红外图像中的小目标的处理方法

本文寻求一种合适的算法以完成对红外图像中运动小目标的提取、识别以及跟踪工作。该算法可以满足运算量小、实时性强和硬件实现容易的要求。经过归纳总结，有以下几种方法可供进一步研究、选择。     

视频监控系统中一种运动目标的检测方法

提出了一种基于改进的背景差分法的运动目标检测和识别的方法,该算法用于视频监控系统中运动目标检测和报警。双阈值法和动态阈值法有效地检测出图像中的运动目标。Matlab 7.0中对算法进行了仿真,实验表明,该方法有效去除了运动目标阴影及背景噪声,可准确地检测出运动目标。     

运动小目标实时检测系统的设计与分析

针对复杂背景条件下运动小目标的检测,采用时域递归低通滤波和多帧相关的方法设计了一种运动小目标实时检测系统。该系统适用于背景缓慢变化或背景处于相对静止的环境,能够在恒虚警概率条件下,很好地确定小目标的位置。通过自适应阈值处理可以识别出小目标的轮廓。     

基于机器视觉的物体包装盒实时贴标系统设计

为了实现打印贴标机智能贴标的需求,提出了一种基于机器视觉的物体包装盒实时贴标系统设计方案,并完成了系统的软件设计和整套硬件测试。该系统的硬件部分主要用来获取图像数据以及进行打印贴标操作,软件部分采用基于轮廓提取和形状特征识别相结合的图像处理技术,能够完成对其输出图像进行目标识别和实时定位,并通过串口通信将数据转发给控制系统。实际应用表明,该系统具有操作简便、测试准确的特点,达到了设计要求。     

基于CNN的海空目标检测

针对海空目标运动速度快,机动频繁,要对其既准又快的识别和跟踪,算法和硬件都要求很高的特点,提出了一种新的基于元胞神经网络(CNN)海空目标检测方法。通过大量的仿真实验证明,CNN与传统的方法如各种梯度算子、形态学、小波等相比,其处理结果更加完整细腻,细节更加突出,有利于提取目标的细微特征,特别是对于以云层、海浪为背景的海空光电目标,能更好地进行目标检测。该方法收敛时间快,适合高速并行信号处理,能满足实时处理的要求,因此在军事上具有较大的应用潜力。     

基于五帧差分和模板匹配的运动目标检测识别

针对帧差法和背景差分法检测运动目标准确率低,自适应能力弱等缺陷,提出了一种改进五帧差分法与背景差分法和模板匹配相结合的运动目标检测和识别算法;通过改进的五帧差分和背景差分法融合的算法从视频图像序列中检测出运动目标;利用形态学方法去除噪声,改善运动目标提取效果;在Harris算法提取图像匹配特征值的基础上角点配准,提高图像识别的准确率,通过提取目标特征与自适应模板图像进行特征匹配的方法实现了目标检测识别和跟踪。仿真结果和实验表明该方法有噪声和部分遮挡的运动目标有良好的检测识别效果,识别率达到了95%。     

基于投影的运动目标跟踪研究

在运动目标跟踪方面,运动目标跟踪算法直接影响着运动目标跟踪的准确性和稳定性,现有的目标跟踪算法大多是基于特征或运动信息的,虽然能够完成对运动目标的可靠跟踪,但是需要处理的数据量大,运算复杂,很难达到实时跟踪的要求。本文首先阐述了跟踪算法中模板相关匹配算法的基本原理,然后跟踪系统的实际需求,详述了投影法快速定位目标跟踪的方法,并给出了投影算法跟踪的实验结果,该算法基本能满足跟踪系统中运算量小和实时性的要求。     

基于FPGA实现粒子滤波算法的实时细胞跟踪系统设计

面向背景是静止的运动细胞图像序列,通过简化粒子滤波算法并在FPGA实现其硬件逻辑来设计快速跟踪系统。其是按照目标辨识和跟踪要求,用模块化思想设计采样和存储模块、权值及阀值计算模块、重采样模块和状态估计输出模块后通过硬件描述语言VHDL下载到FPGA。针对单个细胞跟踪,单个细胞分裂跟踪和多细胞跟踪的测试对该系统的快速性和准确性进行验证。实验结果表明该系统满足对移动目标快速识别和跟踪要求。     

基于灰度特征和自适应阈值的虚拟背景提取研究

针对虚拟背景提取(Visual Background extractor,ViBe)算法在目标检测时容易出现鬼影和运动目标阴影的缺点,该文提出了一种基于灰度特征和自适应阈值的ViBe背景建模改进方法。该算法首先利用ViBe算法进行背景建模,得到前景目标,然后对前景目标进行灰度特征判断和自适应阈值比较,得到没有鬼影和运动目标阴影的运动目标。实验结果表明,改进后的算法可以很好地弥补ViBe算法的不足,提高ViBe算法的识别准确率。     

长期视频监控系统的多分布模型背景差方法

提出在长期视频监控系统中采用背景差进行运动目标提取时算法所要满足的基本要求，并提出了一种能够满足这些要求的背景差方法。该方法用色度、亮度窨的多个分布模型来建立背景模型，描述彩色视频图像的背景像素点及其统计特性，在对背景模型更新的时将均值、方差的更新速率和多个模型的更替速率分开。对像素值属于多个分布模型的情况，用最小相似距离确定更新的模型。该方法利用提取的前景像素点信息反馈以检测光强的突变，利用亮度信息消除运动目标的阴影。实验证明该方法很好的满足了长期视监控系统的要求。     

