运动检测算法的研究和仿真实现

帧间差法和背景差法都是重要的运动检测方法,其核心问题在于如何得到准确的运动对象.针对该问题,本文提出一种结合帧间差和背景差的自动分割算法.该算法通过累积的帧差信息构建出可靠的背景,再将背景与当前帧比较,进而提取出视频运动对象.本文运用了最大类间方差法OTSU(又名"大津法")来获得自适应阈值,能更准确地对背景差图像进行阈值化分割,克服了传统固定阈值容易失效的问题.还采用了形态滤波的方法,对二值图像进行去噪,填充空洞.     

基于自适应门限滤波的红外弱小运动目标检测方法

在分析红外场景模型的基础上,针对空中红外图像中弱小运动目标的特征,提出一种用自适应门限滤波对背景进行抑制、利用自适应阈值分割对目标进行分割的帧内处理方法；在帧间采用八邻域判决法对弱小目标进行检测；实践证明,该技术能有效提高图像的信噪比,从而达到有效分割和快速检测小目标的目的。     

一种低能见度下红外机场区域识别新方法

针对低能见度下红外图像背景复杂、目标对比度低的特点,提出了一种新的基于感兴趣区提取和区域生长的红外机场区域识别方法。首先,采用自适应Wiener滤波对图像进行预处理,以削弱图像的背景杂波并增强机场区域的信噪比;然后,利用机场区域和背景的灰度分布特性的差异,在图像预处理的基础上采用自适应双阈值分割和自适应局部极差阈值分割相融合的方法实现机场区域的初步分割;其次,利用机场区域的形状约束和长宽比特征,采用形态学处理和连通域标记实现感兴趣区域的提取;最后利用有限约束的区域生长实现机场区域的识别。该方法结合了感兴趣区域提取和区域生长的优势,能够以较少的计算代价实现机场区域较完整的识别。实验表明,该方法能够有效检测识别机场区域。      

空中红外运动点目标检测算法

针对空中红外点目标的特性,提出了一种检测算法。首先,对图像进行高通滤波预处理,增强目标与背景的对比度。增强后的相邻帧图像做差分运算以进行目标的粗检测,提取出候选目标区域;其次,对原图像或预处理后的图像在候选区域内进行自适应分割,检测出点目标;最后,根据目标像素在序列图像中运动的连续性排除噪声干扰,从而准确地检测出真实目标。通过对红外图像序列进行实验,证实了算法的有效性。     

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.     

基于自适应阈值区域生长的红外舰船目标分割方法

红外成像制导技术以其优越的性能成为当今制导武器发展的主流,舰船红外图像的精确分割是后期舰船识别和跟踪的基础。针对红外舰船目标的有效分割问题,本文提出了一种基于自适应阈值的区域生长和形态学滤波相结合的红外舰船目标分割算法,首先,选取种子点在自适应阈值的情况下进行区域生长,然后将粗分割图像进行形态学滤波,最后运用几何学的图像处理方法,从分割图像中去除相应的背景干扰,提取出目标的有效信息。通过对实验结果进行分析,最终分割出来的图像交叠面积比达到98%以上,而误分百分比均为0%,即没有误分。实验结果表明该算法能够很好地运用于红外舰船目标分割。     

基于视频序列的运动目标检测

为了能够在数字视频系统中实时的检测出运动目标,提出了一种基于序列图像的运动目标实时检测方法.采用了改进的基于自适应背景提取与自适应阈值分割的背景差分方法提取运动区域,同时使用高斯滤波及形态学滤波消除噪声等,改善了对运动区域的提取效果.实际工程实践证明,该方法可以准确、有效的完成运动目标分割,经统计,检测准确率在95%以上.     

利用改进的背景差法进行运动目标检测

为了更准确地划分运动目标和背景区域,提出了基于背景差法的改进算法。该算法将选择更新法与中值滤波法相结合,对背景建模与阈值选取进行了优化,解决了复杂场景背景建模不理想问题,并能快速有效地进行背景更新。该算法还提出了双阈值思想,根据场景信息自适应地在图像的不同区域采用不同阈值,将当前帧图像与背景图像的差分作为反馈来调整阈值。实验结果表明,该算法能够较快速准确地提取运动目标,并对光照变化、场景变化、运动干扰有较好的鲁棒性。     

基于过渡区提取的红外运动目标检测

针对复杂动态场景下的红外目标检测问题,提出了一种基于交叉熵的过渡区提取的红外运动目标检测方法。该方法首先使用帧差法和背景差分法相融合的检测方法,对红外图像进行差分处理,然后采用基于交叉熵的过渡区分割算法二值化图像,最后进行形态学滤波,从而检测出完整的红外目标。实验结果表明,该方法目标检测效果比较好,能满足红外运动目标检测的需要。     

