一种基于小波纹理特征的目标检测方法

给出了一种利用小波分块分解和灰度共生矩阵特征来提取目标的方法。首先对图像进行分块小波变换，然后求分块灰度共生矩阵并且计算小波共生矩阵特征向量，选取纹理特征最大的作为种子区域；最后利用均值聚类的方法进行目标标记。实验结果证明，能够检测红外和可见光图像中各种类型的目标。     

一种新的红外目标提取算法

针对红外热图像普遍存在的目标与背景对比度差、边缘模糊等特点,提出了一种结合图像统计特征和模糊聚类的红外图像目标提取方法对红外图像进行迭代分块,通过计算统计特征度量函数的极值来确定种子区域,进而获得红外目标约束区域。利用模糊聚类对该约束区域进行有效的聚类划分,最终实现红外图像目标提取。实验结果表明,该方法能够准确的对红外目标进行提取,便于下一步的红外目标识别与跟踪。     

基于分块图像统计特征的红外目标提取

提出了一种基于分块图像统计特征的红外目标提取方法,首先将图像逐步分成越来越小的块,根据块图像统计特征构造函数求其极大值,获得目标的种子区域和包含整个目标的约束区域;然后在约束区域内,将一种快速的区域生长方法用于目标种子区域的生长,最终提取出红外目标。通过对不同目标大小的红外飞机图像的实验,验证了算法的有效性。对算法在TI公司的DSP芯片TMS320VC33 150上实现的时间消耗进行了估算,结果表明可以达到实时提取目标的要求。     

基于分块形状特征的异源图像匹配方法

在基于特征的异源图像匹配中,由于成像原因导致的轮廓不完整会使得匹配难度增加。针对这一问题,提出了一种基于分块形状特征的匹配方法。首先从基准图和实时图中提取轮廓特征并对其进行分块,然后提取分块特征并归一化,最后采用加权相似性度量实现匹配定位。由于利用候选目标区域信息排除了虚警,进一步提高了匹配的正确性和鲁棒性。采用该方法对红外与可见光图像进行了测试。结果表明,本文方法具有较好的匹配性能。     

静态背景下运动目标的边缘提取

针对运动目标在单帧图像中所占的比例较小,传统的边缘提取方法在对整幅图像计算时产生大量冗余,对噪声敏感,提取出的运动目标轮廓不明显的缺点,提出了一种基于帧差法和图像分块相结合的运动目标边缘检测方法.该方法首先对序列图像进行差分,根据分块大小自适应选取阈值对图像进行分块,完成对运动目标的细分割,分离出运动区域和非运动区域,然后对分割出来的运动区域进行边缘检测,将边缘检测结果和差分结果进行“与”运算,从而提取出运动目标轮廓.实验证明,分块边缘检测方法能较为准确地提取出运动目标且能提取出清晰的运动目标边缘轮廓,能满足实时性需要.     

静态背景下运动目标边缘提取

针对运动目标在单帧图像中所占的比例较小,传统的边缘提取方法对整幅图像计算时产生大量冗余,对噪声敏感,提取出的运动目标轮廓不明显,提出一种基于帧差法和图像分块相结合的运动目标边缘检测方法。该方法首先对序列图像进行差分,按照特定的阈值对图像进行分块,完成对运动目标的细分割,分离出运动区域和非运动区域,然后对分割出来的运动区域进行边缘检测,将边缘检测结果和差分结果进行"与"运算,从而提取出运动目标轮廓。实验结果证明,分块边缘检测方法能较为准确地提取出运动目标且能提取出清晰的运动目标边缘轮廓,能满足实时性。     

基于分块颜色直方图的快速图像检索

针对传统颜色直方图不能反映图像空间颜色位置信息的问题,提出一种基于分块颜色直方图的检索方法,该方法先对一幅图像进行合理的分块,然后提取包含了图像位置信息的分块颜色特征,对提取的颜色特征采用相似度计算的方法,计算出两幅图像之间的相似度。实验结果表明,该方法不仅提高了图像检索的速度,同时也提高了检索的准确度。     

基于分块CNN的多尺度SAR图像目标分类算法

针对合成孔径雷达（Synthetic Aperture Radar, SAR）图像目标分辨率差异大,多尺度SAR图像目标分类准确率不高的问题,提出了一种基于迁移学习和分块卷积神经网络（Convolutional Neural Network, CNN）的SAR图像目标分类算法。首先通过大量与目标域相近的源域数据对分块CNN的参数进行训练,得到不同尺度下的CNN特征提取网络;其次将CNN的卷积和池化层迁移到新的网络结构中,实现目标特征的提取;最后用超限学习机（Extreme Learning Machine, ELM）网络对提取的特征进行分类。实验数据采用美国MSTAR数据库以及多尺度SAR图像舰船目标数据集,实验结果表明,该方法对多尺度SAR图像的分类效果优于传统CNN。     

