基于图像数据库的动态场景生成系统

实现各类目标和背景下动态场景的计算机编辑和生成,首先应对组成动态场景的要素进行分析,即目标、背景、目标运动规律和特殊事件四个要素,然后通过编程由四个模块完成相应功能.目标、背景编辑模块可对目标、背景图像进行各种处理,并对重要特征量进行计算.运动路径模块可指定目标的运动规律,包括路线、大小和角度变化等.特殊事件模块可加入独立于目标的各类典型事件,如运动的干扰物等.最后通过动态场景合成由计算机自动生成所需的动态场景图像.所需的原始目标、背景图像来源于图像数据库管理系统,通过索引项可便捷地找到.     

空间目标/星空背景红外建模与仿真

介绍了空间目标/星空背景动态红外图像仿真的实现.首先,建立空间目标的几何模型,并对空间目标进行受热分析,建立空间目标外表面的红外热辐射模型,将计算结果量化形成灰度值,生成空间目标的红外图像;其次,将背景红外图像生成中常用的理论模型法与实际场景红外图像目标剔除法相结合,提出一种星空背景红外图像生成方法,即恒星在大气层处的红外辐照度不通过理论模型求取,而是由红外星表数据简单计算得出,将计算结果量化形成的灰度值赋予通过计算机生成恒星的几何视图,生成星空背景的红外图像;最后,将已生成的空间目标红外图像与星空背景红外图像的灰度归一化,进行灰度层次上的合成,同时,以红外传感器视轴指向作为图像的中心进行空间层次上的合成,最终生成完整的空间目标/星空背景红外图像.     

基于三维激光点云的运动图像动态目标识别方法

当前的动态目标识别方法在场景复杂的图像中,因为无法采集足够多的特征信息,导致识别结果应用性受限。基于三维激光点云提出一种运动图像动态目标识别方法。利用三维扫描系统获取运动点云图像特征,在不影响有效信息采集的情况下,进行图像预处理;引入地平面方程,将图像背景点云与被识别目标点云通过欧式聚类法分割,提取处理后的被识别目标关键点,并采用Freeman链码检测边缘特征,完成运动图像动态目标识别。试验对比结果表明,所研究基于三维激光点云的运动图像动态目标识别方法,对动态目标有良好的鉴别能力及较好的识别精度,且所需动态目标识别时间较短。     

动态环境下多媒体视频兴趣区的自动捕获系统设计

动态环境下对多媒体视频兴趣区进行捕获时,图像背景是持续转变的,存在高低不平的布局问题,导致当前面向特定背景环境的目标捕获方法,无法获取清晰的图像,提出依据优化目标捕获算法,设计动态环境下多媒体视频兴趣区自动捕获系统。该系统通过多媒体视频图像采集模块采集多媒体视频图像的数据,利用数据格式转换模块变换获取多媒体视频图像数据,完成转换的视频图像数据可存储在数据缓存模块中,图像算法分析模块采用高斯混合模型提高图像背景的透明度,捕获清晰的视频兴趣区图像,并将捕获的图像目标传动核心芯片为ADV7123的视频图像显示模块进行显示。实验结果表明,所设计系统可准确捕获运动的视频兴趣区目标,并且目标清晰度较高。     

高动态条件下增量惯导信息辅助的空地红外弱小移动目标检测算法（特邀）

红外弱小移动目标检测技术是计算机视觉的研究热点和难点。针对机载高动态条件下的空地目标检测存在的场景变化动态、背景干扰强度大、目标运动规律未知等挑战,提出了一种新型的基于增量惯导信息辅助的空地红外弱小移动目标检测算法。为了解决传统惯导信息预测的漂移误差问题,提出了增量惯导信息概念,设计了增量惯导信息的位置预测模型,实现了对目标点的准确预测。构建了基于增量惯导信息辅助与背景差分的移动目标检测框架,通过增量惯导信息对不同位姿下的成像进行校正,引入基于爬山法互相关匹配算法计算校正后图像的平移参数,采用高斯加权对背景图像进行估计,最后通过图像分割检测弱小移动目标。仿真实验验证了文中设计检测算法的有效性和精确性。     

