出版時間:2010-10 出版社:冶金工業(yè)出版社 作者:姚春蓮,周兵 著 頁數(shù):155
Tag標簽:無
內(nèi)容概要
本書分為8章。前5章為基礎(chǔ)知識介紹、基于非壓縮域信息進行運動對象檢測時所涉及的關(guān)鍵技術(shù)、去隔行處理應(yīng)用研究。第6章、第7章介紹基于壓縮域信息進行運動對象檢測,通過對壓縮域中的運動估計技術(shù)的分析,給出了利用壓縮域信息進行運動對象檢測的方法。第8章介紹了一個嵌入式的視頻編碼器,并從硬件結(jié)構(gòu)設(shè)計、軟件優(yōu)化兩方面進行了描述。 本書既可供大學本科及研究生圖像、信息處理等相關(guān)專業(yè)的師生閱讀,也可供從事相關(guān)專業(yè)的技術(shù)人員參考。
書籍目錄
1 緒論 1.1 數(shù)字視頻及其應(yīng)用 1.2 數(shù)字視頻中的運動對象檢測 1.3 數(shù)字視頻中的去隔行處理 1.3.1 去隔行處理現(xiàn)狀 1.3.2 去隔行處理在視頻編解碼中的應(yīng)用 1.4 嵌入式視頻處理系統(tǒng) 1.5 總結(jié)與展望2 基于三階中心矩的背景點閾值的確定 2.1 現(xiàn)有的閾值計算方法 2.2 背景噪聲的分布特性分析 2.3 基于三階中心矩的背景區(qū)域確定 2.3.1 統(tǒng)計量的選擇 2.3.2 分塊檢測原理 2.3.3 塊大小和參數(shù)的確定 2.3.4 背景區(qū)域的確定 2.4 自適應(yīng)背景點閾值的確定 2.5 小結(jié)3 利用相鄰幀和背景信息的運動對象檢測 3.1 背景減算法概述 3.1.1 典型的背景模型 3.1.2 背景更新方法 3.2 算法思想 3.3 運動對象檢測 3.3.1 生成當前幀掩膜 3.3.2 背景幀的生成與維護 3.3.3 生成背景掩膜 3.3.4 抑制虛假運動像素點 3.3.5 形態(tài)學后處理 3.4 檢測結(jié)果及分析 3.4.1 背景維護效果 3.4.2 檢測結(jié)果實例 3.5 小結(jié)4 攝像機運動情況下的運動對象檢測 4.1 引言 4.2 圖像運動跟蹤 4.2.1 圖像跟蹤的定義 4.2.2 線性回歸或穩(wěn)健回歸 4.2.3 跟蹤算法優(yōu)化 4.2.4 運動參數(shù)模型 4.2.5 基于仿射模型的參數(shù)求解優(yōu)化 4.3 攝像機運動跟蹤 4.3.1 背景表示與索引 4.3.2 背景生成算法 4.3.3 背景跟蹤算法 4.3.4 圖像運動參數(shù)初始點估計 4.4 運動像素檢測與抑制虛假報警 4.5 實驗及結(jié)果分析 4.5.1 MO算法速度與穩(wěn)健性實驗 4.5.2 室內(nèi)與戶外應(yīng)用實驗 4.6 小結(jié)5 基于運動檢測的去隔行處理 5.1 隔行掃描存在的問題 5.2 基于場的運動檢測 5.2.1 基于時空相關(guān)性的場圖像選擇 5.2.2 運動像素點檢測 5.3 像素點的插值 5.3.1現(xiàn)有插值方法 5.3.2 基于邊緣方向的像素點插值 5.4 算法流程與描述 5.5 去隔行處理效果分析 5.5.1 客觀質(zhì)量比較 5.5.2 主觀質(zhì)量比較 5.6 小結(jié)6 壓縮過程中的運動估計技術(shù) 6.1 現(xiàn)有的編碼標準 6.2 視頻編碼中的關(guān)鍵技術(shù) 6.3 塊匹配運動估計的原理 6.4 塊匹配準則 6.4.1 