基于多特征融合和卷积神经网络的无参考图像质量评价

为了更好地评价图像质量,解决在基于卷积神经网络的图像质量评价模型(CNN-IQA)上明显忽略的分块图像之间存在差异性的问题,提出了一种多特征融合的CNN模型.首先,将整幅图像进行不重叠分块,并提取每个分块图像的信息熵和纹理特征.然后,将提取计算的两特征相结合,计算各分块图像的重要性权重,以此衡量分块图像对失真图像质量的...     

基于改进高斯混合模型的运动目标检测与跟踪

为了提高运动目标检测与跟踪的精确性与可靠性,提出一种基于改进高斯混合模型的运动目标检测与跟踪方法。首先,建立改进高斯混合背景模型,对运动目标图像进行分块处理,利用相连帧的连续性对运动目标图像的参数更新,提取完整的运动目标并进行分割;其次,将给定的当前帧像素点与目标图像进行匹配,减少高斯混合模型的分布数量和计算量,根据分块处理后的运动目标的大小、形状以及颜色信息完成运动目标全局匹配,实现运动目标的实时检测与跟踪。实验结果表明,与目前的高斯混合模型对运动目标检测与跟踪的方法相比,所提方法计算过程较为简单,具有更快的检测速度和更可靠的检测结果。     

红外图像目标特征提取方法

针对实际红外空中图像中目标的大小，方向等发生变化等情况，基于奇异值分解的特征向量稳定性不好。为解决这一技术难题，提出了基于尺度奇异值变换的红外图像目标特征提取方法。该方法是一种基于尺度变换的矩阵方法。同类目标图像样本经过上述变换后所得到的矩阵都具有相似的能量，用文中提出的矩阵表示方法对红外图像进行描述后，对其应的奇异值进行特征提取，克服了对原始图像的矩阵进行奇异值提时存在的缺点，实验表明该方法提取目标矩阵的奇异值特征向量具有较好的稳定性，对图像的平移，旋转和比例变化具有良好的不变性，是一种实用的特征提取方法。     

融合梯度和色度信息的分块均值漂移目标跟踪

针对在相似颜色干扰场景下传统均值漂移目标跟踪鲁棒性差的缺陷,提出Prewitt梯度和色度信息融合的分块均值漂移跟踪算法。首先,对跟踪框进行分块,并提取当前帧各子块特征;其次,利用Bhattacharyya距离计算参考目标区域与候选区域间各子块对应的相似程度,根据其相似程度分配各子块的权值,并通过融合规则对各子块相应特征进行融合构成新子块特征,在此基础上,将子块特征选择串接方式作为最终目标特征;最后,采用均值偏移原理迭代估计最终目标位置信息。实验结果表明,当场景中存在相似颜色干扰的情况下,相对于经典均值漂移算法,其准确度提高了84%左右。     

基于子块运动补偿的运动目标检测

鱼眼相机成像视角大,获得信息丰富,在车载应用中具有广阔应用前景.本文提出了一种适用于移动单目鱼眼相机的运动目标检测方法.首先,提出一种子块运动补偿模型补偿图像背景运动,解决了现有运动补偿模型对强视差背景补偿效果不好的问题.其次,在子块运动补偿模型参数求解时,通过引入自车运动参数简化模型参数个数,并结合直接方法求解,避免了传统基于特征点匹配方法求解参数时易受误匹配特征点影响的问题.然后,针对鱼眼相机的成像形变问题,本文提出了一种三平面校正方法获取鱼眼图像的子块运动补偿图像.最后,利用鱼眼图像的子块运动补偿图像和真实拍摄图像的差异信息实现运动目标检测.多种测试场景下的实验结果表明了本文方法的有效性.     