基于注意力机制的高光谱图像异常目标检测

在航拍视频运动目标检测中，受到场景复杂度和目标多元化因素影响，导致目标检测精度受限，提出基于注意力机制的高光谱图像异常目标检测方法。建立多背景建模约束下的高光谱视频图像采集和参数识别模型，采用场景变化自适应跟踪方法分析目标运动特征参数，提取运动目标高光谱图像的感知场景背景信息、孤立像素点以及边缘特征量，根据孤立像素点的离群特性，采用注意力机制融合判断方法，提取高光谱图像异常目标点的差异性特征值，采用模糊度特征匹配和场景稠密度色彩分割方法，实现高光谱图像异常目标的动态检测和分离。仿真测试结果表明，采用该方法进行高光谱图像异常目标检测，在虚警率为0.09,检测概率0.94时达到了最好的检测效果，检测的平均耗时为16.34 s。     

分块投影匹配的运动目标检测方法

针对动态场景下图像序列中运动目标检测问题,首先采用基于分块投影匹配的全局运动参数估计方法,然后利用估计得到的运动参数补偿背景的全局运动以稳定图像序列,最后在稳定后的图像序列上采用背景减除法提取运动目标。实验表明,分块投影匹配的运动目标检测能有效地提取动态背景下的运动目标。     

基于海天背景的红外图像生成方法

在对采用红外成像技术的武器进行内场仿真试验的过程中,针对红外图像的计算机生成问题,提出了一种基于 Vega软件的红外图像仿真方法.该方法首先通过Creator软件建立目标的三维几何模型,然后通过Vega软件的TMM与MAT工具和Sensor Vision与SensorWorks模块,综合考虑天气、距离和探测器等因素后得到目标的红外图像,再将这些图像与探测器实拍的海天背景红外图像进行合成,从而实现目标与背景红外图像的快速生成,提高了场景的可靠性.该方法对采用红外成像技术的武器的测试和评价具有一定的参考价值.     

动态目标识别中的实时复杂巡航场景运动检测

设计并实现了一种适合于工程中动态目标识别应用的实时的复杂巡航场景运动检测技术。首先,对背景和当前帧两幅图像进行卷积处理,提取边缘图像。然后分块计算背景边缘图像的局部熵,根据局部熵大小合理选取配准模型组。采用模型组与当前帧边缘图像的相关性强度及运动偏移量结果,完成场景的运动估计。实验结果表明,本文方法用于红外和可见光图像均十分有效,在分辨率为320×256,帧频50Hz的红外图像以及分辨率为768×576,帧频25Hz的可见光图像中运行时间分别为13、24ms,达到了工程中应用的实时性处理要求。同时,在后续的图像处理中场景运动检测有效剔除了复杂背景图像对目标识别的干扰,可准确检测出运动变化目标。     

红外动态景象生成装置辐射特性测试方法

红外动态景象生成装置是红外目标、背景模拟系统的重要组成部分,用于生成红外动态场景。基于微电阻阵列的红外动态景象生成装置,由图像生成计算机、微电阻阵列红外图像转换器、图像转换与驱动系统、光学投射系统等组成。动态景象生成装置的红外辐射特性,是描述其所生成图像品质的重要指标,也是微电阻阵列系统非均匀性修正的依据。基于微电阻阵列红外动态景象生成装置辐射单元小、辐射能量弱、成像帧频高的特点,描述了一种辐射特性测试方法,该方法将动态景象生成装置作为一个被测整体,以红外热像仪监视、单元探测器扫描测试为基本途径,较好解决了微电阻阵列红外动态景象生成装置辐射特性测试中的一系列问题。     

红外图像的光流计算

图像光流的计算不需要在图像序列中建立特征之间的对应关系，因此光流法在计算机视觉的众多领域，包括运动物体的参数估计和目标跟踪方面都有广泛的应用，由于红外图像的噪声相对较大，光流法很少用于红外图像中目标的运动参数估计和跟踪，这里，使用几种常用的光流计算方法对部分实际红外图像进行了光流场计算。结果表明，当选择合适的方法或计算方法进行一定的改进时，这些红外图像可以得到比较接近实际情况的目标光流场，进而应用于红外图像中的目标分割，运动状态分析与目标跟踪等领域。     

