一、视频图像抖动消除技术的研究与实现（论文文献综述）
王凯冬[1]（2021）在《公网数字集群调度系统视频稳像技术的研究和实现》文中研究表明公网数字集群系统是一种宽带化的专业移动数字通信系统,其调度系统的视频传输业务可以帮助调度人员获取移动终端的实时视频。将视频稳像技术应用于公网数字集群调度系统,能够减轻移动终端旋转抖动对调度终端视频成像造成的影响,提高调度终端视频图像的成像质量,满足调度系统对于视频成像实时性和稳定性的要求。因此,公网数字集群调度系统视频稳像技术的研究与实现具有重要的意义。本文在综述了国内外宽带数字集群系统和视频稳像技术研究现状的基础上,研究并实现了公网数字集群调度系统视频稳像技术,主要工作如下:1.基于宽带数字集群系统的组成和功能,分析了B-Trun C（Boardband Trunking Communication,宽带数字集群通信）和MCVideo（Mission Critical Video,关键视频任务）宽带数字集群系统的视频传输业务扩展能力,研究了块匹配、灰度投影和特征匹配等主流视频稳像算法,并研究了DREV（Defense Research Establishment Vileartier,防御研究中心）视频侦查监控稳像系统和ARL（Amry Research Laborator,军事研究实验室）无人驾驶车载视频稳像系统的架构;2.提出了一种基于特征点匹配的运动估计算法。在特征点提取的过程中,该算法通过对像素点的阈值判定条件进行优化,提高了特征点的提取效率,同时使用非极大值抑制法解决特征点的聚集问题,兼顾了特征点的提取精度。在特征点匹配的过程中,该算法利用反向特征匹配法对特征点匹配算法进行改进,剔除视频图像未匹配的特征点,同时利用误匹配消除算法提高特征点匹配的准确性,降低了特征点匹配过程中出现的误差,从而得到准确的全局运动矢量;3.提出了一种基于双线性插值的运动补偿算法。该算法通过双线性插值运算输出稳像后的视频图像,不但有效的改善了视频成像的质量,而且降低了系统的计算量,能够满足调度系统对于实时视频传输的要求,同时使运动补偿后视频图像的显示效果更加精确;4.实现了一种基于视频稳像技术的公网数字集群调度系统视频稳像功能。利用C++语言,基于Windows操作系统,开发了调度终端的登录/注销和视频传输功能。在实现调度终端视频功能的基础上,进一步实现了调度终端视频图像的特征点检测、特征点匹配、误匹配消除、全局运动矢量求解和双线性插值补偿,从而实现公网数字集群调度系统视频稳像技术。5.搭建了公网数字集群调度系统视频稳像的测试环境,对系统登录、注销和视频通话等功能进行测试。在对调度终端进行功能测试之后,对调度终端视频稳像的准确性、实时性和稳定性等性能进行测试。测试结果表明,公网数字集群调度系统视频稳像技术能够满足设计要求。
纪敏[2]（2020）在《工程索道吊运货物双目视觉三维建图与跑车运行参数监测研究》文中研究指明利用实时监测系统对工程索道遥控跑车进行研究,能够有效减少人力成本,提高运输可靠性。以遥控跑车实时监测系统为对象,结合国内外虚拟仪器与Lab VIEW技术、双目视觉技术研究现状,对遥控跑车实时监测系统中参数监测与双目视觉模块进行设计与研究。为了更加准确有效掌握运输情况,本文主要研究了两大问题:一是如何实时监测遥控跑车作业下的参数变化以及对信号数据进行采集分析;二是建立双目视觉系统对吊运货物进行图像处理、深度信息、位置追踪与三维重建。根据遥控跑车实时监测系统工作需求,对吊运货物双目视觉与遥控跑车运行参数监测两个模块进行详细研究。探讨针对实时场景应用中所需要进行的视觉预处理算法;探讨了视觉系统并确定融合使用双目视觉监测策略;探讨了参数监测要监测的几个方面内容,并确定实现方法:选择图形化编程的Lab VIEW与嵌入式my RIO-1900技术的方案。通过对软件、监测中心与硬件选型等搭配研究,选择最为合适的遥控跑车应用场景的最佳方案。双目视觉图像预处理对视频图像进行中值滤波、直方图均衡化、视频去抖动与颜色识别的处理。对双目视觉获取的吊运货物深度信息进行精确度与实时性验证,深度测量误差在5%以内。完成对遥控跑车吊运货物的空间位置追踪,在遥控跑车运输速度快的情况下的直线估计距离精度受到的影响比较大。基于稠密视觉SLAM算法的双目视觉以大幅度、迅速、增量式完成对吊运货物与周围环境进行重建,重建时间10 s,能够达到系统在线三维重建的要求。对遥控跑车运行参数进行监测与信号采集处理研究,完成在遥控跑车运输过程中对三轴加速度、速度与位移的实时监测。
逄业文[3]（2020）在《多摄像头监控场景下视频图像拼接技术的研究与应用》文中指出视频图像拼接是计算机图像视觉研究领域中的一个重要应用,在军事、医学、日常安全监控等领域都得到了普遍的应用。随着信息科学技术的快速发展,各种摄像设备在人们的生产生活中得到了越来越广泛的使用,比如随处可见的视频监控摄像头。任何相机或摄像头都有一个视角范围,在焦距一定的情况下,所拍的图像的视野范围是有限的,在某些场景下难以满足人们希望获得大视野全景图像的要求。为了获得更大的视野范围,对于同一相机拍摄的不同视角的图像进行拼接或者对不同的摄影设备拍摄的图像进行拼接是目前被广泛采用的方法。通过图像拼接获得大视野全景图像具有非常重要的研究意义和价值。在视频图像拼接过程操作中,至关重要的两个环节是视频图像配准和视频图像融合。通过研究现有的文献资料,针对这两个关键环节,本文分别提出了自己的改进方法。本文的重点研究工作和创新点归纳为下列几点:（1）提出了一种基于粒子群优化的改进ORB图像匹配算法。首先改进算法选用速率快、匹配精确率较高的ORB算法进行特征点检测。在搜索阶段使用粒子群算法实现优化改进剔除误匹配。经过实验验证发现,相对比于原有的配准算法以及经过RANSAC方法改进的算法,改进算法可以更有效地减少误匹配量,提升寻找配准点对的准确度,改进算法不但提升了正确匹配率,而且在多种场景下具有较高的适应性。（2）提出了一种改进的基于种子区域生长算法和泊松融合的图像拼接方法。图像融合算法的鲁棒性对最终拼接图像的画面质量有重要影响。本算法在种子区域生长算法中加入灰度差值算法进行优化,查寻到最佳缝合线;然后结合泊松融合算法进行拼接图像。实验结果表明,改进本算法可以在很大程度上消除最终图像拼接结果中的重影和拼接缝,重构得到贴近真实场景的全景图像。改进算法可以在不同的场景下取得较好的鲁棒拼接结果。（3）将改进的图像配准和图像融合拼接算法运用到视频图像拼接过程中。对比现有的视频图像拼接算法。实验结果显示改进的算法在多摄像头视频图像的拼接中取得了优秀的拼接效果。本文研究重点在于提高视频图像拼接的效果,算法的实时性是下一步的研究重点。
