导读:本文包含了全局运动估计论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:全局,特征,自适应,流形,全景,背景,参数。
全局运动估计论文文献综述
李想,武明虎,刘聪[1]（2018）在《结合级联仿射变换和K-means聚类的全局运动估计》一文中研究指出视频稳像中全局运动的提取过程常会受到局部运动的干扰。针对这一问题,提出一种结合级联仿射变换和K-means聚类的全局运动估计方法。首先,利用加速鲁棒性特征算法(SURF)匹配帧间特征点,并建立二维特征空间。然后通过K-means聚类法剔除误匹配点对,最后采用级联仿射变换模型计算出帧间全局运动估计,消除了视频中的局部运动,获得了稳定的视频序列。(本文来源于《湖北工业大学学报》期刊2018年05期）
王朋月[2]（2018）在《基于全局运动估计补偿的目标检测算法研究》一文中研究指出运动目标检测是计算机视觉(Computer Vision,CV)领域中一个重要的研究课题,是视频序列中进行目标跟踪、识别、行为分析等后续处理的基础。目标检测技术在军事战争、智能车辆、视频监控、工业以及生物医学等方面有着广泛的用途。本文主要针对动态背景下的运动目标检测算法展开研究,并对现有全局运动估计补偿算法进行了改进和创新。主要研究内容和取得成果如下:(1)本文通过对常用的几种特征匹配算法进行实验分析,最终选取鲁棒性较强的SURF算法提取帧间运动矢量,并用于估计摄像机模型参数。针对视频序列图像中前景和背景对比度较低的情况,提出先对图像进行直方图均衡化来拉伸图像的灰度级,再对帧间图像进行SURF特征匹配,同时加入RANSAC算法剔除误匹配点。实验分析证明,SURF算法匹配过程进行改进后能够增加帧间特征点的提取数量,同时滤除错误的匹配点对,与传统的SURF算法相比更具有鲁棒性。(2)本文在全局运动估计补偿算法的基础上,提出了基于背景运动矢量提取的全局运动估计补偿算法用于目标检测。首先,通过第叁章提出SURF+RANSAC算法对整体图像进行运动矢量提取。其次,根据前景和背景运动矢量的位移不同来设置阈值,区分前景、背景运动矢量,只选取背景运动矢量进行参数估计。最后将计算得到的参数代入运动模型中,并对参考帧进行背景补偿,将当前帧与补偿帧直接做差分运算,检测出运动目标。实验分析证明,本文算法与直接帧差算法和传统的全局运动估计补偿算法相比,能够降低由摄像机运动带来的背景运动干扰,同时提高了运动参数估计的精度,精确的检测出运动目标。(3)针对视频序列图像中目标占用整幅图像比例较小的情况,提出了基于前景和背景区域分块的全局运动估计补偿算法。首先,对原序列图片进行叁帧差分并分块,差分图像像素均值作为阈值判断出前景和背景区域块,并对背景区域块标记。其次,对标记的背景区域块提取运动矢量,并进行参数估计。最后将参数代入运动模型对参考帧图像进行补偿,当前帧与补偿帧做差分运算检测出运动目标。实验分析证明,本文算法与直接帧差算法和传统的全局运动估计补偿算法相比,参数估计更精确,目标检测效果更显着。(本文来源于《北京工业大学》期刊2018-05-01）
王朋月,毛征,张晨,张广申[3]（2017）在《基于ORB特征匹配的全局运动估计》一文中研究指出为提高全局运动估计的准确性,提出一种基于定向旋转不变性(oriented FAST and rotated BRIEF,ORB)特征匹配的全局运动估计算法。首先对差分图像进行分块,通过设定阈值来筛选出有效的背景运动模块,然后经ORB特征匹配后,代入六参数运动模型,通过最小二乘法求解出估计参数,最后对当前帧做补偿,比较补偿前后的差分图像中的目标轮廓的清晰度。实验结果表明:该算法能有效去除局部运动的影响,在保证全局运动估计准确性的同时,也确保该算法的有效性。(本文来源于《兵工自动化》期刊2017年12期）