基于统计的灰度视频自适应背景建模算法

针对灰度视频的目标检测依赖先验知识、召回率低以及单一算法无法同时兼顾静态与动态背景等问题,提出一种基于统计的背景建模算法。该算法无需先验知识,根据统计信息可以准确区分静态背景和动态背景,并采取不同的检测策略提取目标。对于静态背景,采用改进的三帧差分法自适应设置阈值,可以保证较高的召回率。对于动态背景,采用改进的概率密度估计法可以有效降低虚警率。采用所提算法对光照变化以及阴影进行处理,可以进一步提升算法的性能。在公开数据集与实际采集红外数据进行验证实验。实验结果表明,所提算法在多种场景中处理灰度视频的结果比其他传统算法好,在保证准确率的同时可以极大地提升召回率,并且有效提高目标的完整性。     

可视化目标特征提取及动态跟踪算法验证系统

介绍了基于图像处理的目标特征提取和跟踪算法的验证、评估系统。该系统由图像预处理、目标分割、目标特征提取、特征稳定性分析和跟踪算法等模块构成,集成了诸多的典型算法,对不同的目标和背景进行处理,选择特定目标和背景的最优算法组合,并以动态跟踪形式对算法集进行验证。     

基于运动向量模型的车辆检测

提出一种算法,它针对动态背景和运动车辆运动向量的各自特征分别进行相应建模,再利用图像的帧内信息修正模型参数,并使用贝叶斯准则检测出运动车辆,实验结果表明,此方法具有更高的车辆检测准确率.     

基于GPU并行运算的红外运动目标实时增强算法

在一些复杂场景中,红外目标容易受到背景杂波及噪声的干扰,因此难以被准确地检测和识别出来。提出了一种基于光流的红外运动目标增强算法,即利用运动目标与背景之间的速度场差异对目标进行增强处理.同时,对该算法进行了基于计算机图形处理器(Graphic Processor Unit,GPU)并行运算的优化,使其可以在线实时运行.与运动目标检测中常用的帧差法和背景差分法相比,本文算法具有更好的稳健性。由于对实际的红外视频进行了运动目标增强处理,该算法表现出了较好的增强效果和实时性能.     

红外与可见光图像融合中的快速配准方法

红外与可光传感器目标跟踪识别系统中常用的两种传感器，对这两种传感器图像进行有效的融合能大大提高探测识别的准确性和可靠性。快速准确地实现图像配准是图像融合的前提，为此提出了一种基于小波变换的快速算法，有利于实时准确地实现图像配准。     

基于相关配准的帧间差分算法

针对帧间差分法在摄像头运动时受动态背景严重干扰的问题,提出了一种基于图像配准的运动目标检测算法。首先将中值滤波后的连续两帧图像配准,配准时先在前一帧图像中选取背景,即背景图像,用区域相关法将后一帧图像与背景图像配准;接着将配准后的2帧图像差分得到帧间差分图像,即帧差图像,再用数学形态学的开运算去掉帧差图像中的一些细小噪声;最后将连续两帧去噪后的帧差图像逻辑与运算,得到运动目标检测结果。实验结果表明,在摄像头运动时的动态背景下,该算法有效地抑制了动态背景的干扰,准确地检测出了运动目标的边界,提高了运动目标检测在动态背景下的应用价值。     

低温背景红外目标成像实验研究

模拟低温背景红外场景是完成空间目标探测系统半实物仿真测试的关键技术,但利用现有技术模拟太空低温背景存在一定的困难.使用高低温箱法建立了一种低温背景红外目标辐射特性试验系统,并对红外目标在不同背景温度下的成像情况进行了研究,最后获得了红外目标成像与背景辐射的关系.实验结果表明,对于具有一定温度的黑体目标,背景温度在一定范围内变化时,探测器接收到的图像几乎没有变化,而且正焦位置与离焦位置具有相同的规律.这一结论对于在红外半实物仿真中模拟更低温度背景的红外场景具有一定的参考意义.     

卫星红外图像中单帧目标检测算法研究

在有复杂云层背景的卫星红外图像中准确地检测出存在的运动目标是目前图像处理的研究热点。DBT类的运动目标检测算法有单帧目标检测和多帧轨迹关联两大步骤。为更好抑制起伏背景和背景结构边缘,文章提出一种新的单帧内背景抑制算法——邻域最小差值滤波,该算法与典型的背景预测算法（中值滤波和高通线性模版滤波）相比具有更好效果;最后针对高斯噪声条件下,利用统计分割方法对抑制背景结果进行阈值分割得到候选目标,从而形成一套针对卫星红外图像的快速有效的单帧目标检测算法。