林振锴[4]（2020）在《甲襞微血管血流速检测算法及其应用》文中提出人体中的微血管通常指的是小动脉与小静脉连接处的毛细血管,其中常说的微循环指的是人体微血管中的血液流动,主要功能是完成人体各个器官与组织所需的物质交换。微循环可以反映人体的健康状况。微血管中的血流速度是重要的流态参数,可以动态反映出人体血流的状态。因此血流速度的准确检测在人体生理和病理研究中有着重要的意义,同时高精度的血流速度检测是一项很大的挑战。人工测量微血管血流速度效率低下,无法准确得到多个血管血流速度的细微变化;基于高端医疗设备检测血流速的方法应用场所比较受限,设备费用过高;为了降低成本,便于推广,人们开始研究基于视频分析的血流速检测方法,但是目前这类自动检测方法相关工作较少,主要是针对较清晰的微血管图像进行的研究。然而,普通显微相机采集到的微血管视频样本易受到多种噪声的干扰。因此,在低质量视频图像中自动检测出微血管的血流速度仍然存在很多的困难。针对普通显微相机采集到的受噪声干扰的微血管视频,我们提出了基于投影分析的血流速自动检测算法。首先是微血管图像增强,对微血管视频进行去抖动、去模糊并利用频域处理提高图像对比度;然后是微血管分割,在复杂背景下分割出完整的微血管;最后是提出了两种血流速自动检测方法。具体工作包括:（1）甲襞微血管视频图像预处理。人体呼吸、脉搏跳动以及采集设备的不稳定性等因素会导致采集到的微血管视频中存在“抖动”现象。结合图像的抖动幅度和方向提出了基于相关性计算的微循环视频去“抖动”算法。相机与样本之间的相对运动造成微血管图像出现模糊,根据视频帧序列之间的偏移量设计合理的卷积核,实现微血管图像反卷积去模糊。利用小波变换提高了图像对比度,提高了图像的可视化效果。（2）甲襞微血管分割研究。血流速检测的前提是先分割出血管。首先,通过累计G通道图像获取微血管均值图像,以行灰度均值作为阈值,提出了G通道行均值光照均匀化方法;然后,利用局部窗口均值二值化对增强后的G通道累计均值图像进行分割,获取微血管图像中的前景目标;最后,利用轮廓信息和形态学处理消除噪声并通过区域筛选去除交叉型血管以及有效长度较短的异态血管等。（3）微血管血流速检测研究。观察微血管视频可以发现,微血管中存在某些特定的运动目标,通过跟踪该目标检测血流速度。根据微血管中血液流动的特点,提出了基于投影分析的血流速检测方法,利用差分投影直方图重心的移动变化量计算出血流的速度和方向。在直方图投影的基础上提出了基于二值空时图轨迹分析的血流速检测方法。首先,联合分析血管中血液流动时间与空间的关系,生成单根血管的二值空时图;然后,利用旋转投影计算二值空时图轨迹的方向;最后计算血管中的血流速度。目前针对血流速自动检测的相关研究较少,没有标准的数据库和血流速检测数值,因此很多实验无法提供对比数据。与人工标注结果进行对比是目前相关研究中比较常见的实验对比方式。本文对采集的多个样本进行了测试并与人工标注结果进行了实验对比。结果表明,本文方法在微血管图像增强,血管分割方面取得了较好的效果,同时血流速检测的准确率比较高。本文的创新点主要有2点:（1）针对低成本显微相机采集到的甲襞微循环视频提出了较好的微循环图像预处理和血管分割方法。（2）提出了一种有效的甲襞微血管血流速检测方法。所提方法对深入开展微循环参数计算提供了新的研究思路。
刘敬[5]（2020）在《基于视频监控的虚拟电子围栏系统设计研究》文中提出日常生产和生活中,高空坠物伤人事件时有发生,在一些工程施工现场或其他有可能坠落物体的区域,往往通过设置围栏阻止人或宠物进入标记好的危险区域。但传统围栏存在拦截威力较小、入侵报警响应不及时等问题,电子围栏通常需要现场铺设大量设备,成本高且操作繁复。视频监控因为其内容丰富,涵盖面广,实时性强等优点,成为保护人民生命财产安全和维护社会治安的重要工具。本文通过深入研究图像处理与目标检测的技术,设计了一种基于视频监控的虚拟电子围栏系统,可用于代替传统物理围栏或电子光幕围栏,对进入危险区域的人或宠物及时进行报警威慑,防止人或宠物被高空坠物砸伤,具有重要的研究意义和实用价值。本文的主要工作有:（1）研究实现了视频图像的采集、去抖动处理和感兴趣区域（ROI）选取功能。其中去抖动处理在实现图像灰度化和二值化等预处理的基础上,对选取的参考帧进行投影计算,并计算视频参考帧和后续每一帧的相关系数,从而实现了视频图像去除抖动和选取区域最大化的目的。ROI选取功能可通过鼠标在监控图像中绘制任意多边形实现,以选定的ROI边界为虚拟围栏边界,仅对进入ROI区域的图像检测识别。（2）研究了基于YOLOv3算法的目标检测方法。深入研究了YOLOv3的算法原理及训练过程,根据研究背景设定数据集图像种类,大类分为人和宠物,并根据实际情况进行细分,明确禁入风险区域的图像种类分为人、自行车、汽车、摩托车、卡车、猫、狗七类,使用YOLOv3模型进行训练,并进行目标检测,记录检测结果。最后通过计算评价参数对七种类别的各150个目标图像的检测结果进行了分析,结果表明各类图像的召回率、准确率均高于90%。（3）研究了基于RetinaNet的目标检测方法。深入研究了RetinaNet模型的算法原理,对模型的网络结构、损失函数和锚机制进行研究探索,根据其模型训练步骤进行训练,使用与YOLOv3模型相同的图像种类测试模型,记录检测结果并计算评价参数,与YOLOv3的检测结果进行对比,比较两种目标检测模型的检测精度和适用图像种类。（4）在目标检测算法研究的基础上,设计实现了基于视频监控的虚拟电子围栏系统,搭建了系统的软硬件平台。系统的测试结果表明,对ROI区域检测识别设定的七种类别的图像,检测准确率较高,实现了本文研究的基于视频监控的虚拟电子围栏功能。总之,本文研究并设计了一套基于视频监控的虚拟电子围栏系统,与传统围栏相比,本虚拟电子围栏弥补了传统围栏仅具有单一围挡作用的缺陷,增加了实时在线监测和报警威慑的功能,同时改进了市面上主流电子围栏硬件设备过多和铺设过程复杂的问题,简化了安装铺设过程,降低了成本和操作难度。使用监控镜头拍摄的视频验证了系统的识别效果和模型的可行性,测试实验结果表明,视频中出现的行人、汽车、摩托车、自行车均能够被正确检测,准确率和召回率均高于90%,且无漏检和错检情况。
