提出一种基于超像素时空特征的视频显著性检测方法。所提方法可对图像进行超像素分割,提取颜色梯度和运动梯度特征,以构建超像素级时空梯度图。用平均加权测地距离来衡量时空梯度图上每一个超像素相对于其邻域的时空显著程度,形成时空显著图。根据时间域上目标运动的连续性,并借助熵的概念来表征运动模式的一致程度,构建运动一致性图。融合时空显著图和运动一致性图,通过自适应阈值处理定位运动目标。实验从可视化分析和定量评估两个方面将所提方法与其他算法进行对比,结果表明所提方法具有较强的抗环境干扰能力,适用于背景纹理复杂或环境随机变化的视频中运动目标的检测,其检测准确率高达92%。

针对遥感图像及彩色图像传输过程中的信息安全问题, 提出了一种利用矢量运算和副像相位掩模对彩色遥感图像加密的方法.在加密过程中, 利用光学相干叠加原理将原始图像矢量分解, 并叠加到R、G、B三个通道上的两个相位板当中; 然后, 使用副像相位掩模在菲涅尔域中双随机相位编码对其中一个相位板加密; 最后, 利用两个随机矩阵的Kronecker积对编码图像进行进一步随机化处理, 实现彩色遥感图像的多级加密.实验结果表明：该算法的密钥敏感度高, 在强度系数小于0.04的高斯噪声攻击和统计分析攻击下具有良好的稳健性; 密文能够抵御选择明文攻击, 相比于传统的双随机相位编码算法具有更强的安全性.解密遥感图像的峰值信噪比和相关系数可达31.92dB和0.9888.该加密方法为大量相同尺寸遥感图像的加密提供了新的思路.

针对在道路导向箭头的检测和识别中支持向量机(SVM)多分类器的识别效率下降的问题,提出一种利用简单二分类SVM通过对结果的自定义二进制编码实现导向箭头多分类的方法。对导向箭头感兴趣区域(ROI)图像进行Harris角点粗检测,利用改进FAST-9(Features from accelerated segment test-9)算法对伪角点进行筛选,根据最终获取的角点集合中纵坐标最大的两个角点位置分割图像获得待识别区域;再利用几何不变矩特征训练SVM分类器;对分类结果进行二进制编码,从而实现单一种类SVM下多种导向箭头的分类。算法在实拍获取的500帧图像中进行测试,识别率优于96.8%。结果表明:所提算法不需逆透视变换,利用一种SVM二分类器即可实现导向箭头的识别,有效提高了导向箭头识别的准确率和运行效率。

提出一种基于空-时域特征决策级融合的人体行为识别算法。在空间域提取人体的形状上下文特征,用于同一时刻模板图像与测试图像的轮廓匹配;在时间域用变化的空间特征序列表征运动特征,联合稳健的空间特征进行有效的行为识别。识别阶段采用动态时间规划算法分别计算两种特征对于每种类别的后验概率,在决策级采用加权平均法对两种特征的后验概率进行融合,将最大概率对应的类别记为最终分类结果。针对动态时间规划算法提出一种基于椭圆边界约束的改进搜索策略,有效缩减最优路径的搜索空间,同时剔除视频中的噪声干扰。从计算复杂度和识别精度两方面对椭圆边界的约束性能进行分析,实验表明,椭圆边界约束性能优于平行四边形及菱形约束,并给出最佳边界尺寸范围。算法分别在Weizmann、KTH和UCF101行为数据集上进行测试,平均识别率分别优于93.2%、92.7%和81.2%,有效实现了室内智能监控系统的高效性及稳定性。

针对在全景相机获取到的高交通信息量的复杂场景下传统Canny算子很难实时且鲁棒地提取车道线特征的问题, 提出一种基于Gabor滤波器的最优方向区间快速检测算法。首先利用同心圆环近似展开法将全景图像展开成矩形图像, 然后对展开图像进行不同相位角的Gabor滤波处理, 快速得到使车道线边缘清晰度达到最高的方向区间。在Canny算子检测边缘过程中, 只对处于该区间内的边缘点进行非极大值抑制及进一步处理, 实现车道线的快速检测。最后算法在实拍的500帧视频样本上进行测试, 识别率优于94.2%。结果表明所提算法不易受复杂环境影响, 可用性强, 有效地提高了车道偏离预警系统的实时性与稳定性。

为实现全景视场下人体行为特征的有效提取, 在原始形状上下文特征匹配算法的基础上, 提出一种基于自适应分块思想的金字塔匹配核算法.结合光学成像原理及全景视场下人体投影特点, 计算图像二阶中心矩对人体轮廓主轴方向进行补偿.然后对轮廓点进行均匀采样, 对各采样点提取形状上下文特征, 在匹配过程中分析高维特征空间中采样点的分布特点, 采用自适应分块的思想对金字塔匹配核函数的收敛策略进行改进, 根据各维度上数据的分布范围自适应地调整收敛系数, 以保证各个维度上的点集收敛速度一致.最后通过室内摔倒检测实验来验证算法的可靠性, 使用K均值聚类方法进行识别, 识别率可达92.9%.该特征提取算法为智能监控系统的稳定性提供了保障.

针对传统光轴角测量系统中人为因素干扰导致的重复性能降低等不足，设计一种基于图像处理技术与高精度电控转台相结合的自动测量方案。分析了照明光斑光强分布特性，提出了一种基于图像区域分割的最优非线性加权的特征点提取算法。该方法根据光强与灰度的线性关系，将光强量化到3个区间。然后分析灰度因素在特征点定位中的影响; 针对不同区间应用局部最优加权法则以实现局部最优化处理。最后，利用光轴偏转角与特征点在像面上位移的对应关系，计算得到光轴角测量值。开展了光斑特征点重复性实验并分析了光轴角检测精度，结果表明: 该系统在不同光强、不同角度条件下重复性好，测角精度优于60.18″。与激光光源的光轴角测量实验对比，该算法在光斑光强分布不均的条件下仍能完成稳定且精确的光轴角测量。