基于帧间差分法和VIBE算法的运动目标检测

针对运动目标在视频序列检测时易受各种因素干扰的问题,采用TI公司的TMS320DM6446作为系统图像处理器,提出了一种基于帧间差分法和VIBE算法相结合的运动物体检测方法,并在DM6446硬件平台上实现。实验表明,在室内场景背景下,系统在满足实时性情况下能够克服光线变化等因素的干扰,准确地检测出运动目标,现场试验取得了良好的效果。     

基于知识的线状目标边缘提取与识别定位

介绍了基于知识的线状目标的边缘提到，特征表达与识别定位方法，边缘提取与特征表达充分析利用人类关于线状目标的知识，摈弃了传统的图像低，中层处理常用的数据驱动型方法。识别的过程将目标的边缘信息与原始图像的达度信息相结合，避免了复杂背景下图像理解的歧义性，同时圆满解决了由于航空图像的噪声高面蚓的边缘提取的不连续及由此带来的识别难题。本文计算量小，速度快，实用性强。     

利用CCD器件实现动态多目标的实时处理

研究了一种硬件功能强、软件丰富、速度快的数字图像处理系统。它是利用数字信号处理器和可编程逻辑器件实时完成相邻两帧图像的相减操作,最终给出目标参数的一种图像处理卡,适用于采集动态目标。     

基于DSP+FPGA的实时视频信号处理系统设计

实时视频信号处理的实时性和跟踪算法的复杂性是一对矛盾,为此采用DSP+FPGA的架构设计,同时满足实时性和复杂性的要求,提高了系统的整体性能。DSP作为主处理器,利用其高速的运算能力,快速有效地处理复杂的跟踪算法;FPGA作为协处理器,完成视频图像的接收、存储、预处理,使设计具有更大的灵活性。系统采用了形心跟踪和相关跟踪两种算法。实验证明,该系统可以稳定地实时跟踪运动目标。     

基于复杂背景的红外机场目标自动识别算法研究

根据复杂背景下前视红外机场目标的特点，提出了基于知识的自动目标识别算法，算法的设计以实用性为宗旨，在不影响算法性能的前提下尽量提高其实时性能：通过提取感兴趣区域来缩小处理范围，采用双阈值最大类间方差快速算法快速准确找到分割阈值，采用快速标记算法标记分割图像，利用Freeman链码描述机场的轮廓特征，根据模糊综合评判机制分析机场的目标特征。通过硬件处理平台的仿真验证，该算法对机场目标红外图像有一定的识别能力，且具有较高的实时性。     

基于自适应背景图像更新的运动目标检测方法

在运动目标的实时检测中常用的方法是背景图像差分法,但因其缺乏背景图像随监视场景光照变化而及时更新的合理方法,限制了本方法的适应性.对此,本文首先提出了一种基于光流场等技术的自适应背景逼近更新方法,并根据彩色差值模型得到差分图像;然后引入Gauss模型实现运动目标的自适应阈值分割.实验结果表明:本文提出的背景更新方法可随着光照条件的变化实时、准确地更新背景图像,在此基础上提出的基于Gauss模型的自适应阈值分割方法可以实现运动目标的完整分割,这为运动目标的后续识别与理解奠定了基础.     

Flexible and Expandable Speech Recognition Hardware with Weighted Finite State Transducers

Hardware implementation of speech recognition can not only accelerate decoding speed for real-time processing but also reduce the power consumption. Recently the weighted finite state transducer (WFST) has emerged as a major recognition network representation because it reduces the algorithmic complexity of decoding procedures by applying many optimizations on the network in offline. However, hardware implementation of continuous speech recognition (CSR) with the WFST network is challenging, mainly because Viterbi search should traverse a large sized network with limited hardware resources. This paper presents two hardware speech recognition systems with the WFST network. The first one, which is called the SRAM-oriented system, utilizes the internal SRAM as a hash table to efficiently manage active working set. This system is flexible because it can easily accommodate different speech recognition tasks as long as the SRAM space is allowed. For easy expansion, we also propose the DRAM-oriented system where the active working set is stored in the external DRAM. To hide long latency of DRAM access, a split DRAM hash table is employed, which stores active working set in the opened rows of DRAM to reduce the number of row misses. Experimental results show that the SRAM-oriented system decodes the 5k-word CSR task 4.93 times faster than real-time, while the DRAM-oriented system runs 4.48 times faster than real-time with only about a half SRAM capacity.     

一种基于聚类分析的实时交通流量监测系统

将图像处理技术与聚类分析理论相结合,建立了一个基于视觉信息的车流量检测系统,实现了从图像获取、运动车辆检测、图像聚类分析,到车辆计数、车速及车辆大小等交通流量参数提取整个过程的自动化.实验证明,该系统具有相当的实用性.     

基于改进surendra背景更新算法的运动目标检测算法

提出了一种改进的surendra运动目标检测算法,该算法可以自适应的调整背景更新速度。首先将第一帧图像作为背景图像,并利用改进的surendra背景更新算法根据每帧图像对背景图像进行更新获得可靠的背景。然后,将当前帧与背号作差,得到差值图像。使用自适应阈值对差值图像进行二值化处理,并利用形态学滤波对二值图像进行适当处理,这样运动目标就被准确地提取出来。     

周视IRST系统运动目标检测算法的硬件实现

针对当前周视IRST系统中对运动目标检测的需求,综合考虑系统硬件成本和系统实时处理能力需求,研究了基于帧间差分法的运动目标检测算法,并基于FPGA+DSP硬件处理平台,进行了算法的硬件实现与优化,实验结果表明,该信号处理系统检测性能优异,满足目前IRST系统中对运动目标检测的应用需求。