基于特征融合的可见光与红外图像目标检测

为提升目标检测任务在复杂环境下的识别效果,提出了一种基于特征融合的红外与可见光目标检测方法。该方法首先采用并列的卷积神经网络分别提取红外和可见光特征信息,并利用通道和空间注意力机制提升有效特征的权重;其次,为充分利用红外和可见光特征进行信息互补,设计了特征自适应融合结构,以自主学习方式将红外与可见光特征以最优方式加权融合;最后,针对不同尺度目标,通过交替采样方式充分融合深层和浅层特征,保障各维度目标检测效果。通过实验表明,所提方法可以充分利用并融合不同模式、尺度的目标特征信息,实现目标准确识别及定位。同时,在实际电网设备检测中,该方法也体现出较优的鲁棒性和泛化性。     

基于频域特征提取的红外小目标跟踪算法

针对红外小目标的目标特性,像素少,强度弱,特征提取困难的问题,本文分析了两种常用的特征提取算法,提出了一种在频域范围内进行红外小目标特征提取的改进粒子滤波算法。分析了在背景中加入目标点后频域的变化,指出了从频域进行目标提取的可行性。实际的仿真结果表明,使用频域的特征提取能够比较好地描述目标,区分目标和背景,具有很好的跟踪性能。     

一种飞机目标的瞄准点选择方法

随着红外成像制导武器与目标不断接近，目标图像在跟踪末端快速增大直至溢出视场，因此必须跟踪目标的局部特征。为了有效摧毁目标，应选择其要害点作为瞄准点,通过分析飞机的红外图像特征，提出了以飞机尾焰为参照确定瞄准点的方法，该方法对飞机机身图像的质量要求不高。仿真结果表明了该方法的有效性。     

基于分形曲面尺度斜率特征的弱小目标检测

鉴于弱小目标检测所固有的难点及常用的检测方法不能准确、稳定地检测出目标,提出了运用分形曲面尺度斜率特征检测弱小目标的方法。通过实际数据分析可以得出:相比常用的分形维数和分形拟合误差等检测特征,分形曲面尺度斜率特征在表征人造目标与自然背景的差异上更加明显,在抗图像噪声干扰上也更为优异,有着更强的鲁棒性。该方法普遍适用于检测自然环境中的弱小目标,尤其在对空弱小目标方面,检测概率更高。无论背景、飞行姿态、目标类型发生怎样的变化,经本文算法运算后只需一步简易的分割就可以检测出微弱暗小目标。     

一种基于Attention-YOLOv3的海面舰船目标检测的方法

近年来，基于深度学习的视觉检测方法在海面舰船目标检测领域中的应用愈加广泛。为了解决传统视觉检测方法检测精度不高，对小目标检测效果不好的问题，提出了一种基于Attention-YOLOv3的海面舰船目标检测方法，有效提高了对舰船目标的检测性能。在对主流的One-stage与Two-stage模型结构及特点的调研分析的基础上，利用YOLOv3的特征提取网络Darknet-53来获取图像特征，通过特征金字塔网络（FPN）网络结构融合特征提取网络中深浅层的语义信息，并添加注意力机制模块来进一步优化网络性能。将改进后的Attention-YOLOv3模型应用到海面舰船检测场景中进行验证，基于搜集到的舰船目标制作成COCO格式的数据集进行训练，使用包含海面舰船目标的图片作为测试集进行测试。实验结果表明，改进后的Attention-YOLOv3网络对比原检测网络模型，解决了小目标检测不敏感的问题，达到了更高的检测效果。     

基于红外与可见光图像的目标检测算法

针对现有基于可见光的目标检测算法存在的不足,提出了一种红外和可见光图像融合的目标检测方法。该方法将深度可分离卷积与残差结构相结合,构建并列的高效率特征提取网络,分别提取红外和可见光图像目标信息;同时,引入自适应特征融合模块以自主学习的方式融合两支路对应尺度的特征,使两类图像信息互补;最后,利用特征金字塔结构将深层特征逐层与浅层融合,提升网络对不同尺度目标的检测精度。实验结果表明,所提网络能够充分融合红外和可见光图像中的有效信息,并在保障精度与效率的前提下实现目标识别与定位;同时,在实际变电站设备检测场景中,该网络也体现出较好的鲁棒性和泛化能力,可以高效完成检测任务。     

基于概率估计的运动目标检测算法

针对现有智能视频中运动目标检测算法存在的问题,提出一种新的对称差分及背景减除相融合的算法。该算法基于子块操作,首先利用高斯分布的概率特性,分离出运动变化区域和静止区域,对分割阈值的选取进行了改进;然后背景重构;最后通过背景和变化区域相差分得到精确运动目标分割。实验结果表明,该方法能够对监控场景中运动目标进行有效的分割,对光线变化、背景干扰不敏感,具有较好的鲁棒性和实用性。