样率方案相比,提出的方案可获得2 dB左右的峰值信噪比增益。