最小殘差匹配 6.4.2 拉格朗日乘子法 6.5 視頻壓縮中運動估計算法評價指標 6.6 改進匹配效果的策略 6.6.1 多尺寸塊 6.6.2 多參考幀 6.7 整像素與亞像素運動估計 6.8 小結(jié)7 基于壓縮域信息的運動對象檢測 7.1 基于運動矢量的運動對象檢測策略 7.2 攝像機運動分析 7.2.1 攝像機運動分類 7.2.2 攝像機運動特點分析 7.3 快速運動區(qū)域檢測 7.3.1 提取背景運動矢量 7.3.2 確定前景運動 7.4 檢測結(jié)果及分析 7.5 小結(jié)8 具有去隔行處理的嵌入式視頻編碼器 8.1 場視頻序列的編碼方法 8.2 幀與場編碼方法性能比較 8.2.1 運動估計 8.2.2 預測幀/場的選擇 8.2.3 亞像素級運動估計 8.2.4 位率控制 8.3 基于運動矢量的去隔行處理 8.3.1 全局運動矢量的求取 8.3.2 利用全局運動矢量的插值處理 8.4 具有去隔行處理功能的嵌入式編碼器 8.5 編碼器的設(shè)計與實現(xiàn) 8.5.1 嵌入式編碼器的硬件結(jié)構(gòu) 8.5.2 去隔行處理的優(yōu)化實現(xiàn) 8.6編碼器性能測試 8.6.1 客觀質(zhì)量 8.6.2 主觀質(zhì)量 8.7小結(jié)參考文獻
章節(jié)摘錄
版權(quán)頁:插圖:在視頻監(jiān)控系統(tǒng)中,運動檢測對提高系統(tǒng)的智能化程度有重要的意義,是各種后續(xù)高級處理的基礎(chǔ),檢測結(jié)果直接影響運動對象識別和跟蹤的精度。國內(nèi)外學者提出了很多運動檢測方法,有些則是與壓縮處理過程相結(jié)合,本書中稱之為壓縮域運動檢測;有些運動檢測的方法是對輸入的視頻直接進行檢測,在本書中稱為非壓縮域運動檢測。非壓縮域運動檢測主要可分為三類:基于像素強度變化的方法、基于運動變化的方法和基于特征的方法。(1)基于像素強度變化的方法。該類方法中比較有代表性的包括:背景減法、時間差分法和運動能量法。其中背景減法的思想是,逐個比較當前幀中每一像素的強度與其背景模型中的允許取值,將不符合模型允許值的像素判斷為運動像素點??紤]速度和穩(wěn)健性兩個方面,背景減法是最常用的運動檢測算法,背景減法的有效性取決于背景模型能否有效地表示背景的變化。時間差分法的思想是在一個較短的時間范圍內(nèi)檢查相鄰幀之間像素強度的變化,非零像素被認為是運動對象造成的。時間差分法適合于動態(tài)變化的環(huán)境,盡管時間差分法的思想類似于背景減法,但由于該方法沒有建立背景模型和進行背景學習,算法的檢測效果沒法保證。運動能量法把連續(xù)圖像幀看作由二維空間加上時間維構(gòu)成的三維空間,使用時空梯度算子計算每一像素點在各個時空梯度方向上的分量,經(jīng)過高斯平滑得到運動能量。運動對象所經(jīng)過位置的像素基本都沿某個一致的方向運動,這一方向的運動能量值較大,而雜亂運動像素(如樹葉等)各個方向的運動能量基本均衡,計算能量梯度后,這些像素點處的能量梯度值基本為零,這樣真正的運動對象就被檢測出來。運動能量法能消除背景中的振動像素,使按某一方向運動的對象更加突出地顯現(xiàn)出來,只能估計出運動對象的大概位置,不能夠精確地提取出對象。
編輯推薦
《運動對象檢測及其在視頻壓縮與處理中的應(yīng)用》由冶金工業(yè)出版社出版。
圖書封面
圖書標簽Tags
無
評論、評分、閱讀與下載
運動對象檢測及其在視頻壓縮與處理中的應(yīng)用 PDF格式下載