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TBD的粒子滤波红外点状动目标跟踪算法研究

提出了一种新的低信噪比红外序列图像运动点目标检测与跟踪算法,该算法有机地结合了TBD检测算法与粒子滤波跟踪算法。首先通过多帧TBD处理后,检测出运动目标的初始位置和运动速度,然后在跟踪阶段采用粒子滤波算法估计目标运动状态,可实现信噪比为2的点目标的检测与跟踪。对真实红外图像序列进行实验仿真,仿真结果证明,该算法具有良好的实时性与很高的精确性。     

三维时空中弱点状动目标的实时检测技术研究

在红外图像序列情况下,研究了一种直接在三维时空中实时检测弱点状目标的技术。采用轨迹的方向预测,减少了计算量,提高了实时性;采用目标航迹的能量累积,提高图像信噪比;在恒虚警率检测条件下,采用角度约束和帧间关联获得了可能的目标轨迹。实验结果表明：该技术能够准确检测出任意轨迹运动的多个点目标,具有良好的实时性和准确性。     

红外运动小目标检测的小面拟合算法

针对红外图像序列中运动小目标,提出一种基于预测的小面拟合目标检测算法。首先根据图像序列中目标运动的连续性及方向性,采用二阶自回归模型预测目标的搜索窗口。然后根据天空背景红外图像中小目标灰度高于背景的特征,利用小面拟合模型对搜索窗口的局部区域作灰度曲面拟合,提取搜索窗口内灰度极值点作为目标,提出了相应的目标检测算子。对红外图像序列的实验表明,该算法可有效检测天空背景下红外运动小目标,算法的实时性和抗干扰能力优于传统的目标检测方法。     

雷达微弱目标检测的有效方法

针对低信噪比条件下微弱运动目标检测问题,提出了一种基于检测前跟踪的动态规划改进算法,根据雷达图像中包含的来袭目标运动参数信息,预测来袭目标的运动轨迹,并沿着预测运动轨迹积累能量.仿真结果表明,该算法能够较准确地估计目标航迹,计算量较小,在强杂波背景下能较好地检测出低信噪比运动目标,对于威胁预警区域较大的来袭目标能更好进行实时探测.     

基于FPGA的序列图像目标关联检测

低信噪比条件下目标轨迹关联算法的硬件实现是成像探测应用中的难题之一.针对能量累加及门限分割后的图像仍存在大量强噪声点,不利于轨迹关联算法的硬件实现问题,提出目标关联检测算法,利用目标运动的连续性,进一步剔除图像中的虚假点,解决了轨迹关联算法中候选目标点过多,运算量大的问题.文中给出了算法的FPGA实现.实验结果表明,设计的电路运行速度快,占用资源少,具有很强的实用性,并在实际应用中取得了较好的效果.     

成像导引头运动点目标检测

在仿真分析的基础上，针对红外成像空空导弹导引头的应用特点，对现有基于形态学的算法进行改进，提出一种新算法。新算法通过计算局部图像的相似度，鉴别背景点与目标点，提高检测和识别概率。算法分四步：(1)进行背景预测，通过消除背景，获得输入图像中相对背景较亮的部分；(2)利用自适应阈值分割，消除大量低灰度噪声点、背景，获得候选目标；(3)利用点-航迹关联，根据点目标运动的连续性剔除噪声；(4)对原始图像中以候选目标为中心的子图像进行相邻帧的相似度计算，根据子图像匹配程度剔除剩下的候选目标中的背景，从而检测出真正的目标。仿真结果证实了新方法对低信噪比复杂背景中点目标检测与识别的有效性。     

模糊聚类粒子滤波的点状交叉多目标跟踪算法

提出了一种新的低信噪比红外序列图像多目标检测跟踪算法,该算法有机地结合了TBD检测算法与模糊聚类粒子滤波跟踪算法。首先通过多帧TBD处理后,检测出运动目标的初始位置、运动速度,然后在跟踪阶段采用粒子滤波算法估计目标运动状态,并在估计位置开一个跟踪窗进行检测、模糊聚类概率融合。对真实红外图像序列进行实验仿真,仿真结果验证了该算法具有良好的实时性与很高的精确性。     

