一种序列图像中运动点目标的检测方法

序列图像中运动点目标的检测按图像的成像系统不同,可分为红外图像中运动点目标的检测和可见光图像中运动点目标的检测,而现有检测算法多是针对前者。为寻找一种适用于两种类型图像的运动点目标的检测方法,以多云天空为研究背景,提出了一种新的运动点目标检测算法。采用高通滤波和形态学滤波相结合的方法进行背景抑制,基于检测前跟踪（TBD）的基本思想,根据相邻三帧进行目标分割,利用轨迹能量累积方法完成目标检测。理论分析和仿真结果表明,该算法简单易行．既适用于红外图像又适用于可见光图像的运动点目标,而且对目标的运动速度和方向无任何限制。     

基于三角形匹配的空间小目标检测算法

由于天基平台拍摄天空图片时,背景和相机同时发生相对运动,造成相邻帧之间无法通过简单的帧差法得到运动的小目标,造成了空间目标检测的难度。在分析星空图像模型的基础上,提出了一种提取特征点组成匹配三角形的图像配准方法。首先对图像进行预处理,通过最优阈值的选取对单帧图像进行分割,去除背景噪声。将星点按面积大小划分,对符合条件的星点组成特征三角形并在相邻帧中进行匹配得到运动参数。在配准时为了减小计算量,忽略背景插值只针对星点坐标矩阵进行处理。最后通过多帧轨迹关联检测出目标的运动轨迹。仿真实验表明,在运动的序列图像中,该方法能实现高检测率和低虚警率的实时检测。     

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。     

港口背景下红外运动目标的一种检测方法

为了解决港口背景下红外运动目标检测中受背景干扰带来的误分割和误跟踪问题,提出了一种基于港口背景抑制和光流检测的红外运动目标检测方法。首先,通过对小波分解图像进行OTSU分割,得到天水线区域。然后使用多级滤波确定序列图像中港口背景的抑制基准点,并根据这些背景抑制基准点实现序列图像的港口背景抑制。最后,运用光流预测实现红外运动目标检测。通过对实际港口背景红外图像进行背景抑制和红外运动目标检测的实验,验证了所提方法的可行性和有效性。     

自适应复杂背景干扰的运动目标检测算法

基于视频图像的运动目标检测,是根据目标的像素特征来判别出相对于背景运动的目标,当图像背景动态变化时,将难以区分背景和运动目标的像素特征,易造成检测错误。复杂背景下的运动目标检测是一大难点,目前主流的运动目标检测算法在背景灰暗、水面波动、气流颤动等复杂背景干扰下,难以准确地检测出运动目标。针对上述问题,提出一种自适应复杂背景干扰的运动目标检测算法,采用新的前景判断和背景模型更新方法,同时设计了一种创新型自适应阈值更新方法,当视频背景变化时,自动更新阈值。该算法增强了对复杂背景、镜头抖动的抗干扰能力,通过各种视频测试,背景点检测正确率达到0.9958,前景点检测正确率达到0.8012,极大提高了前景检测率,而且该算法满足高实时性要求,对复杂背景下的运动目标检测有显著效果。     

基于扩展卡尔曼滤波的空间小目标跟踪算法

由于天基平台拍摄天空图片时,背景和相机同时发生相对运动,造成相邻帧之间无法通过简单的帧差法得到运动的小目标,造成了空间目标检测的难度。在分析星空图像模型的基础上,提出了一种提取特征点组成匹配三角形的图像配准方法,该方法通过最优阈值的选取对单帧图像进行分割,去除背景噪声。将星点按面积大小划分,符合条件的星点组成特征三角形并在相邻帧中进行匹配得到运动参数。在配准时为了减小计算量,忽略背景插值只针对星点坐标矩阵进行处理。最后通过多帧轨迹关联检测出目标的运动轨迹。仿真实验表明,在运动的序列图像中,该方法能实现高检测率和低虚警率的实时检测。     

物体融入背景情况下的目标检测方法

针对运动物体运动进入背景区域后,由运动变为静止,成为背景一部分的情况下,传统利用当前图像和背景图像加权得到新的背景图像的方法,背景图像更新较慢,不能快速消除变为背景的物体的影响,提出了帧差法和背景差法相结合的运动目标检测方法,较好地消除了其影响,顺利检测出运动目标,提高运动目标检测方法的适用范围。     

