版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、視頻穩(wěn)定技術(shù)是計(jì)算機(jī)圖像視頻處理技術(shù)領(lǐng)域一項(xiàng)十分重要的研究課題,被廣泛地應(yīng)用到目標(biāo)跟蹤、監(jiān)控系統(tǒng)、個(gè)人視頻處理軟件等領(lǐng)域。隨著攝像器材的普及,視頻穩(wěn)定技術(shù)成為當(dāng)今的一個(gè)研究熱點(diǎn)問題。視頻穩(wěn)定的目的是為了去除視頻序列中攝像機(jī)的抖動(dòng),提高視頻質(zhì)量,為其他應(yīng)用提供穩(wěn)定的視頻素材。它主要包含三個(gè)處理模塊:運(yùn)動(dòng)估計(jì)、運(yùn)動(dòng)補(bǔ)償和視頻修復(fù)。本文在分析了前人工作的基礎(chǔ)上,提出了基于SIFT(ScaleInvariantFearureTransform)
2、特征點(diǎn)匹配的視頻穩(wěn)定技術(shù)。由于SIFT特征點(diǎn)對圖像尺度、旋轉(zhuǎn)、仿射變化以及光線的不敏感性,基于SIFT特征點(diǎn)的匹配算法提高了運(yùn)動(dòng)估計(jì)的魯棒性和精確度。在運(yùn)動(dòng)參數(shù)準(zhǔn)確估計(jì)的基礎(chǔ)上,本文結(jié)合了Gaussian濾波和曲線擬合算法,有效地平滑了攝像機(jī)抖動(dòng)的高頻噪聲信號,同時(shí)也避免了過平滑現(xiàn)象的出現(xiàn)。該方法的另一個(gè)好處就是保留了更多的視頻信息,減小了視頻修復(fù)的復(fù)雜度。最后,本文利用動(dòng)態(tài)規(guī)劃(DynamicProgramming,DP)的方法來重構(gòu)
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于尺度不變特征的圖像檢索技術(shù)研究.pdf
- 基于尺度不變特征的圖像局部特征技術(shù)研究.pdf
- 基于尺度不變特征變換的虹膜識別技術(shù)研究.pdf
- 基于尺度不變特征變換的目標(biāo)跟蹤技術(shù)研究.pdf
- 基于尺度不變特征的影像拼接實(shí)現(xiàn).pdf
- 基于Harris尺度不變特征的圖像匹配算法研究.pdf
- 基于尺度不變與視覺顯著特征的圖像感知哈希技術(shù)研究.pdf
- 基于尺度不變特征融合的目標(biāo)跟蹤算法.pdf
- 基于尺度不變特征的人臉識別.pdf
- 基于全局特征和尺度不變特征的三維人臉識別研究.pdf
- 基于尺度不變性的圖像特征提取方法研究.pdf
- 基于尺度不變特征的多源遙感影像配準(zhǔn).pdf
- 圖像多尺度不變特征研究及其應(yīng)用.pdf
- 基于角點(diǎn)和尺度不變特征變換的圖像配準(zhǔn)方法.pdf
- 基于自然圖像尺度不變特性的圖像增強(qiáng)技術(shù)研究.pdf
- 尺度不變特征的研究及其在圖像配準(zhǔn)中的應(yīng)用.pdf
- 基于尺度不變特征和互信息的遙感圖像自動(dòng)配準(zhǔn).pdf
- 基于視頻時(shí)序特征的視頻檢索技術(shù)的研究.pdf
- 基于局部不變特征融合的圖像檢索技術(shù)研究.pdf
- 基于特征的視頻拼接技術(shù)研究.pdf
評論
0/150
提交評論