视频监控中运动图像与单图像去模糊算法研究

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号：
    61103130
  • 项目类别：
    青年科学基金项目
  • 资助金额：
    24.0万
  • 负责人：
    李亮
  • 依托单位：
    中国科学院大学
  • 学科分类：
    F0210.计算机图像视频处理与多媒体技术
  • 结题年份：
    2014
  • 批准年份：
    2011
  • 项目状态：
    已结题
  • 起止时间：
    2012-01-01 至2014-12-31

项目摘要

模糊的监控图像是影响视频监控系统实际监控效果的主要因素，在现有视频监控系统的应用和实施中，往往由于图像的模糊而在监控事件发生时无法获得监控场景中的真实信息，视频监控的效果大打折扣。本项目拟针对视频监控系统的实际需求，研究开发基于运动图像去模糊与单图像去模糊相结合的算法框架，在此算法框架内并行处理监控视频中的模糊图像，对于不同监控场景下产生的模糊视频和图像具有更强的针对性和适应性，本项目同时建立基于监控图像视觉提高效果和监控图像智能分析精度提高效果两方面相结合和评价标准和体系，从视频监控系统实际应用的角度评价和检验图像去模糊算法的性能，避免了传统的图像去模糊算法评价方法主观性较强的缺点，本方案的评价体系和方法更加有助于提升现有视频监控系统的实际监控效果。

结项摘要

视频监控系统通常采用固定摄像机对某一场景进行连续不断地监视，并对采集到的图像序列进行处理和分析，实现对运动目标的自动检测、跟踪和识别。但视频采集设备的载体在拍摄的过程中可能存在不规则的抖动,导致采集到的视频图像序列存在模糊、不稳定等现象。此外视频图像受光源的影响很大，当光源在入射方向上受到不透明物体的遮挡时，会产生阴影，使目标图像不清晰。针对视频监控系统的实际需求，本项目围绕运动图像去模糊与单图像去模糊等问题开展算法研究，并提出了运动图像去模糊与单图像去模糊相结合的算法框架，再结合最新的并行技术处理监控视频中的模糊图像。主要研究内容包括：(1) 利用图像多尺度及边缘信息估计模糊核函数，研究基于图像先验知识的运动图像去模糊算法及运动图像和单图像相结合的去模糊算法。(2) 研究基于结构保持的图像运动伪影快速抑制算法。(3) 在电子稳像方面，研究基于代表点匹配的电子稳像算法。(4) 研究并建立基于监控图像视觉和监控图像智能分析精度相结合的评价标准和体系，从视频监控系统实际应用的角度评价和检验图像去模糊算法的性能。

项目成果

期刊论文列表
专著列表
科研奖励列表
会议论文列表
专利列表
基于分裂 Bregman 方法的全变差图像去模糊
  • DOI：
    --
  • 发表时间：
    2012
  • 期刊：
    电子学报
  • 影响因子：
    --
  • 作者：
    王静;吕科;何宁;王茜;WANG Jing;L(U) Ke;HE Ning;WANG Qian
  • 通讯作者：
    WANG Qian
Nonlocal variational image segmentation models on graphs using the Split Bregman
  • DOI：
    10.1007/s00530-013-0351-z
  • 发表时间：
    2015-06
  • 期刊：
    Multimedia Systems
  • 影响因子：
    3.9
  • 作者：
    K. Lu;Qian Wang;Ning He;Daru Pan;Weiguo Pan
  • 通讯作者：
    K. Lu;Qian Wang;Ning He;Daru Pan;Weiguo Pan
Nonlocal means-based denoising for medical images.
基于非局部均值的医学图像去噪
  • DOI：
    10.1155/2012/438617
  • 发表时间：
    2012
  • 期刊：
    Computational and mathematical methods in medicine
  • 影响因子：
    --
  • 作者：
    Lu K;He N;Li L
  • 通讯作者：
    Li L
GPU-based real-time terrain rendering: Design and implementation
  • DOI：
    10.1016/j.neucom.2014.08.108
  • 发表时间：
    2016
  • 期刊：
    Neurocomputing
  • 影响因子：
    6
  • 作者：
    Rui Zhai;K. Lu;Weiguo Pan;Shuangfeng Dai
  • 通讯作者：
    Rui Zhai;K. Lu;Weiguo Pan;Shuangfeng Dai
A Non Local Feature-Preserving Strategy for Image Denoising
一种图像去噪的非局部特征保留策略
  • DOI：
    --
  • 发表时间：
    2012
  • 期刊：
    Chinese Journal of Electronics
  • 影响因子：
    1.2
  • 作者：
    Ning He;Ke Lu
  • 通讯作者：
    Ke Lu