任正玮[4]（2017）在《全景电子稳像中全局运动估计及运动滤波方法研究》一文中研究指出全景电子稳像在电子拍摄领域得到广泛应用,也可扩展到汽车电子、智能交通等视频监控领域。多CCD全景稳像技术能够有效的提高视频的压缩率,抑制由于摄像载体不稳定而引起帧间波浪式抖动,缓解观察者视觉疲劳的问题。本文主要研究了全景电子稳像中的全局运动估计及运动滤波方法。分别将各个相机进行球面投影,设定关键相机,将各相机球面旋转到关键相机所在球面。通过对关键相机进行运动估计,即可获得整个球面的运动轨迹。在全局运动估计的过程中,首先根据每个相机的可视化密集光流图来寻找场景内运动最简单的相机为关键相机,进而对关键相机进行前背景分割,使特征点选取在背景上,提高全局运动估计精度。采用ICP算法进行运动估计,得到的全景摄像系统的运动轨迹由旋转矩阵来表示,采用基于流形的改进IIR滤波对旋转矩阵序列进行滤波,将平滑后的运动轨迹与原始运动轨迹作差,得到引起全景摄像系统抖动的旋转矩阵,进而通过沿旋转矩阵相反的方向旋转球面,最后将球面展开获得稳定的全景图像序列。实验结果表明,本文多CCD全景摄像系统的全局运动估计方法能有效的抑制局部运动的干扰,选取场景内运动简单的相机为关键相机,并能较好的区分前背景,使特征点选取在背景上。对全景摄像系统的运动轨迹进行滤波的过程中能有效的抑制随机抖动,保留主动运动,达到路径平滑的效果,且不会偏离原始轨迹。本文算法能够有效的解决全景摄像机稳像中的运动估计及运动滤波的问题。(本文来源于《长春理工大学》期刊2017-03-01）
李颖娟,纪明,贺峻峰,马爱秋,杨萌[5]（2016）在《基于相位相关的快速亚像素全局运动估计》一文中研究指出为了实现亚像素级图像快速全局运动估计,提出了一种基于相位相关的快速亚像素全局运动估计方法。首先对待计算的两幅图像进行下采样并计算整像素级的全局运动矢量,然后选取两幅图像重迭的部分进行插值,再计算亚像素级的全局运动矢量。最后,将整像素级和亚像素级的计算结果进行加权计算,得出亚像素级的全局运动位移。实验结果表明,文中算法对噪声影响、光照变化和局部遮挡具有较好的鲁棒性,同时能够有效地提高运动估计的精确性和计算效率。(本文来源于《火力与指挥控制》期刊2016年07期）
肖一鸣[6]（2015）在《基于全局运动估计的卫星视频影像超分辨率重建算法研究》一文中研究指出卫星视频作为遥感领域的新兴产物,在众多领域拥有广泛的应用前景。尽管目前卫星视频的分辨率能够满足一些实际应用的要求,但随着卫星对地观测应用领域的更加广泛和深入,人们对具有更高分辨率的卫星视频数据的需求逐渐提高。超分辨率重建(Super Resolution Reconstruction,SRR)技术是指利用一组含有非冗余互补信息的低分辨率图像序列通过算法融合生成一幅高分辨率图像的过程。该技术能够弥补通过改进硬件来提高空间分辨率的不足,同时更加节约造星成本。本文面向卫星视频影像数据针对超分辨率重建技术的关键环节进行研究,主要内容包括以下叁个部分:1.全局运动估计适用性分析。针对卫星视频数据量大、静止区域中包含少部分运动物体的特点,本文从运算效率角度出发,选择全局运动估计方法求解视频帧间位移量。但考虑到当卫星视频影像中含有运动目标时,全局运动估计的精度会受到影响。因此,本文通过采用Vandewalle方法和金字塔LK(Lucas-Kanade)光流法对含有运动目标的卫星视频进行全局运动估计实验,分析了全局运动估计方法对卫星视频超分辨率重建的适用性问题,得到了普适性的结论,并在全局运动估计前提下研究卫星视频的超分辨率重建算法。2.卫星视频影像序列在重建过程中,存在由于低分辨率像素点向高分辨率网格映射不准确而造成的“黑色网格”和边缘锯齿现象。