基于改进双滑窗的红外小目标检测算法

分析了红外小目标图像的时域特性以及小目标、噪声、背景的不同特点,提出了一种时空结合的红外小目标检测算法。首先根据背景图像变化较慢的特点,运用相邻帧相减以减少背景和噪声的干扰,提高了目标信噪比(SNR);接着,使用中心点判别方法检测出可能的小目标点;然后,利用双滑窗方法去除孤立的噪声;最后,运用区域相似度判别函数,剔除边缘纹理的干扰,检测出小目标。仿真实验表明,该算法不仅具有良好的实时性,同时还具有较高的检测概率和较低的平均虚警数。     

基于统计与结构信息的SAR图像水上目标检测

设计了基于图像分析理论，根据SAR图像特点形成水上目标轮廓的检测算法。该算法的实现分为3步：(1)基于数理统计的目标检测方法，形成目标区域；(2)用加权统计滤波算子和去除孤立点算法消除噪声，规范需要检测的水上目标；(3)提取目标轮廓。系统在不同的SAR图像上，取得了良好的检测结果。     

广义Hough变换:多个圆的快速随机检测

以随机采样到的2个图像点及在此2点的中垂线上搜索第3个图像点来确定候选圆．当随机采样2个图像点时，通过剔除孤立、半连续噪声点减少了无效采样；当搜索候选圆的第3点时，剔除上述2种噪声点、非共圆点并给出快速确认候选圆是否为真圆的方法，尽可能减少无效计算．数值实验结果表明：文中算法能快速检测多个圆．在检测多个圆并且具有噪声的情况下，与随机圆检测算法相比，其检测速度快一个数量级．     

一种新的基于局部特征统计的小目标检测方法

提出了一种新的基于局部特征统计的红外图像小目标检测方法。对图像的局部区域灰度概率进行统计，通过阈值分割去除图像中缓慢变化的背景点和弱的边缘点，得到包含强的边缘点、噪声点和目标点的残留图像，利用残留图像内各点的局部方向信息测度的差异，进一步剔除强的边缘点。通过多帧累加判决的方式将真实目标从噪声点中检测出来。实验表明，该方法能够极大地减少候选目标点数，准确有效地检测复杂自然背景中的红外运动弱小目标，适合于实时和多目标的检测。     

考虑渐近有效估计的Probit模型阈值分割算法

针对传统分割方法存在分割后结构相似度低、峰值信噪比低和分割效果差的问题。提出考虑渐进有效估计的Probit模型阈值分割算法。对图像的光度和几何信息进行聚类处理，根据纹理特征和边缘特征划分图像，根据图像划分结果和图像的噪声水平对字典进行训练获得稀疏表示先验，结合非局部相似先验建立变分模型，采用迭代重新加权算法求解模型，消除图像中存在的噪声。在混合差分背景分割原理的基础上对图像做分割和匹配处理，通过角点检测方法渲染图像纹理，对图像进行帧分解，提取图像的像素特征。考虑渐进有效估计，构建基于Probit模型的图像阈值分类器，将获取的像素特征输入分类器中，完成图像分割。仿真结果表明，所提方法的图像结构相似度高、峰值信噪比高、分割效果好。     

复杂背景下运动点目标的检测和跟踪

为了解决复杂背景下运动点目标的检测和跟踪问题,本文提出了一种基于图像差分和聚类的运动目标检测和跟踪算法.该算法首先根据图像配准的方法,对序列图像进行差分运算,提取出候选的运动目标.在此基础上,利用运动目标在空间和时间上的相关性以及运动目标的轨迹所具有的连续性,采用一种特殊的聚类方法,从噪声环境中正确检测出运动目标的轨迹,并实现对运动目标的跟踪.实验表明该算法能快速检测出复杂背景下的运动点目标,并能有效处理轨迹相交和检测过程中出现新目标的情况.     

基于质心高度增量特征的目标识别算法

针对传统目标识别算法识别准确率低、复杂度高等问题，提出基于质心高度增量特征的目标识别算法。在提取轮廓特征阶段，以轮廓质心为参考点，对于任意采样点，根据其它采样点相对于该点的高度关系构建质心高度增量描述符。描述符不仅计算简单，对旋转、平移和缩放等几何变换具有不变性，而且引入轮廓顺序这一全局特征，提升了描述符的鲁棒性和区分能力。在特征匹配阶段，利用轮廓顺序已知这一优势，采用动态规划算法计算质心高度增量描述符的相似度，最后引入形状复杂度分析，优化识别效果。MPEG-7测试集和Kimia99测试集的实验结果表明，上述算法能够有效的对目标图像进行匹配识别，而且对于噪声的干扰具良好的鲁棒性。     