欧阳聪宇[6]（2020）在《基于背景分离混合高斯模型的高速公路小目标抛洒物检测》文中进行了进一步梳理近年来,随着高速公路里程不断延长,车流量节节攀升,因高速公路抛洒物诱发的事故数量激增。而在这些抛洒物中,大多为货车上未捆扎严实而掉下的货物或者汽车故障掉落的碎片,这些体积小而坚硬的物体,对高速公路司乘人员的安全带来了极大的威胁。因此对高速公路小目标抛洒物进行实时、准确地检测成为亟待解决的问题。不同于高速公路上的机动车、非机动车、行人等目标,抛洒物不具有图像上的通用特征,因此本文通过前景提取和噪声去除的方法实现小目标抛洒物的间接检测。首先,本文提出了一种基于背景分离的混合高斯模型（BS-GMM）算法来提取高速公路视频的前景图像,对原混合高斯模型的背景划分和像素点类型判断进行改进,提出背景分离检测前景目标的概念,在实现静止目标检测的同时能够适应实时的背景环境变化。然后,本文对前景提取结果进行图像预处理以及目标定位,使用基于IOU匹配的跟踪方式对前景目标的运动状态进行分析,去除了大量随机噪声的干扰,并得到疑似小目标抛洒物。最后,本文对两种常见的由摄像头抖动和光照阴影产生的小目标噪声进行去除,分别提出了基于频率统计的抖动抑制算法和基于边缘匹配的小目标抛洒物验证方法对疑似小目标抛洒物进行筛选。将基于背景分离的混合高斯模型小目标抛洒物检测算法应用于实际的高速公路视频中,取得了不错的效果。算法能够准确检测出塑料袋、车辆碎片等常见小目标抛洒物,最小的目标尺寸可低至200像素,并且能有效避免摄像头抖动、亮度变化、阴影晃动等环境干扰引起的抛洒物误报。同时,算法在计算效率方面也表现突出,能够用于实时的高速公路视频小目标抛洒物检测。
郝亚辛[7]（2020）在《电子稳像技术研究及实现》文中研究说明随着科学技术的发展,电子稳像作为一种方便快捷的稳像方法得到广泛应用。摄像设备受到环境因素的影响,会发生抖动,引起拍摄视频或图像的不稳定、模糊。这不仅严重影响人们从视频图像中获取对自己有用的信息,而且对视频图像的后续处理及利用造成很大不便。电子稳像直接对获取的视频图像进行处理,来消除抖动。本文针对红外视频中的旋转和平移抖动展开研究,提出一种基于陀螺仪和特征点匹配的综合性方法。本文对稳像的基础理论进行详细阐述,阐述了视频模糊产生机理、图像运动模型,构建了电子稳像的数学模型。详细论述了几种常用的运动估计算法,对其优缺点进行分析,并做了部分改进。针对传统算法对视频中旋转抖动不敏感的问题,本文在视频采集时利用陀螺仪记录摄像设备的旋转角速度,对记录的数据进行卡尔曼滤波,线性插值后,积分求得旋转矩阵,进而求得准确的摄像机旋转运算矢量。此方法可以有效避免红外图像灰度级不明显的缺点,并减少了运动估计中的计算量。针对陀螺仪无法获取摄像设备平移抖动的问题,本文通过SIFT特征点匹配进行平移运动估计,首先通过Sobel算子进行特征区域寻找,在特征区域上进行特征点匹配后,利RANSAC算法筛选误匹配,并通过改进的k邻近避免了人为介入设定阈值,提高了算法对不同场景的适用性。针对本文方法,采集视频进行了验证。实验结果表明,本文方法可以有效的消除视频中的抖动。
李世超[8]（2020）在《面向移动拍摄平台的视频稳像方法研究》文中认为随着智能手机、无人机等移动拍摄平台的快速发展,移动拍摄设备用于视频采集的比例越来越大,视频稳像成为了热门的研究问题。由于移动拍摄平台的灵活性,其所采集视频往往伴随幅度较大的随机抖动、视角变换、前景遮挡等情况。而现有的视频稳像修复技术存在全局运动矢量估计不准确、图像修复效果不佳等问题。为了解决这些问题,本文在深入研究视频稳像修复技术的基础上,提出了运动估计和运动补偿修复方法的改进,同时设计并实现了面向移动拍摄平台的视频稳像修复原型系统。本文主要研究工作包括以下内容:（1）提出了一种基于参考帧优选和前后景特征点分离的运动估计算法,以提升全局运动矢量估计精度。首先以相邻帧优先为原则进行参考帧选取方式优化,而后通过网格聚类和密度聚类算法融合的方式对视频帧中的特征点进行聚类和初步的筛选,最后利用随机采样一致性算法求取最优单应矩阵,结合透视投影变换与距离准则进一步提纯,获得准确的背景特征点对用于计算全局运动矢量。实验表明该算法可以有效提高全局运动矢量精度、提升稳像修复效果。（2）提出了一种基于时序网络预测与金字塔融合的运动补偿修复算法,以改善缺损修复部分图像质量不高、图像拼接处不自然等情况。首先自适应判断当前帧是否需要填充修复。然后对于待修复帧,送入卷积神经网络与GRU（Gated Recurrent Unit,GRU）的融合模型对完整图像预测。随后通过融合了加权最佳缝合线的高斯拉普拉斯金字塔模型对图像融合重构。最后根据自适应裁剪策略保留视频有效区域和尺寸裁剪。实验结果表明,该算法有效提升了缺损部分修复效果,能有效应对移动拍摄平台所摄视频的稳像修复任务。（3）采用功能模块化的设计,开发并实现了面向移动拍摄平台的视频稳像修复原型系统。主要系统功能模块包括视频输入模块、运动估计模块、轨迹平滑模块、视频图像修复模块和存储模块。实验表明,该系统具有较为良好的易用性和有效性,适用于包括移动拍摄平台等多种设备中,具有较高的应用价值和前景。
邓兆鹏[9]（2019）在《前视全景钻孔摄像系统的图像分类及视频拼接技术研究》文中研究指明在深部岩体中,裂隙、离层、破裂区、交界面等结构面的结构特点和分布情况是决定岩土工程地质特征和力学特性的关键因素,对于研究地质结构稳定性、岩体工程设计、施工安全等方面意义重大。前视全景钻孔摄像系统（Axial View Panoramic Borehole Camera System,APBCS）可以获取地质钻孔视频和图像,是观察和分析钻孔内壁结构的一种重要勘察手段。如何更好的利用这些视频和图像数据研究地质钻孔,并进一步提升APBCS的系统性能是一项重要研究课题。目前,前视钻孔摄像技术存在两方面问题:一是通过此技术获取的钻孔图像的判读基本停留在人为操作的基础上,图像数据量大,人工参与费时费力,不同工程人员也会造成分析结果偏差;另外,此技术拍摄的钻孔视频是通过视频回放或视频截图的方式对钻孔内壁进行观测。但此方法只能对钻孔内的结构面进行定性描述,无法获得全景孔壁展开图,不能实现裂隙走向、宽度、倾向角等参数的定量分析。