基于数学形态学和自动区域生长的红外目标提取

针对具有复杂背景干扰,信噪比低的红外图像目标提取问题,提出了一种结合数学形态学和自动区域生长的红外目标提取方法。首先对图像进行中值滤波和灰度变换预处理,然后利用数学形态学高帽变换去掉大面积背景干扰区域,接着采用基于局部小波系数能量特征的方法找到感兴趣区域,再通过基于窗口均值的方法自动获取种子点进行区域生长分割。实验结果表明:本文方法能有效的消除复杂背景干扰,并很好的提取出目标。     

基于局部特征的单帧红外小目标检测算法

针对单帧红外小目标具有能量值高于背景和噪声的特点,提出了一种基于局部特征的单帧红外小目标检测算法。该方法首先分析了单帧红外图像各部分的高低频关系,利用单帧红外小目标与背景在频率上的不同,采用二阶巴特沃斯低通滤波器滤除背景干扰;然后设定能量与灰度阈值进行自适应阈值分割,保留疑似目标点;最后通过改进的拉普拉斯算子突出红外小目标轮廓。经过红外图像仿真实验验证,该方法能够在复杂空域快速而准确地检测出单帧红外小目标。     

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。     

基于循环平移Contourlet变换的红外小目标检测方法

分析了在有噪声和背景干扰情况下检测红外小目标的方法,提出了一种将循环平移Contourlet变换去噪 方法和自适应阈值分割方法相结合的红外小目标检测算法。该方法首先对原始图像进行循环平移阈值去噪,再用原始图像减去 去噪图像,对得到的残差图像进行自适应阈值分割,分离出少量的候选目标点,最后利用目标运动的连续性和一致性检测出 目标。分别用Contourlet变换法、小波变换法和本文提出的检测法对小目标进行了检测。仿真结果表明,本文提出的检测方法 能较精确地检测出序列图像中的红外小目标,检测效果优于Contourlet变换法和小波变换法。     

基于全卷积神经网络和动态自适应区域生长法的红外图像目标分割方法

复杂背景下的红外图像往往由于噪声较多、背景区域重叠、目标与背景对比度较差等因素,在对目标区域分割时会造成过分割或欠分割。针对此现象,提出了一种将全卷积神经网络和动态自适应区域生长法相结合的红外分割算法。首先利用全卷积神经网络对目标区域在像素级别进行特征提取,通过神经网络强大的自学习能力获得目标区域的粗分割结果;然后根据粗分割结果,对其取外接最小面积矩形框,并根据矩形框位置在原始图像上确定目标区域,并以此矩形区域进行动态自适应区域生长,形成第二次分割结果。最后融合全卷积网络(FCN)的粗分割结果和区域生长分割结果,实现目标区域的最终分割和提取。仿真实验表明,该方法能有效利用FCN对红外图像复杂背景的消除能力,而区域生长法对分割细节的敏感也同时弥补了FCN分割精度的不足,取得了较好的分割效果。     

基于特征显著性融合的红外小目标检测

复杂背景下的红外图像通常存在信噪比低、邻近像素灰度变化不明显以及易被杂波信号和噪声干扰的特点,导致红外小目标检测困难。为解决上述问题,提出一种基于特征显著性融合的红外小目标检测算法。首先,在空间域中利用目标与其局部背景灰度差异来计算得到灰度显著图,在频域中结合谱残差计算得到背景抑制后的频域显著图;其次,将灰度显著图和频域显著图归一化后通过哈达玛乘积相互融合;最后,通过自适应阈值分割并使用Unger滤波器剔除较小的噪声点,从而提取出目标区域。实验结果表明,所提算法对图像的信噪比有了数十倍的提升,对背景抑制效果显著,并有着检测率高和虚警率低的优点,是一种有效的小目标检测算法。     

背景自适应的多特征融合的弱小目标检测

针对红外复杂背景下的弱小目标检测难题,提出一种基于背景自适应的多特征融合的复杂背景下弱小目标的检测算法。首先,通过对红外图像进行空域滤波去除孤立噪声点,并利用恒虚警率分割消除大面积平稳背景,获得疑似目标集。然后融合红外图像的背景信息、弱小运动目标的灰度特征、目标与周围像素的方向梯度特征等多个典型特征,消除疑似目标集中的大部分假目标,最后运用运动特征获取真实目标的轨迹,最终实现复杂背景下的红外弱小目标的检测。实验表明:该算法能实现复杂背景下低信噪比的红外弱小目标快速检测,具有检测概率高,算法速度快,鲁棒性好的特点。     

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。