室内夜间微弱光源下运动目标检测和阴影去除

提出一种新的室内夜间微弱光源照明情况下的运动目标检测方法。首先进行背景建模, 获取稳固的背景图像, 之后对背景和当前帧图像进行图像增强处理, 提高其清晰度; 采用相对背景减法检测前景运动目标, 并对差分图像进行去噪和修补; 利用前景目标区域、阴影区域和背景区域像素亮度值存在差异的特点, 检测和去除背景差分图像中可能存在的阴影, 获得准确的运动目标。在室内夜间环境下采集视频进行试验, 结果验证了所提方法的有效性。     

基于双向稀疏光流融合的小目标检测方法

针对动态背景下的小目标检测问题,提出了基于双向稀疏光流融合的目标检测方法.首先采用FAST方法提取当前帧图像中的角点,然后在连续的三帧图像中进行前、后向稀疏光流跟踪,确定正确匹配的特征点对,利用匹配的特征点对计算用于背景补偿的帧间运动参数,最后在背景补偿的基础上进行三帧差分,以检测出图像中的运动小目标.实验结果显示,本算法能够很好地解决背景和目标同时快速运动的问题,为运动目标的跟踪奠定基础.     

基于序列图像分组决策算法

针对红外运动弱小目标检测中单帧图像检测率低的问题,在分析了红外图像中运动弱小目标特性的基础上,提出了一种基于序列图像分组决策检测红外弱小目标的方法。该方法利用图像差分法进行目标信息的提取,对图像进行扩边,选取连通域质心来构建滑动邻域块,最后充分利用目标航迹的连续性和噪声的随机分布特性进行目标位置的决策。实验证明,序列图像检测方法对红外弱小目标的检测率要高于单帧图像检测率。     

基于Wiener滤波的小目标检测方法

红外云背景中小目标检测是红外成像技术的一种典型应用。为了检测红外云背景中的弱小目标，分析了背景特性，建立了红外场景模型，提出了一种基于Wiener滤波的自适应背景抑制方法。经过去除虚假目标和目标分割，再利用目标运动的连续性和规则性进行目标检测和跟踪。对包含了仿真目标的红外云背景图像序列进行了实验，结果表明，该方法能够有效地从信噪比为2．0的背景中检测到小目标。     

基于热传导理论的背景抑制算法应用研究

针对复杂背景中红外运动目标检测速度慢,检测概率低的问题,对红外图像的背景和目标特性进行了分析,提出了一种基于热传导方程和自适应阈值的红外目标实时检测算法。首先,依据红外图像背景具有各向同性的分形特性,确定采用各向同性的算子对背景进行估计;然后,根据热传导方程和反热传导方程在图像处理中的应用,推导出了用于红外目标检测的背景抑制算子,在此基础上设计了自适应阈值用于红外目标的检测;最后给出了该算法的实验结果,并与基于特征选择性滤波的检测算法做了比较。实验结果表明该算法具有良好的背景抑制和目标增强性能,大幅提升了图像的信噪比,提高了红外运动目标的检测概率,且结构简单,有利于硬件实时实现。     

运动目标检测与识别方法研究

为了解决低对比度红外序列图像中运动小目标的检测问题,提出了一种基于多级滤波的检测方法.首先,对具有一定空间分布范围(≤5×5)的小目标,可根据目标/噪声/背景的灰度分布模型具体分析其频谱特性范围.由Fourier变换定义可知,噪声能量主要集中在高频段,背景能量主要集中在低频段,而目标能量则主要分布在中频段,所以可以根据目标的大小,由门函数的Fourier变换估算出各种尺寸目标所处的频段,然后选择不同级数的滤波器将不同大小的候选目标从复杂背景中分离出来.经过多级滤波处理后,再对得到的包含候选目标的图像进行图像分割等适当的后续处理,就可以检测出真正的目标.     

一种基于自适应背景抑制的红外小目标检测方法

红外成像自动目标识别是精确制导武器的重要研究内容。为解决红外起伏背景下的小目标检测问题，提出了一种自适应的背景抑制方法，并对抑制背景后的图像进行了目标分割，最后用邻域法判决目标位置。实验结果表明，该算法能够从信噪比大于2．0的图像序列中检测出目标。     

基于高阶累积量的红外图像时域检测

提出了一种基于高阶累积量的红外图像序列中运动弱小目标时域检测的新方法,该方法定义了观测数据的三阶累积量,并在时间剖面上,通过快速运动目标与缓慢变化的背景像素的灰度特征差异,实现对弱小目标的检测.利用实测数据进行了仿真,实验结果表明了该方法的有效性.     

