[01435163]视频图像的稀疏表示与智能分析

视频监控系统已经在很多场所应用,但目前场景分析、案件侦破等工作主要依靠人工进行判读。为了减轻相关人员的劳动强度、提高工作效率和准确率,本项目研究视频图像的稀疏表示及智能分析,为视频自动分析提供理论支撑,继而提出一种面向实际应用的视频图像智能分析技术。本项目研究主要包括稀疏表示理论、纹理算子、运动检测以及相应的分类方法,具体研究内容、科学价值以及同行引用情况如下： （1）通过快速估计目标运动的方向,提出一种基于积分图的运动累积模型。采用运动方向在时间上的累积方式,补偿运动方向估计的不精度性。该方式能够消除大部分人工灯光、移动物体的干扰。该成果发表在国际SCI期刊《Pattern Recognition Letters》,Google Scholar引用67次,SCI引用36次。 （2）采用多尺度分析方法建构3层图像金字塔,采用图像旋转和光照不敏感的局部二元模式,计算图像金字塔每层的局部二元模式直方图,并首尾连接起来形成鲁棒的特征矢量,采用神经网络进行视频烟雾检测。该成果发表在国际权威SCI期刊《Fire Safety Journal》,Google Scholar引用21次,SCI引用8次。 （3）通过系统地分析现有基于传统小波变换的图像融合方法缺陷,提出在图像的低频上采用视觉显著度特性和高频上采用局部标准差的多分辨图像融合新算法,同时在融合的小波系数上采用开窗一致性检验法提高算法的鲁棒性,研究表明该方法具有非常良好的融合性能。该成果发表在国际SCI期刊《EURASIP Journal on Advances in Signal Processing》上,Google Scholar引用32次,SCI引用6次。 （4）针对图像的低对比度和不确定性特点,提出一种数学形态学反复滤波和改进的Top-Hat形态学处理方法,在此基础上提出采用模糊聚类和净化滤波相结合的新算法。实验结果表明,该方法优于现有的多种提取算法,也优于专家手工分割结果。研究成果发表在国际SCI期刊《International Journal of AMCS》上,Google Scholar引用29次,SCI引用8次。 （5）以小波与多小波理论为依托,研究小波框架理论,从熵和能量集中的角度,分析小波与多小波在视频图像稀疏表示方面的性能,提出改进的SPIHT编码方法,这些成果为特征提取提供理论支撑。发表在《IEEE System Journal》和《Applied Mathematics and Computation》, Google Scholar分别引用5次和2次,SCI引用分别为2次和1次。