本文针对上述问题,基于APBCS所获取的图像和视频,重点研究了前视钻孔孔壁图像识别与分类方法,并对前视钻孔孔壁视频拼接技术展开了深入研究,利用提出的钻孔中心定位、图像展开和展开图序列拼接等技术生成柱形全景孔壁展开图。本文的研究内容主要包括以下几个部分:提出了一种新的两级树式图像分类方法,通过优化两级特征提取结构,解决了三种主要类型孔壁图像的识别与分类问题。该方法分为初级分类和次级分类两个阶段:初级分类是对三类孔壁图像作一个二元决策,判断属于交界图像或非交界图像;在次级分类阶段,提出了一种基于Gabor滤波的裂隙分割算法和基于圆形度的中心区域去除算法,有效的分割出裂隙部分并消除中心干扰区域,构造差异性显着的特征向量。实验表明:该方法通过两级分类方式较好的识别出不同类别的孔壁图像,其中测试分类准确率达到93.3%。研究结果为前视钻孔图像的分类研究提供理论参考和新思路。提出了一种基于视频拼接的柱形全景孔壁展开图生成方法,可将APBCS对钻孔的定性观测提升到对孔内参数的定量分析层面。该方法利用图像展开算法将轴向运动参量估计转换为平移运动参量估计,再通过矩形展开图序列拼接方法得到分段或整孔的柱形全景孔壁展开图。针对展开过程中出现的几何失真并确定环形有效区域,提出了一种钻孔中心自动定位算法,该算法通过对中心区域的自动分割与标定,准确定位出不同视频帧的钻孔中心。随后,提出了一种前视钻孔孔壁图像展开算法,将视频序列中的环形有效区域展开为矩形孔壁展开图序列。该算法基于坐标映射法设计了一个虚拟坐标图,并引入双线性插值算法,既保证了图像展开后内外环区域分辨率的统一化,又提高了视频序列的展开效率。针对钻孔视频拼接中模板匹配配准率低的缺点,提出了一种投影绝对误差和测度匹配算法（Projection Transformation Sum of Absolute Difference,PTSAD）。该算法通过灰度投影变换（GPT）对SAD匹配算法筛选出的候选子图进行决策判断,利用投影相关系数确定与模板相匹配的最优候选子图,实现矩形展开图序列的快速匹配。该算法利用模板与最优候选子图的中心点相对偏移距离,计算出展开图序列的水平和垂直偏移量,最终通过这两个参量将矩形图序列拼接成完整的柱形全景孔壁展开图。实验结果表明本文提出的PTSAD算法在准确性和效率方面要优于传统的基于灰度的模板匹配算法和基于特征的匹配算法,满足视频拼接过程中实时性和有效性要求。针对探头抖动、旋转产生的无效视频帧,设计了一个视频帧筛选模块,利用中心偏移量dc、水平偏移量dh和垂直偏移量dv这三个阈值参数在矩形展开图序列拼接前去除无效视频帧。实验结果表明,针对不同类型的前视钻孔视频,本文提出的柱形全景孔壁展开图生成方法可以将前视钻孔视频有效的拼接成效果良好的全景展开图,为孔内裂隙、层理、节理等结构面的定量分析提供研究基础。
杨帆[10]（2020）在《基于时空特征学习与傅立叶聚合的视频去模糊方法》文中提出视频拍摄中,图像采集环境差、成像系统退化和目标物体运动等容易导致采样视频存在不必要的模糊。研究者们提出了许多优秀的视频去模糊方法。但由于视频图像特有的时空相关性,如何综合利用时空信息依然有很大的改进空间。本文首先综合回顾了国内外研究现状,分析并实现了三种经典的视频去模糊算法:加权傅立叶聚合视频去模糊算法（Weighted Fourier Accumulation Algorithm,WFA）,基于编码-解码器架构的视频去模糊算法（Deep Video Deblurring Network Algorithm,DBN）,基于循环神经网络的视频去模糊算法（Spatio-temporal Recurrent Network Algorithm,STRCNN）,针对上述算法在视频去模糊过程中的不足,作出了如下工作:提出基于结构置信增量傅立叶聚合的视频去模糊算法。传统的加权傅立叶聚合去模糊算法对局部时间窗口中所有帧计算聚合权重,缺乏质量控制自适应加权机制,该算法采用基于结构置信的视频局部窗口图像清晰度排序,利用有序窗口中最清晰图像与上一次迭代生成的去模糊图像重建复原帧,以增量控制的方式根据重建图像质量判断是否需要进一步迭代,有效避免过分模糊相邻帧的不利影响。实验证明,在多种模糊视频数据集上,相比原始加权傅立叶聚合算法,该算法的去模糊性能有明显的提升。提出基于时空特征学习与傅立叶聚合的视频去模糊算法。针对传统深度学习视频去模糊算法未能充分利用视频时间相关性的不足,构造了一种三维卷积神经网络与傅立叶聚合的合成网络,具体而言,该算法通过三维卷积编码-解码器网络,学习窗口内视频帧的时空特征,并将三维卷积网络学习出的初始去模糊图像进行傅立叶变换,采用傅立叶聚合模块,进一步学习图像的傅立叶特征,最终根据训练好的深度网络生成去模糊视频。实验证明,在多种模糊视频数据集上,该算法不需要视频图像精准对齐,具有较快处理速度的同时也有不错的去模糊表现。最终,本文综合集成上述算法,初步研制了抖动视频去模糊软件,给出了软件流程与模块化设计,进行了系统运行与测试。针对抖动与模糊常同时出现在退化视频中,该系统集成了一种优秀的视频稳定化方法,实现了联合处理视频抖动与模糊退化,并为了直观对比不同算法复原效果,提供重建视频可视化与视频质量评价的功能。
二、视频图像抖动消除技术的研究与实现（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、视频图像抖动消除技术的研究与实现（论文提纲范文）
（1）公网数字集群调度系统视频稳像技术的研究和实现（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1.绪论 |
| 1.1 概述 |
| 1.2 国内外宽带数字集群系统与视频稳像技术的研究现状 |
| 1.2.1 国内宽带数字集群系统及与视频稳像技术的研究现状 |
| 1.2.2 国外宽带数字集群系统及与视频稳像技术的研究现状 |
| 1.3 选题意义和论文结构 |
| 1.3.1 选题意义 |
| 1.3.2 论文结构 |
| 2.基于视频稳像技术的公网数字集群调度系统 |
| 2.1 公网数字集群调度系统 |
| 2.1.1 公网数字集群调度系统的架构 |
| 2.1.2 公网集群系统视频传输的流程 |
| 2.2 移动终端与调度终端的通信过程 |