轮廓随机序列模型及其分级检测技术*

研究了运动目标图像随机轮廓模型,它包含四特征模型和三参数非平稳随机序列描述,进而拟订了轮廓检测定理;然后建立了轮廓分级检测系统,根据轮廓分割了目标图像.系统包含二阶时差分变换、全域自学习的高信噪比轮廓点二元聚类检测;中信噪比轮廓点自学习的局域检测;在时空域基于封闭和Markov关联准则的低信噪比轮廓点检测.实验仿真给出了良好的结果.     

基于Wiener滤波与图像序列相关的小目标检测算法

传统动态图像跟踪系统在对小目标,特别是点目标的预跟踪阶段,常面临算法较复杂、参数确定困难等问题,在低信噪比条件下不能取得满意的检测效果。该文针对这一问题,提出了一种利用Wiener滤波对原始图像滤波,再利用图像序列相关性对滤波后的图像进行“平均背景估计”,从而实现提取目标图像背景,检测动态小目标的新算法。同时对Wiener滤波器的参数简化计算以及目标检测阈值的选取进行了详细讨论。该算法参数简单,能在较低的信噪比下取得比较好的滤波效果,仿真结果表明了算法的有效性。     

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。     

基于顺序形态滤波的外运动小目标检测

针对约外图像中运动弱小目标的检测问题,本文提出了基于顺序形态滤波的小目标检测方法,并给出了具体算法。目标检测分两步进行,首先利用顺序形态滤波抑制背景,检测出候选目标的位置,并对候选目标进行区域分割,最后利用序列图像中目标运动的连续性和轨迹的一致性筛选出真正的目标,作者通过实验比较了该方法与传统高通滤波方法在抗噪声性能,背景抑制性能以及抑制虚警目标性能的差异,实验结果表明,顺序形态滤波法在这三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。     

基于小波边缘提取的混合运动目标检测算法

常用的运动目标检测算法易受到噪声、阴影等因素的影响,检测出来的运动目标边缘比较模糊,本文因此提出 一种基于小波边缘提取的运动目标检测算法,将小波边缘检测与帧间差分法和背景差分法相结合来检测运动目标,采用 形态学滤波和连通性分析得到准确的运动目标。实验表明,该算法可以准确的将运动目标从视频图像序列中检测出来。     

基于随机森林的无人机检测方法

随着低成本小型无人机的普及带来了一系列的严重问题并且难以监管。并且,由于环境物体的扰动、摄像机的抖动及采样噪声等因素导致现有方法在可见光图像下对无人机等小目标检测准确率低。针对上述问题,提出了一种基于随机森林的无人机检测方法。该方法采集可见光下的图像序列,使用混合高斯模型和聚类检测算法检测图像中的运动小目标,继而通过随机森林算法融合目标的多种特征进行目标的判别,最终得到检测目标。实验结果表明,该方法可有效地检测出无人机运动小目标并大幅提高检测的精确率。     

基于像素灰度归类的背景重构算法

背景差法是一种重要的运动检测方法,其难点在于如何进行背景更新.针对该问题,提出一种基于像素灰度归类的背景重构算法,即在假设背景像素灰度以最大概率出现在图像序列的前提下,利用灰度差对相应像素点灰度进行归类,选择频率最高的灰度值作为该点的背景像素值.在背景缓慢变化和突变时,分别利用该算法进行定时和实时背景重构具有时显的优点.仿真结果表明,即使场景中存在运动前景,该算法也能够准确地重构背景,并有效地避免混合现象,从而实现对运动目标的完整提取,以便进一步识别或跟踪.     

