一种红外图像超分辨率重构系统设计与应用

设计了一种基于FPGA和DSP架构的红外图像超分辨率重构系统。采用TI公司高性能DSP(TMS320DM6467)和Xilinx公司FPGA(VIRTEX-4)作为核心处理器。DSP模块承担目标图像重构算法运算,FPGA模块负责图像预处理及与主控计算机通信。通过合理的任务调度,充分发挥DSP并行运算的灵活与速度优势和FPGA实现的快速性与通用性,结合改进PCOS超分辨率算法,可稳定获得较高质量的重构红外图像。应用结果证明该重构系统设计合理,具备较强的实用性。     

一种改进的均值移位红外目标跟踪算法

为了增强复杂背景条件下红外目标跟踪的稳健性,提出了一种改进的均值移位目标跟踪算法。该算法融合了均值移位的梯度匹配搜索策略的优势与基于特征分类跟踪算法强鲁棒性的优点,建立了灰度似然比加权的核直方图目标表征模型。模型中加入了目标与局部背景灰度特征的似然比作为原始核直方图的权值,应用该模型的均值移位算法能够进一步提高目标像素灰度的移位权重,有效抑制背景干扰,进而提高低对比度目标跟踪的稳健性。同时,基于跟踪复杂度估计提出了目标遮挡情况下的模型更新判别准则,提高了算法的自适应性能。实测红外目标跟踪实验表明了该算法简单、有效。     

基于FPGA+DSP架构的嵌入式视觉跟踪系统

针对视觉监控应用的实时性需求,提出了一种基于FPGA+DSP架构的嵌入式视觉跟踪系统。以FPGA作为主控制器,负责视频的采集,并对图像进行了自动调光、色彩插值、中值滤波和白平衡预处理,通过PCIE接口将DSP的处理结果输出至上位机进行了显示。DSP通过EMIFA接口从FPGA接口获得了高质量的图像,采用基于均值漂移的跟踪算法进行了目标跟踪。阐述了系统各个模块的接口设计及主要算法的实现,并进行了系统的优化设计。实验结果表明,经过预处理后,图像亮度适中,图像色温得到了校正,系统能够获得高质量的图像。经过代码优化后,跟踪算法能够稳定跟踪目标,算法处理每帧图像平均时间为13ms,能够满足实时性要求。     

红外图像实时显示增强系统设计

为了解决红外实时图像处理系统中热像仪输出大动态范围和监视器显示输出小动态范围之间的矛盾,满足信息处理系统大数据量高实时性的要求,设计了一种新的基于FPGA实现的红外实时图像增强算法。首先采用均值滤波的思想统计图像的局部极值,然后使用多级均值法计算图像灰度变换区间分界点,最后对图像作分段线性灰度变换,整个算法通过FPGA实现。实验结果表明,该方法不仅解决了非制冷红外焦平面阵列探测器输出值随其工作时间变化的问题,而且消除了图像中探测器盲元的干扰,丰富了图像背景细节,增强了图像显示效果。与直方图变换等传统图像增强算法相比,该算法计算时间缩短了1.38ms,占用存储资源减少了42倍。在工程应用上,该方案简单可靠,成本较低,易于FPGA实现,可为其他红外实时图像处理系统的设计提供参考。     

适用于复杂场景的多目标跟踪算法

在视觉目标跟踪应用中,传统算法在光照变化、阴影、遮挡和背景运动等复杂环境下面临着鲁棒性较差的问题。针对上述问题,首先在局部二进制类型(LBP)背景模型基础上,提出了自适应像素距离阈值编码的背景模型(ST-LBSP)克服阴影和光照变化对目标检测的影响;其次,为了克服遮挡、背景运动等问题,计算图像块之间的最小像素距离和图像块和目标历史数据之间的标准化差值平方和距离,依据距离信息对图像块进行整合;同时,对整合后的图像块,计算其光流矢量、区域内差异性和区域间差异性,对图像块进行分割;最后,采用结构化的支持向量机设计多目标跟踪器,实现了鲁棒的视觉跟踪。基于标准数据集的实验结果显示,该方法具有较强的鲁棒性和较高的跟踪精度。     

改进的均值移位红外目标跟踪

提出了一种改进的均值移位红外目标跟踪算法,该算法融合了基于均值移位的梯度匹配搜索策略与基于特征分类的跟踪算法。以目标与局部背景灰度特征的似然比作为目标区域核直方图的权值,建立了改进的目标表征模型。以Bhattacharyya系数作为相似性度量,在均值移位框架下推导了应用该目标模型下移位向量的表达形式。同时,提出了基于跟踪复杂度估计的目标遮挡情况下的模型更新判别准则。实验结果表明,该算法能够提高目标像素灰度的移位权重,抑制背景干扰,对于低对比度红外目标的跟踪具有稳健的性能,在正确跟踪情况下平均Bhattacharyya系数保持在0.97以上。     

采用DSP的电视测量跟踪器的研制

采用DSP+FPGA的线性流水阵列结构的数字图像处理器完成目标数据采集和处理,研制了基于DSP的电视测量跟踪器.针对欲测量地标的背景复杂的情况,在图像处理算法上采用基于遗传算法的图像模板匹配算法,有效降低了计算量,提高了匹配精度,取得了较好的实验效果.该算法还具有每帧图像匹配计算时间基本恒定的优点,便于在实际系统中采用.     