| 2.2.1 移动终端与调度终端的信令交互过程 |
| 2.2.2 移动终端与调度终端的登录/注销信令流程 |
| 2.2.3 移动终端与调度终端的视频传输信令流程 |
| 2.3 公网数字集群调度系统视频稳像的处理流程 |
| 2.4 视频稳像算法 |
| 2.4.1 视频稳像运动估计算法 |
| 2.4.2 视频稳像运动补偿算法 |
| 2.5 视频稳像技术的评价方法 |
| 2.6 本章小结 |
| 3.公网数字集群调度系统视频稳像技术 |
| 3.1 概述 |
| 3.2 公网数字集群调度系统视频稳像算法 |
| 3.2.1 特征点检测算法的分析 |
| 3.3 基于特征点匹配的运动估计算法 |
| 3.3.1 改进的FAST特征点检测算法 |
| 3.3.2 改进的SAD特征点匹配算法 |
| 3.3.3 改进的RANSAC误匹配消除算法 |
| 3.4 计算全局运动矢量 |
| 3.5 基于双线性插值的运动补偿算法 |
| 3.6 本章小结 |
| 4.公网数字集群调度系统视频稳像技术的实现 |
| 4.1 视频传输功能的实现 |
| 4.1.1 调度终端登录/注销功能的实现 |
| 4.1.2 调度终端视频传输功能的实现 |
| 4.1.3 调度终端视频稳像技术的实现 |
| 4.2 基于特征点匹配的运动估计算法的实现 |
| 4.2.1 FAST特征点检测算法的实现 |
| 4.2.2 SAD特征点匹配算法的实现 |
| 4.2.3 RANSAC误匹配消除算法的实现 |
| 4.3 全局运动矢量求解的实现 |
| 4.4 基于双线性插值的运动补偿算法的实现 |
| 4.5 本章小结 |
| 5.公网数字集群调度系统视频稳像技术的测试 |
| 5.1 测试环境 |
| 5.2 测试内容 |
| 5.3 功能测试 |
| 5.3.1 登录/注销 |
| 5.3.2 视频通话 |
| 5.4 性能测试 |
| 5.5 本章小结 |
| 6.结论 |
| 参考文献 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
（2）工程索道吊运货物双目视觉三维建图与跑车运行参数监测研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 论文研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国内外双目视觉技术的研究现状 |
| 1.2.2 国内外虚拟仪器与Lab VIEW技术的研究现状 |
| 1.3 论文研究的主要内容和技术路线 |
| 1.3.1 论文研究主要内容 |
| 1.3.2 论文研究技术路线 |
| 1.4 本章小结 |
| 2 遥控跑车双目视觉与参数采集监测系统搭建 |
| 2.1 双目视觉成像与参数监测方案设计 |
| 2.2 模块规划与功能说明 |
| 2.3 硬件选型与平台搭建 |
| 2.3.1 双目视觉相机选择 |
| 2.3.2 微控制器模块选择 |
| 2.3.3 持力能量盒与PC端选择 |
| 2.3.4 硬件平台整体搭建实现 |
| 2.4 本章小结 |
| 3 双目立体视觉理论与摄像头参数标定 |
| 3.1 双目立体视觉模型 |
| 3.2 张正友标定 |
| 3.3 双目摄像头内外参数与畸变参数 |
| 3.4 立体匹配 |
| 3.5 本章小结 |
| 4 双目视觉图像预处理算法研究 |
| 4.1 中值滤波与直方图均衡化 |
| 4.1.1 中值滤波 |
| 4.1.2 直方图原理 |
| 4.1.3 直方图计算与分析结果 |
| 4.2 视频监控去抖动方法研究 |
| 4.2.1 去抖动框架与原理 |
| 4.2.2 运动分析 |
| 4.2.3 运动平滑 |
| 4.2.4 视频监测去抖动效果 |
| 4.3 目标物体颜色识别研究 |
| 4.3.1 HSV模型 |
| 4.3.2 Laplace检测算法 |
| 4.3.3 颜色识别效果分析 |
| 4.4 本章小结 |
| 5 基于三轴加速度的遥控跑车运行参数与存储研究 |
| 5.1 三轴加速度原理与采集算法 |
| 5.1.1 三轴加速度计基本原理 |
| 5.1.2 加速度模块软件设计 |
| 5.2 遥控跑车加速度积分算法 |
| 5.2.1 加速度信号频域积分 |
| 5.2.2 加速度信号时域积分 |
| 5.2.3 LabVIEW程序框图积分模块 |
| 5.3 遥控跑车TDMS数据存储 |
| 5.3.1 数据采集系统结构 |
| 5.3.2 TDMS系统结构 |
| 5.3.3 数据记录程序设计 |
| 5.4 本章小结 |
| 6 双目视觉与运行参数监测与实验结果与分析 |
| 6.1 双目视觉与参数监测实验平台搭建与实验方案介绍 |
| 6.2 系统软件实时显示 |
| 6.3 双目视觉三维重建试验结果与分析 |
| 6.3.1 双目视觉深度试验 |
| 6.3.2 遥控跑车位置追踪试验 |
| 6.3.3 在线3D建图试验 |
| 6.4 遥控跑车运行参数监测试验结果与分析 |
| 6.4.1 三轴加速度试验 |
| 6.4.2 加速度积分速度、位移试验 |
| 6.5 本章小结 |
| 7 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 7.3 创新点 |
| 参考文献 |
| 附录 |
| 附录 A:货物箱与木材实验样本深度信息采集 |
| 攻读学位期间的学术论文与研究成果 |
| 致谢 |
（3）多摄像头监控场景下视频图像拼接技术的研究与应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 特征点配准的发展及现状 |
| 1.2.2 图像融合的发展及现状 |
| 1.2.3 多摄像头监控视频拼接技术的发展及现状 |
| 1.3 论文研究内容和组织结构 |
| 1.3.1 论文研究内容和创新点 |
| 1.3.2 本文组织结构 |
| 第2章 视频图像拼接基本原理与相关技术 |
| 2.1 视频图像拼接的主要流程 |
| 2.2 视频图像采集 |
| 2.3 视频图像预处理 |
| 2.3.1 视频图像亮度统一 |
| 2.3.2 视频图像投影方式 |