一种新的用于点目标检测与跟踪的闭环pipeline算法

提出了一种由滤波管道、检测管道构成的闭环管道算法用于检测与跟踪复杂云天背景下的点目标．引入了基于单帧局部对比度门限的预处理算法进行杂波抑制，设计了基于三帧图像相关性分析的连续滤波器进行噪声剔除．实验分析表明，该算法不仅能够检测出作任意轨迹运动的点目标，而且能够有效地预测跟踪窗．它在搜索空间的缩小、计算复杂性的降低以及杂波剔除方面优于传统的管道算法．     

改进的SSDA图像匹配算法

在目前的图像匹配中,SSDA实时性好,但对图像灰度的线性变化非常敏感.鉴于此,提出一种基于SSDA(序贯相似度检测算法)的新算法.新算法提出差值矩阵的概念,消除了灰度线性变化的影响.首先将两幅图像同行的相邻像素进行灰度差值计算,获得差值矩阵,再将差值矩阵的元素按照隔点提取的方式进行序贯相似度计算,阈值自适应更新,获得最小阈值的子图像即为匹配图像.实验结果表明,该方法对图像灰度的线性变化有良好的鲁棒性,便于实时性的实现.     

基于USAN的改进的角点检测算法

提出了一种基于USAN的改进的角点检测算法。该算法在原有SUSAN算法的基础上做了如下改进：使用一个3×3的方形预检测窗口对图像的像素进行预检测，在精确检测角点前剔除掉大部分的背景点、边界点及脉冲噪声点，提高了算法的效率；根据图像不同区域对比度不同的特性，采用根据对比度自动调节核心点与其邻域像素的灰度差值门限的方法，使所检测出的角点分布均匀；利用基于USAN定义的角点所应具有的特征(角的边缘及USAN的连续性)来剔除伪角点，降低了角点虚报和漏检的发生率。仿真实验证明了该文所提出的算法具有抗噪能力强、运算量小的特点，适于实时实现。     

基于多特征融合的车辆阴影检测与去除

基于ViBE目标检测算法,融合交通监控视频中车辆的边缘与颜色特征,提出一种基于多特征融合的算法,实现对复杂交通场景中车辆阴影的检测与去除。通过ViBE提取前景目标,采用串行融合方式检测阴影。首先在传统的基于边缘特征检测阴影的基础上,利用水平集方法代替水平垂直填充,实现多个前景目标内部边缘的快速填充。在获取候选的阴影区域后,结合HSV颜色特征以及形态学处理等操作,以达到更好的阴影去除效果。通过对不同的视频图像序列进行测试,表明提出的多特征融合算法能有效去除投射阴影,且优于单个特征方法,适用于复杂的交通场景。     

SAR与可见光图象匹配方法的研究

由于SAR和可见光成象传感器图象的物理特征不同,因此进行匹配难度很大。本文在深入分析了这两种传感器图象物理特征的基础上,提出了一种图象匹配的新方法。该方法运用形态学滤波方法去除SAR图象斑点噪声,利用图象的边缘特征进行匹配,并采用多分辨率分级搜索技术减少计算量,在对实验结果进行分析的基础上提出了搜索真实匹配位置的原则,大大提高了匹配的准确率。通过实验对SAR图象斑点噪声滤波和SAR与可见光图象匹配算法进行了验证,实验证明本算法的SAR图象去噪效果明显优于传统的Frost方法,图象匹配精度高,稳定性好。     

基于形态学Top—Hat算子的小目标检测方法

针对红外序列图象中运动弱小目标的检测问题，提出了一种基于能量累积与Ｔop-Hat算子的小目标检测方法，该方法是首先设置一定大小的滑动窗口，并通过对窗口内的图象序旬进行能量累积来去除图象中的随机噪声，以提高目标的信噪比；然后对能量累积后的图象采用形态学中的Ｔop-Hat算子完成候选小目标的检测工作；最后利用序列图象中目标运动的连续性和轨迹的一致性来筛选出真正的目标，同时进行了该方法与传统高通滤波检测方法，在抗噪声性能、背景抑制性能以及抑制虚警目标性能等方面差异的比较实验，实验结果表明，基于能量累积与Ｔop-Hat算子的小目标检测方法在这３个方面都优于高通滤波法，它能够快速、可靠检测出低信噪比的运动小目标。     

基于SIFT算法的红外图像拼接方法改进

针对红外图像拼接误匹配点过多、耗时过长等问题, 对基于SIFT算法的红外图像拼接方法进行改进. 首先利用高斯差分金字塔建立尺度空间, 然后利用FAST算法对高斯差分金字塔图像进行特征点提取, 提高了算法运行效率, 随后以特征向量的欧式距离作为特征点的相似性度量, 从而找到初始匹配点对, 并利用结合了方向一致性判断的Ransac算法剔除错误匹配点对, 最后用加权平衡算法实现图像的快速融合. 通过红外人物图像拼接实验, 证明改进后的算法在旋转、缩放、光照等情况下更稳定、效率更高, 有较大的理论和应用价值.     