而且目前算法的重建倍数均为整数倍,但超分重建的最佳倍数是一个小数。针对以上这些问题,本文在SA(Shift and Add)超分辨率重建算法框架下提出了 F-MSA(Fractional-median SA)算法。F-MSA算法利用低、高分辨率图像间的映射关系更加鲁棒准确地搜索到合适的低分辨率像素进行非迭代融合贡献给高分辨率图像,并且该方法能够提供任意倍数的超分辨率重建结果。实验证明,F-MSA算法重建效果好而且计算复杂度低,节约了时间成本。3.在利用全局运动估计量进行含有运动目标的卫星视频影像超分辨率重建时,为保证运动目标重建的正确性,会出现静止区域细节信息增加不多的现象。针对这个问题本文提出了基于Kriging插值的超分重建算法。Kriging插值算法首先分析待求高分辨率像素点一定邻域内低分辨率像素值的相关性,再建立Kriging线性方程组计算出最优无偏估计值。实验表明,该方法能够在保证运动目标(车辆)重建的正确性的同时在静止区域提供更多的细节信息,地物边缘更加清晰。该方法同样能够满足任意实数倍的超分辨率重建需求。(本文来源于《辽宁工程技术大学》期刊2015-12-01）
张二元,孙艳红[7]（2015）在《基于自适应SIFT算法的全局运动估计方法》一文中研究指出为了更好地实现全局运动估计快速、准确的处理,根据全局运动中视频图像序列的时间冗余特性,提出一种自适应SIFT(Scale-invariant feature transform)算法。基于最近叁次模型匹配的结果,采用Lagrange抛物线插值来预测需要匹配的参考帧和当前帧图像的重迭区域。在重迭区域上提取特征点和进行特征匹配,既能够消除视频图像序列中存在的大量信息冗余,加快每帧图像的处理速度,又可以提高待匹配特征点的有效性,减少误匹配。实验结果表明,改进后的算法自适应能力强、速度快、匹配精度高,基本满足实时定位。(本文来源于《计算机应用与软件》期刊2015年11期）
宋宇,李嵩,游海龙,翁新武[8]（2015）在《航拍视频中基于特征匹配的全局运动估计》一文中研究指出根据航拍视频成像特点,得到相邻帧之间全局运动的六参数近似变换模型,任意帧之间的变换模型通过"帧到帧"的方式递归获得。采用角点特征匹配方法提取出有效的匹配点,实验结果表明该方法简单可靠。(本文来源于《长春工业大学学报》期刊2015年02期）
陈艳浩,赵胜杰,马媛媛,焦普[9]（2014）在《基于小波变换融合图像的全局运动估计新模型》一文中研究指出像素运动的视频序列中全局运动方式占较大比重,这是由于摄像设备的移动所造成的.金字塔算法因为其工作原理会导致图像显示不稳定,小波变换对相关联的图像能进行有效的处理以克服图像融合技术金字塔算法的不足.提出了基于小波变换融合图像的全局运动估计的的新型模态,基于小波变换的多尺度结构可以通过融合不同图像的特征来解决.实验结果证明了该算法的有效性.(本文来源于《河南师范大学学报(自然科学版)》期刊2014年05期）
伊力哈木·亚尔买买提,谢丽蓉[10]（2014）在《基于自适应模板匹配的帧间全局运动估计算法》一文中研究指出针对传统的匹配方法在匹配模板与待匹配图像间存在噪声影响、亮度等差异时导致匹配算法在时间和精度上得不到很好的统一,由此影响到红外图像帧间全局运动估计和补偿问题,提出了基于自适应模板匹配的方法进行帧间全局运动估计算法。该算法首先利用模板选择策略进行待匹配模板的选取,提高匹配的精度;然后提出自适应模板匹配准则,以达到较好的匹配效果,克服噪声等奇异点对误差函数值的影响;最后提出菱形搜索策略,以便搜索到最佳匹配点,使搜索不至于陷入局部最优,并提高了搜索速度。仿真实验结果表明,在红外图像背景变化较为缓慢的情况下,所提算法降低了帧间全局运动估计计算复杂度,同时具有很好的匹配精度和准确性。(本文来源于《半导体光电》期刊2014年03期）