| 2.4 视频图像配准技术 |
| 2.4.1 角点检测方法 |
| 2.4.2 SIFT特征检测方法 |
| 2.4.3 SURF特征检测方法 |
| 2.4.4 ORB特征检测方法 |
| 2.4.5 常用的三种局部特征匹配算法分析 |
| 2.4.6 常见的视频图像配准约束方法 |
| 2.5 视频图像融合技术 |
| 2.5.1 直接拼接融合算法 |
| 2.5.2 渐入渐出加权均值融合算法 |
| 2.5.3 多分辨率融合算法 |
| 2.6 视频图像质量评价 |
| 2.6.1 主观质量评价 |
| 2.6.2 客观质量评价 |
| 2.7 本章小结 |
| 第3章 基于粒子群优化改进的ORB图像匹配算法 |
| 3.1 粒子群算法的概述 |
| 3.2 改进的ORB图像匹配算法 |
| 3.3 实验结果 |
| 3.3.1 实验环境 |
| 3.3.2 实验结果 |
| 3.4 本章小结 |
| 第4章 基于改进的种子区域生长和泊松融合的图像拼接算法 |
| 4.1 泊松融合算法原理概述 |
| 4.2 改进的种子区域生长算法 |
| 4.3 基于改进的种子区域生长和泊松融合的图像拼接算法 |
| 4.4 实验结果 |
| 4.4.1 实验环境 |
| 4.4.2 实验结果 |
| 4.4.3 结果对比性能分析 |
| 4.5 本章小结 |
| 第5章 全景视频拼接方法实现 |
| 5.1 视频拼接帧间处理 |
| 5.2 视频拼接方法的主要步骤 |
| 5.3 实现方案及实验结果分析 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 在学期间主要科研成果 |
（4）甲襞微血管血流速检测算法及其应用（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 微循环的概念 |
| 1.1.2 研究对象 |
| 1.1.3 微血管血流速检测的意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容与创新 |
| 1.4 结构安排 |
| 第二章 相关基础知识 |
| 2.1 引言 |
| 2.2 RGB图像灰度化 |
| 2.3 数学形态学 |
| 2.4 图像卷积运算 |
| 2.5 灰度直方图 |
| 2.6 甲襞微血管样本采集 |
| 2.7 本章小结 |
| 第三章 甲襞微血管视频图像预处理 |
| 3.1 引言 |
| 3.2 消除标尺 |
| 3.3 图像去抖动 |
| 3.3.1 SIFT去抖动方法 |
| 3.3.2 图像相关性匹配去抖动 |
| 3.3.3 视频去抖动实验及分析 |
| 3.4 图像去模糊 |
| 3.4.1 运动模糊分析 |
| 3.4.2 运动图像去模糊 |
| 3.4.3 Deblur GAN去模糊 |
| 3.4.4 图像去模糊实验及分析 |
| 3.5 图像对比度增强 |
| 3.5.1 直方图均衡化 |
| 3.5.2 限制对比度自适应直方图均衡化 |
| 3.5.3 高斯匹配滤波 |
| 3.5.4 小波变换 |
| 3.5.5 图像对比度增强实验及分析 |
| 3.6 本章小结 |
| 第四章 甲襞微血管分割研究 |
| 4.1 引言 |
| 4.2 累计G通道图像 |
| 4.3 图像光照均匀化校正 |
| 4.4 图像二值化 |
| 4.5 图像去噪和血管筛选 |
| 4.6 实验结果与分析 |
| 4.7 本章小结 |
| 第五章 微血管血流速检测研究 |
| 5.1 引言 |
| 5.2 基于投影分析的血流速检测方法 |
| 5.2.1 提取血管中心线 |
| 5.2.2 计算血管展开投影直方图 |
| 5.2.3 计算直方图重心移动速度和方向 |
| 5.3 基于ST图的血流速检测方法 |
| 5.3.1 生成血管空时图 |
| 5.3.2 旋转投影计算空时图轨迹方向 |
| 5.3.3 计算微血管血流速度 |
| 5.4 实验结果与分析 |
| 5.5 本章小结 |
| 第六章 血流速检测实际应用 |
| 6.1 观测人体健康状态 |
| 6.2 人体微循环养生与保健 |
| 6.3 疾病诊断与防护 |
| 6.4 临床研究 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 附录 |
（5）基于视频监控的虚拟电子围栏系统设计研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 选题背景及意义 |
| 1.2 国内外相关研究现状 |
| 1.2.1 电子围栏国内外研究现状 |
| 1.2.2 目标检测国内外研究现状 |
| 1.3 本文主要研究内容 |
| 1.4 本文组织结构 |
| 第二章 视频的采集和处理 |
| 2.1 视频图像的采集 |
| 2.2 视频去抖动处理 |
| 2.2.1 参考帧选取 |
| 2.2.2 图像预处理 |
| 2.2.3 图像投影的计算 |
| 2.2.4 皮尔森相关系数 |
| 2.2.5 图像去抖动效果 |
| 2.3 感兴趣区域(ROI)选取 |
| 2.4 本章小结 |
| 第三章 基于YOLOv3的目标检测系统研究 |
| 3.1 实验数据集 |
| 3.2 基于YOLOv3的目标检测 |
| 3.2.1 YOLOv3工作原理 |
| 3.2.2 Darknet-53 的网络结构 |
| 3.2.3 维度聚类 |
| 3.3 基于YOLOv3的目标检测识别结果 |
| 3.4 本章小结 |
| 第四章 基于Retina Net的目标检测 |
| 4.1 Retina Net模型原理介绍 |
| 4.1.1 Retina Net的原理 |
| 4.1.2 锚(Anchor)机制 |
| 4.1.3 Focal Loss损失函数 |
| 4.2 基于Retina Net的目标检测结果 |
| 4.3 目标检测测试结果对比 |
| 4.4 本章小结 |
| 第五章 系统实现与测试 |
| 5.1 系统硬件设计 |
| 5.1.1 UPS电源 |
| 5.1.2 监控摄像头 |
| 5.1.3 声光报警器 |
| 5.2 系统软件设计 |
| 5.2.1 配置开发环境 |
| 5.2.2 设计软件流程 |