基于谱残差和聚类法的运动目标检测研究

传统基于特征点匹配的目标检测算法目标识别率低、误检率较高是因为特征点匹配不准确、目标轮廓不连续。针对这一问题,分别引入谱残差算法和k means聚类算法,并加以改进,提出一种基于谱残差算法和k means聚类算法的运动目标检测算法。具体方法是：首先,每隔两帧提取加速鲁棒特征SURF并对图像配准,再对帧差结果采用谱残差算法提取视觉显著性特征,去除因匹配不准确造成的噪点和伪运动目标;其次,形态学处理之后引入改进后的k means聚类算法,对不连续的轮廓进行聚类;最后形成完整的目标。实验显示,本文算法目标识别率达到90.61%,误检率达到21.25%,分别优于传统基于SURF特征的运动目标检测算法66.60%的识别率、31.91%的误检率和基于新的局部不变性特征ORB匹配的目标检测算法87.573%的识别率、26.80%的误检率。虽然该算法平均运行时间为18 fps,但仍可以满足视频流畅的需求,因此动态背景下该算法可做为一种有效的运动目标检测算法使用。     

一种去除运动目标重影的图像镶嵌方法研究

针对图像镶嵌过程中如果图像序列中存在运动目标就会引起重影的问题,文中提出了一种新的去除运动目标重影的图像镶嵌方法。算法首先对视频图像进行了运动分割,在图像匹配阶段采用边缘特征点进行匹配,并由马尔可夫随机场模型生成运动目标的二值模板,剔除掉运动目标二值模板上的边缘点,从而保证图像匹配的准确率。在镶嵌阶段使用活动轮廓模型生成一条最优镶嵌线,产生的镶嵌线充分考虑了图像的边缘特征和梯度信息,确保了镶嵌后图像两边纹理差异更小。从连续视频帧中选取多帧图像进行实际的图像镶嵌,实验结果表明文中算法取得了较好的效果。     

基于背景重建的运动目标检测与阴影抑制

提出了一种静止摄像机条件下的运动目标检测和去除阴影的方法。该方法采用以图像亮度和能量大小为判断依据的分块背景重建方法来快速更新背景,并结合背景相减法,网格化连通域检测,形态学滤波等步骤来检测和提取运动目标,同时运用边缘检测获取阴影边缘信息,并结合形态学运算来去除阴影区域,恢复出完整物体目标。实验结果表明,该方法能够有效地检测出运动目标和抑制阴影。     

一种在低照度情况下自适应滤波牌照定位算法

提出一种在低照度情况下进行自适应滤波牌照定位算法.该方法首先设计一种×字形窗口的自适应中值滤波改进算法,对车牌灰度图像进行中值滤波滤除噪声.接着采用Sobel边缘检测器进行车牌边缘检测;再将Sobel算子卷积结果采用最大类间方差法阈值分割算法对图像进行预分割,将图像分割为目标和背景;接着采用模糊分割方法求得最终分割阈值...     

基于形态学开闭运算和梯度优化的分水岭算法的目标检测方法*

提出了一种基于形态学开闭运算和梯度优化的分水岭算法的目标检测方法。该方法首先利用形态学开闭运算对原始图像进行平滑处理,再对梯度图像进行阈值优化,去除过多的区域极小值,然后利用分水岭分割算法检测目标,最后利用目标的面积和空间关系等特征去除少量误提目标。实验表明,新方法可以取得很好的效果。     

基于肤色与模板匹配的人脸检测方法研究

利用肤色信息在彩色图像中检测人脸速度快、易于实现,但准确率不高。本文提出首先应用人脸肤色信息在彩色图像中进行人脸粗略检测,得到候选人脸区域,再以基于梯度模板匹配的方法进行人脸精确定位,从候选区中准确地找到人脸。将这两种方法结合在保证精确的人脸检测的前提下,可有效提高检测速度。