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--"}}
  • 发表时间：
    {{ item.publish_year || "--" }}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--"}}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}

数据更新时间：{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ monograph.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者：
    {{ item.authors }}

数据更新时间：{{ patent.updateTime }}

其他文献

鹅成熟卵泡壁层组织动态发育特点—卵泡发育与分级的新视角
  • DOI：
    10.11843/j.issn.0366-6964.2019.08.009
  • 发表时间：
    2019
  • 期刊：
    畜牧兽医学报
  • 影响因子：
    --
  • 作者：
    甘翔;王继文;李琴;邓艳;胡继伟;李亮;韩春春
  • 通讯作者：
    韩春春
鼻息肉中HIF-1α、VEGF和miR-200a表达及其与复发相关性研究
  • DOI：
    10.13241/j.cnki.pmb.2017.21.014
  • 发表时间：
    2017
  • 期刊：
    现代生物医学进展
  • 影响因子：
    --
  • 作者：
    雍军;李林格;李亮;马遇庆;冯娟;范宇琴;古扎力努尔;尼力帕尔;王松;张华
  • 通讯作者：
    张华
CYP1A2基因单核苷酸多态性与囊型包虫病关联性分析
  • DOI：
    --
  • 发表时间：
    2021
  • 期刊：
    新疆医科大学学报
  • 影响因子：
    --
  • 作者：
    亚库甫·托合提;刘辉;李亮;杨宁;林仁勇;吕国栋
  • 通讯作者：
    吕国栋
基于HIAF集群的高强度缪子、反质子次级束产生 及其物理研究展望
  • DOI：
    10.1360/sspma-2020-0287
  • 发表时间：
    2020
  • 期刊：
    中国科学: 物理学力学天文
  • 影响因子：
    --
  • 作者：
    孙志宇;陈良文;蔡汉杰;李亮;尤郑昀;袁野;王莹;谢聚军;冯兆庆;王世陶
  • 通讯作者：
    王世陶
基于过渡特征识别及过滤的三维CAD模型检索
  • DOI：
    --
  • 发表时间：
    2014
  • 期刊：
    计算机辅助设计与图形学学报
  • 影响因子：
    --
  • 作者：
    黄明聪;张树生;白晓亮;李亮
  • 通讯作者：
    李亮

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI：
    {{ item.doi || "--" }}
  • 发表时间：
    {{ item.publish_year || "--"}}
  • 期刊：
    {{ item.journal_name }}
  • 影响因子：
    {{ item.factor || "--" }}
  • 作者：
    {{ item.authors }}
  • 通讯作者：
    {{ item.author }}
empty
内容获取失败，请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题，我已根据课题信息分析并撰写以下内容，帮您拓宽课题思路：

AI项目思路

AI技术路线图

李亮的其他基金

基于多任务稀疏特征学习的海量图像理解方法研究
  • 批准号：
    61402431
  • 批准年份：
    2014
  • 资助金额：
    27.0 万元
  • 项目类别：
    青年科学基金项目

相似国自然基金

{{ item.name }}
  • 批准号：
    {{ item.ratify_no }}
  • 批准年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号：
    {{ item.ratify_no }}
  • 财政年份：
    {{ item.approval_year }}
  • 资助金额：
    {{ item.support_num }}
  • 项目类别：
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者：{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目：调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要：

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题，其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子，其表达水平对抗病毒防御至关重要。然而，TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用，影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法，探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用，为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义，并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路：

科学问题：TRIM2如何调控A型流感病毒诱导的IFN-β表达？
前期研究：已有研究表明TRIM2参与抗病毒反应，但其具体机制尚不明确。
研究创新点：本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线：包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术：TRIM2与病毒RNA的相互作用分析，IFN-β启动子活性检测。
实验模型：使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
关闭
close
客服二维码