全局运动估计论文开题报告
（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：
运动目标检测是计算机视觉(Computer Vision,CV)领域中一个重要的研究课题,是视频序列中进行目标跟踪、识别、行为分析等后续处理的基础。目标检测技术在军事战争、智能车辆、视频监控、工业以及生物医学等方面有着广泛的用途。本文主要针对动态背景下的运动目标检测算法展开研究,并对现有全局运动估计补偿算法进行了改进和创新。主要研究内容和取得成果如下:(1)本文通过对常用的几种特征匹配算法进行实验分析,最终选取鲁棒性较强的SURF算法提取帧间运动矢量,并用于估计摄像机模型参数。针对视频序列图像中前景和背景对比度较低的情况,提出先对图像进行直方图均衡化来拉伸图像的灰度级,再对帧间图像进行SURF特征匹配,同时加入RANSAC算法剔除误匹配点。实验分析证明,SURF算法匹配过程进行改进后能够增加帧间特征点的提取数量,同时滤除错误的匹配点对,与传统的SURF算法相比更具有鲁棒性。(2)本文在全局运动估计补偿算法的基础上,提出了基于背景运动矢量提取的全局运动估计补偿算法用于目标检测。首先,通过第叁章提出SURF+RANSAC算法对整体图像进行运动矢量提取。其次,根据前景和背景运动矢量的位移不同来设置阈值,区分前景、背景运动矢量,只选取背景运动矢量进行参数估计。最后将计算得到的参数代入运动模型中,并对参考帧进行背景补偿,将当前帧与补偿帧直接做差分运算,检测出运动目标。实验分析证明,本文算法与直接帧差算法和传统的全局运动估计补偿算法相比,能够降低由摄像机运动带来的背景运动干扰,同时提高了运动参数估计的精度,精确的检测出运动目标。(3)针对视频序列图像中目标占用整幅图像比例较小的情况,提出了基于前景和背景区域分块的全局运动估计补偿算法。首先,对原序列图片进行叁帧差分并分块,差分图像像素均值作为阈值判断出前景和背景区域块,并对背景区域块标记。其次,对标记的背景区域块提取运动矢量,并进行参数估计。最后将参数代入运动模型对参考帧图像进行补偿,当前帧与补偿帧做差分运算检测出运动目标。实验分析证明,本文算法与直接帧差算法和传统的全局运动估计补偿算法相比,参数估计更精确,目标检测效果更显着。
（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。
全局运动估计论文参考文献
[1].李想,武明虎,刘聪.结合级联仿射变换和K-means聚类的全局运动估计[J].湖北工业大学学报.2018
[2].王朋月.基于全局运动估计补偿的目标检测算法研究[D].北京工业大学.2018
[3].王朋月,毛征,张晨,张广申.基于ORB特征匹配的全局运动估计[J].兵工自动化.2017
[4].任正玮.全景电子稳像中全局运动估计及运动滤波方法研究[D].长春理工大学.2017
[5].李颖娟,纪明,贺峻峰,马爱秋,杨萌.基于相位相关的快速亚像素全局运动估计[J].火力与指挥控制.2016
[6].肖一鸣.基于全局运动估计的卫星视频影像超分辨率重建算法研究[D].辽宁工程技术大学.2015
[7].张二元,孙艳红.基于自适应SIFT算法的全局运动估计方法[J].计算机应用与软件.2015
[8].宋宇,李嵩,游海龙,翁新武.航拍视频中基于特征匹配的全局运动估计[J].长春工业大学学报.2015
[9].陈艳浩,赵胜杰,马媛媛,焦普.基于小波变换融合图像的全局运动估计新模型[J].河南师范大学学报(自然科学版).2014
[10].伊力哈木·亚尔买买提,谢丽蓉.基于自适应模板匹配的帧间全局运动估计算法[J].半导体光电.2014
论文知识图