| 5.2.3 系统总体设计方案 |
| 5.2.4 图形界面设计 |
| 5.3 电子围栏识别结果 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 附录 |
（6）基于背景分离混合高斯模型的高速公路小目标抛洒物检测（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景 |
| 1.2 研究现状 |
| 1.2.1 基于前景提取方法的抛洒物检测算法 |
| 1.2.2 基于深度学习的抛洒物检测算法 |
| 1.2.3 基于其他设备数据分析的抛洒物检测算法 |
| 1.3 本文的主要工作 |
| 1.4 论文的组织结构 |
| 第2章 基于BS-GMM的视频前景提取算法 |
| 2.1 前景提取算法 |
| 2.1.1 差分法前景提取 |
| 2.1.2 混合高斯模型前景提取 |
| 2.2 基于背景分离的混合高斯模型 |
| 2.2.1 混合高斯模型原理 |
| 2.3 基于BS-GMM算法的抛洒物检测 |
| 2.3.1 前景提取场景 |
| 2.3.2 基于BS-GMM算法检测静止目标 |
| 2.4 本章小结 |
| 第3章 基于运动分析的疑似抛洒物识别 |
| 3.1 目标定位算法 |
| 3.2 目标跟踪算法 |
| 3.2.1 基于IOU匹配的目标跟踪算法 |
| 3.2.2 基于运动分析的疑似抛洒物判断 |
| 3.3 本章小结 |
| 第4章 基于抖动抑制和边缘匹配的小目标噪声去除 |
| 4.1 图像噪声处理 |
| 4.2 抖动噪声去除 |
| 4.2.1 视频稳像算法 |
| 4.2.2 基于频率统计的抖动抑制算法 |
| 4.3 阴影噪声去除 |
| 4.3.1 基于像素值衰减的阴影检测方法 |
| 4.3.2 基于边缘匹配的阴影去除方法 |
| 4.4 本章小节 |
| 第5章 系统实验结果及分析 |
| 5.1 实验环境 |
| 5.1.1 事件检测系统及抛洒物定义 |
| 5.1.2 实验数据集 |
| 5.1.3 实验测试指标 |
| 5.2 前景提取算法实验 |
| 5.2.1抛洒物前景提取实验 |
| 5.2.2前景目标静止检测实验 |
| 5.3 目标定位及跟踪实验 |
| 5.3.1 跟踪算法对比 |
| 5.3.2 疑似抛洒物检测结果 |
| 5.4 抖动与阴影噪声去除实验 |
| 5.4.1 抖动抑制算法实验 |
| 5.4.2 边缘匹配算法实验 |
| 5.5 本章小结 |
| 第6章 总结和展望 |
| 6.1 本文工作总结 |
| 6.2 未来展望 |
| 参考文献 |
| 攻读硕士学位期间主要的研究成果 |
| 致谢 |
（7）电子稳像技术研究及实现（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究背景 |
| 1.2 课题的研究意义 |
| 1.3 稳像技术的国内外研究状况 |
| 1.4 本文研究内容和章节安排 |
| 2 稳像技术的基础理论研究 |
| 2.1 稳像的基本原理 |
| 2.2 视频模糊产生机理 |
| 2.3 稳像技术的分类 |
| 2.4 电子稳像技术研究 |
| 2.5 本章小结 |
| 3 电子稳像常用算法研究及改进 |
| 3.1 图像预处理 |
| 3.2 块匹配运动估计算法 |
| 3.3 灰度投影法 |
| 3.4 位平面运动估计算法 |
| 3.5 光流法 |
| 3.6 其他方法 |
| 3.7 稳像系统的框架构建 |
| 3.8 本章小结 |
| 4 基于MEMS陀螺仪的稳像方法 |
| 4.1 陀螺仪参数校准 |
| 4.2 本章方法介绍 |
| 4.3 实验及结果分析 |
| 4.4 本章小结 |
| 5 基于 SIFT 特征点匹配的稳像及改进 |
| 5.1 SIFT特征点检测原理 |
| 5.2 RANSAC特征点筛选 |
| 5.3 实验及结果分析 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 本文主要工作总结 |
| 6.2 研究工作展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（8）面向移动拍摄平台的视频稳像方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 运动估计研究现状 |
| 1.2.2 运动补偿研究现状 |
| 1.2.3 视频稳像技术难点 |
| 1.3 论文主要工作 |
| 1.4 论文章节安排 |
| 第二章 理论基础及相关技术 |
| 2.1 电子稳像基本原理 |
| 2.2 图像运动变换模型 |
| 2.3 电子稳像常用方法 |
| 2.3.1 运动估计 |
| 2.3.2 运动滤波 |
| 2.3.3 运动补偿 |
| 2.4 本章小结 |
| 第三章 基于参考帧优选和前后景分离的运动估计算法 |
| 3.1 概述 |
| 3.2 基于参考帧优选和前后景特征点分离的运动估计算法 |
| 3.2.1 自适应参考帧更新 |
| 3.2.2 网格密度聚类 |
| 3.2.3 误匹配剔除 |
| 3.3 实验结果与分析 |
| 3.3.1 实验配置 |
| 3.3.2 评价标准 |
| 3.3.3 结果分析 |
| 3.4 本章小结 |
| 第四章 基于时序网络预测与金字塔融合的运动补偿算法 |
| 4.1 概述 |
| 4.2 基于时序网络预测与金字塔融合的运动补偿修复算法 |
| 4.2.1 当前帧完整图像预测 |
| 4.2.2 视频帧缝合填补 |
| 4.2.3 帧裁剪修复优化策略 |
| 4.3 实验结果与分析 |
| 4.3.1 实验配置 |
| 4.3.2 评价标准 |
| 4.3.3 结果分析 |
| 4.4 本章小结 |
| 第五章 视频稳像系统的设计与实现 |
| 5.1 系统总体设计 |
| 5.1.1 核心功能模块设计 |
| 5.1.2 开发环境 |
| 5.2 功能模块详细设计及实现 |
| 5.2.1 视频输入模块 |
| 5.2.2 运动估计模块 |
| 5.2.3 轨迹平滑模块 |
| 5.2.4 视频图像修复模块 |
| 5.2.5 存储模块 |