双邻域差值放大的高动态红外弱小目标检测方法（特邀）

针对现有红外弱小目标检测方法背景抑制不充分、计算复杂度高,导致红外侦察预警系统虚警率高、响应速度慢的问题,提出一种基于双邻域差值放大的高动态红外弱小目标检测方法。首先,分析真实红外图像中目标与邻域的均值特性;然后,计算出目标区域与内外双层邻域的差异,从而提升亮、暗弱小目标的局部对比度并抑制复杂背景和噪声;最后,利用自适应阈值分割算法获取目标的位置。针对信杂比增益和背景抑制因子难以客观评价红外图像序列的目标增强和背景抑制性能的问题,提出一种目标轨迹显著图评价方法,有效评价红外图像序列目标检测性能。实验结果表明:与同类检测方法相比,该方法的信杂比增益与背景抑制因子分别提高了12%与10%,运行时间约缩短了34 ms,是一种有效可行的高动态红外弱小目标检测方法。     

序列帧间双重匹配的红外点目标跟踪算法

针对海空复杂背景下红外点目标的检测与跟踪,提出了基于图像序列帧间双重匹配的边跟踪边检测算法,并建立了数学模型。它采用标记序列帧M以帧对帧的方式记录输入序列的帧间匹配结果,标记帧T以点对点的方式记录标记序列帧M的帧间匹配结果,统计帧S记录T中各像素的匹配成功次数,输入单帧图像同步输出矩阵T和S分别显示目标运动轨迹和迎头目标检测结果。算法匹配过程不随目标数目或运动状态而改变,且无需提前判断疑似目标位置,有效解决了目标在图像序列中突然丢失或出现被干扰情况下的跟踪,尤其可以对跟踪结果实时地进行目标分离,解决了迎头目标跟踪的难题。仿真和实际工程图像实验结果表明,算法具有较高的可靠性和实时性。     

天基微弱运动点目标检测研究综述

近几十年来,针对复杂背景下红外图像序列的天基微弱 运动点目标探测问题备受关注。该问题对于空间监视系 统、预警系统以及导弹跟踪系统等而言十分重要。受各方面的影 响,天基微弱点目标检测、跟踪和识别研究仍然面临着很多挑 战。仪器抖动和平台运动均会造成目标定位偏差。受制于观测距 离和天基成像环境,目标往往会淹没在背景杂波或噪声之中。因此,如 何在低信杂噪比的情况下快速、准确地探测和识别运动点目 标,并满足检测率和虚警率指标,是相关领域亟待解决的问题。 对近年来国内外相关领域的研究进行了分类和总结,以期在此基 础上寻求新的探索和发现。     

基于小波和高阶累积量的红外弱小目标检测

红外图像序列中弱小目标的检测是图像处理应用的一个重要研究领域。由于弱小目标很难从背景杂波中分离出来，所以弱小目标的检测是一个难点。介绍了一种基于小波和高阶累积量的红外弱小目标检测方法。该方法利用小波滤波器抑制大部分背景杂波，然后采用基于累积量的自适应滤波器对高频小波系数进一步处理，使得图像信噪比大大提高，同时保留了目标信息。最后应用一些序列处理方法来进一步提高检测的性能。利用实测数据所做仿真实验结果表明该方法的有效性。     

基于动态显著性特征的粒子滤波多目标跟踪算法

针对复杂背景条件下图像序列中运动多目标跟踪问题,提出一种基于动态显著性特征的粒子滤波多目标跟踪算法,该算法借鉴心理学中关于视觉注意的研究成果,综合目标的灰度、细节和运动特性形成稳健的动态显著性特征,用来作为粒子滤波的状态向量。由于该算法中的显著性特征来源于目标的多种底层特性,因此算法具有很强的稳健性,同时,粒子滤波可实现非线性非高斯状态空间模型的最优估计。故而,该算法能够同时处理多个目标跟踪过程中的航迹管理问题,以及目标出现、消失、合并、分裂、被障碍物遮挡等问题。实验结果表明,该算法能够很好地实现复杂图像序列中的多目标跟踪。