基于全局运动补偿的多运动目标检测方法研究

提出了一种动态背景下的对多个运动目标检测的完整方法.利用基于宏块匹配的六参数全局运动估计方法进行全局运动补偿,有效地消除了摄像机在非稳定运动情况下对目标检测性能带来的不利影响.同时在宏块匹配前进行了预处理,通过预判提取纹理信息丰富的宏块,并在宏块匹配的过程中采用九点十字搜索算法取代传统的三步搜索算法,减少了匹配数据量....     

Regularized CDWT optical flow applied to moving-target detection in IR imagery

A modified version of the CDWT optical flow algorithm developed by Magarey and Kingsbury is applied to the problem of moving-target detection in noisy infrared image sequences, in the case where the sensor is also moving. Frame differencing is used to detect pixel-size targets moving in strongly cluttered backgrounds. To compensate for sensor motion, prior to differencing, the background is registered spatially using the estimated motion field between the frames. Results of applying the method to three image sequences show that the target SNR is higher when the estimated motion field for the whole scene is explicitly regularized. A comparison with another optical flow algorithm is also presented.     

自适应混合高斯建模的高效运动目标检测

目的 如何使快速性与完整性达到平衡是运动目标检测的关键问题。现有的满足快速性的算法容易受到光照的影响，对动态环境的适应能力较弱，获取的目标信息不完整，导致空洞问题的产生。而具有较高完整性的算法复杂度高，运算速度慢，实时性差。为此，本文提出基于自适应混合高斯建模的3帧差分算法。方法 利用3帧差分运算简单、可扩展性强、抗干扰能力好的特性，对视频图像进行目标轮廓的提取。针对3帧差分运算导致目标内部信息提取不完整的问题，采用学习率自适应调整的混合高斯背景差分，在模型创建之初，通过较快的模型更新速率，增加背景模型的迭代次数，消除物体运动造成的"鬼影"。在背景模型中的干扰信息消除之后，以目标像素及相邻8像素在当前帧与背景模型中的差异度为依据调整学习率，实现背景模型的自适应修正，增加目标图像的完整性；同时，通过删除冗余的高斯分布，降低算法复杂度。为进一步确保目标边缘的完整及连续，采用边缘对比差分算法，使参与运算的帧数依据目标的运动速度自适应选取，以降低背景点的误判率，使边缘信息尽可能地连续、完整。结果 本文算法获取的目标信息完整，且边缘平滑。在提升检测率的同时保证较高的准确率，达到了95.23%，所获目标的完整度提高了28.95%；与传统混合高斯算法相比，时间消耗降低了29.18%，基本达到实时性要求。与基于混合高斯建模的背景差分法（BD-GMM）和基于边缘对比的3帧差分法（TFD-EC）相比，本文算法明显占优。结论 实验结果表明，本文算法可以有效抑制动态环境的干扰，降低算法复杂度，既保证实时性，又具有较好的完整性，可广泛应用于智能视频监控、军事应用、工业检测、航空航天等领域。     

一种基于数学形态学的小目标检测方法

提出一种基于数学形态学的远距离红外小目标自动检测的新方法，构造了由几种形态学运算组成的非线性算子。结合刚性小平面的三维分析技术，可快速检测红外图像序列中静止或运动的小目标。经实验证明，与传统的小目标检测算法相比，该方法具有速度快，抗噪性好等方面的优越性。     

结合阴影抑制的混合高斯模型改进算法

混合高斯模型背景法作为运动目标检测的一种经典方法,已经广泛应用于智能视频监控系统中。但是,传统的混合高斯模型背景法容易将阴影误检测为运动目标的一部分。因此,针对该方法在区分阴影和运动目标方面的不足,提出了一种将混合高斯模型背景法和HSV空间阴影抑制相结合的运动目标检测算法。这种改进算法首先将颜色空间转换到HSV空间,初步提取运动目标,然后再利用阴影的灰度值比背景中的灰度值小,而前景的灰度值比背景中灰度值大的特性,检测出运动目标中的阴影。实验结果表明,这种改进的算法明显提高了检测效果,有效抑制了阴影对运动目标检测的干扰,算法实时性也较好。