| 5.3 实验结果 |
| 5.3.1 视频输入功能展示 |
| 5.3.2 运动估计和轨迹平滑功能展示 |
| 5.3.3 视频图像修复功能展示 |
| 5.3.4 实时稳像功能展示 |
| 5.3.5 存储功能展示 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 附录 :攻读硕士学位期间取得的成果 |
（9）前视全景钻孔摄像系统的图像分类及视频拼接技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 选题背景 |
| 1.2 国内外研究现状 |
| 1.3 现存问题及研究意义 |
| 1.4 本文的主要研究内容及思路 |
| 2 基于前视全景钻孔摄像系统的数据采集 |
| 2.1 引言 |
| 2.2 钻孔摄像系统 |
| 2.3 现场数据采集方法 |
| 2.4 本章小结 |
| 3 前视钻孔孔壁图像的特征提取方法 |
| 3.1 引言 |
| 3.2 孔壁图像的特征描述 |
| 3.3 两级树式分类方法概述 |
| 3.4 基于Gabor滤波的裂隙分割算法 |
| 3.5 基于圆形度的中心区域去除算法 |
| 3.6 图像纹理和灰度特征提取方法 |
| 3.7 本章小结 |
| 4 基于支持向量机的孔壁图像两级分类方法 |
| 4.1 引言 |
| 4.2 支持向量机理论 |
| 4.3 SVM的训练及测试 |
| 4.4 钻孔孔壁图像分类实验 |
| 4.5 本章小结 |
| 5 前视钻孔孔壁图像的中心定位与展开方法 |
| 5.1 引言 |
| 5.2 柱形全景孔壁展开图生成方法概述 |
| 5.3 前视钻孔孔壁图像的中心定位方法 |
| 5.4 前视钻孔孔壁图像的展开方法 |
| 5.5 实验结果与分析 |
| 5.6 本章小结 |
| 6 前视钻孔孔壁视频序列的匹配与拼接方法 |
| 6.1 引言 |
| 6.2 矩形孔壁展开图拼接原理 |
| 6.3 模板匹配原理 |
| 6.4 投影绝对误差和测度匹配算法 |
| 6.5 视频帧筛选模块 |
| 6.6 实验结果与分析 |
| 6.7 本章小结 |
| 7 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 作者简历 |
| 致谢 |
| 学位论文数据集 |
（10）基于时空特征学习与傅立叶聚合的视频去模糊方法（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 课题背景与意义 |
| 1.2 课题研究现状及关键问题 |
| 1.2.1 视频去模糊研究现状 |
| 1.2.2 视频去模糊研究关键问题 |
| 1.3 去模糊评判标准 |
| 1.4 论文主要研究工作 |
| 1.5 论文组织结构 |
| 2 现有视频去模糊方法应用研究 |
| 2.1 引言 |
| 2.2 基于傅立叶聚合的视频去模糊算法 |
| 2.2.1 傅立叶聚合理论 |
| 2.2.2 基于傅立叶聚合的视频去模糊算法 |
| 2.3 基于深度学习的视频去模糊算法 |
| 2.3.1 基于编码器-解码器架构的视频去模糊算法 |
| 2.3.2 基于循环神经网络的视频去模糊算法 |
| 2.4 本章小结 |
| 3 基于结构置信增量傅立叶聚合的视频去模糊算法 |
| 3.1 引言 |
| 3.2 基于结构置信增量傅立叶聚合的视频去模糊算法 |
| 3.2.1 总体框架与流程 |
| 3.2.2 基于结构置信的窗口视频图像排序 |
| 3.2.3 基于有序窗口增量傅立叶聚合的视频去模糊算法 |
| 3.3 实验结果 |
| 3.3.1 实验数据集与评价标准 |
| 3.3.2 多种清晰度评价方法实验结果 |
| 3.3.3 基于结构置信增量傅立叶聚合的视频去模糊算法实验结果 |
| 3.4 本章小结 |
| 4 基于时空特征学习与傅立叶聚合的视频去模糊算法 |
| 4.1 引言 |
| 4.2 基于时空特征学习与傅立叶聚合的视频去模糊算法 |
| 4.2.1 总体框架与流程 |
| 4.2.2 基于三维卷积编码-解码器网络的视频去模糊算法 |
| 4.2.3 基于时空特征学习与傅立叶聚合的视频去模糊算法 |
| 4.3 实验结果 |
| 4.3.1 实验数据集与评价指标 |
| 4.3.2 基于三维卷积编码器-解码器网络的视频去模糊算法实验结果 |
| 4.3.3 基于时空特征学习与傅立叶聚合的视频去模糊算法实验结果 |
| 4.4 本章小结 |
| 5 抖动视频复原系统的设计与实现 |
| 5.1 引言 |
| 5.2 开发环境 |
| 5.3 系统主要模块设计 |
| 5.3.1 系统总体流程 |
| 5.3.2 系统模块详细设计 |
| 5.4 系统运行与测试 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 论文总结 |
| 6.2 不足之处及未来展望 |
| 致谢 |
| 参考文献 |
| 附录 |
四、视频图像抖动消除技术的研究与实现（论文参考文献）
- [1]公网数字集群调度系统视频稳像技术的研究和实现[D]. 王凯冬. 北京交通大学, 2021
- [2]工程索道吊运货物双目视觉三维建图与跑车运行参数监测研究[D]. 纪敏. 福建农林大学, 2020(06)
- [3]多摄像头监控场景下视频图像拼接技术的研究与应用[D]. 逄业文. 齐鲁工业大学, 2020(02)
- [4]甲襞微血管血流速检测算法及其应用[D]. 林振锴. 济南大学, 2020(01)
- [5]基于视频监控的虚拟电子围栏系统设计研究[D]. 刘敬. 济南大学, 2020(01)
- [6]基于背景分离混合高斯模型的高速公路小目标抛洒物检测[D]. 欧阳聪宇. 浙江大学, 2020(08)
- [7]电子稳像技术研究及实现[D]. 郝亚辛. 南京理工大学, 2020(01)
- [8]面向移动拍摄平台的视频稳像方法研究[D]. 李世超. 江苏大学, 2020(02)
- [9]前视全景钻孔摄像系统的图像分类及视频拼接技术研究[D]. 邓兆鹏. 山东科技大学, 2019(06)
- [10]基于时空特征学习与傅立叶聚合的视频去模糊方法[D]. 杨帆. 南京理工大学, 2020(01)