基于fDSST的长时间目标鲁棒跟踪算法

在跟踪目标过程中，当目标遭遇强遮挡、移出视野、快速运动等时，快速判别尺度空间跟踪(fDSST)算法会丢失目标且无法再找回。为了解决这一问题，提出了一种基于fDSST的长时间目标鲁棒跟踪算法。在经典fDSST算法基础上增加了基于关键点匹配的检测模块和输出自适应决策模块，在判定目标丢失或不可见后可重新匹配目标并重新初始化跟踪器；跟踪时可自适应地选择置信度更高的结果作为最终输出结果；在以Raspberry Pi 4B为主控单元的嵌入式平台上进行算法移植，在OTB-100数据集和嵌入式平台上进行跟踪测试。结果表明：该算法相比其他主流算法具有更高的鲁棒性和准确性，改进算法宜在有嵌入式平台移植需求的应用场景下部署。     

基于均值漂移的红外舰船图像分割算法

提出了一种有效的舰船红外目标图像分割算法,利用均值漂移分割算法的二维灰度和灰度邻域信息,滤除了海面的强杂波干扰,同时又不会损失舰船目标信息。利用不同类别的灰度权重,将红外舰船图像分割成为天空、海水和舰船3类,从而将舰船从图像中有效地分割。由于采用区域节点和灰度直方图来表征图像,与原始图像像素节点表征图像相比,区域节点的个数远远小于原始图像像素节点,从而提高了算法计算效率。计算结果也表明,该算法能够在海面强杂波的干扰下,有效地提取红外舰船目标。     

基于DM6437的运动目标跟踪系统研究

基于DM6437开发板和Mean Shift算法设计出一个目标跟踪系统.DM6437是TI公司推出的一款高性能适于图像处理的DSP芯片.Mean Shift算法采用核函数直方图建模,对目标遮挡、变形以及背景的变化都不敏感,而且它的算法实时性好,有利于在DSP上的实现.该系统对PC机上的选定目标实现了较好的跟踪效果.     

基于单目视觉的移动机器人跟随

针对室外环境下移动机器人基于单目视觉对目标人实时跟随问题进行了研究,提出通过均值漂移算法对像平面目标的跟踪来实现目标定位。为了补偿摄像机运动造成目标在像平面的偏移,提出了以卡尔曼滤波器的估计值作为均值漂移算法的启动点,然后利用均值漂移算法获得最终位置;为了估计单目视觉下目标与机器人之间的距离,提出了一种借助于主颜色描述子和形状直方图的间接景深计算方法。室外实验表明该算法具有很好的实时性和鲁棒性,能有效实现复杂室外环境下对人的跟随。     

基于梯度方向-亮度联合空间的红外人体跟踪

针对红外图像中人体成像的特点,提出一种新颖的红外人体跟踪算法.为克服红外图像中人体目标描述信息不足的缺点,该方法首先在梯度方向-亮度二维联合空间中构建人体目标的特征直方图,然后给出了一种最优直方图级数的选择准则对最具鉴别性能的级数进行选择;进而将上述表达模型与粒子滤波相融合,设计了粒子滤波框架下的人体跟踪算法.不同场景中的人体跟踪结果表明,与通用的跟踪算法相比,本文提出的算法具有更高的鲁棒性和稳健性.     

基于 LVRT 系统的动物行为学实验系统

利用LVRT(LabVIEW real-time)实时操作系统部署高速图像处理算法,并结合FPGA(field programmable gate array)技术,建立一种面向动物行为学实验的高速实时检测跟踪与刺激系统,对连续帧图像做到确定性输出,实现各个不同动物行为学实验场景下的运动目标高速检测跟踪及刺激。应用实验表明,在100 fps采集速率下,该系统具有较好的实时性和稳定性,系统从目标检测到刺激反馈信号输出这一整个过程的处理时间稳定为10 ms,执行时间的平均相对误差较传统系统降低了15%,同时,在线分析完成了目标检测、运动轨迹、划分区域内小鼠行为特征分析等功能,离线分析生成运动轨迹热图,大大提升实验效率。     

基于压缩感知的多特征实时跟踪

针对基于压缩感知的目标跟踪算法中存在的特征单一,在目标纹理变化、光照变化较大时跟踪不稳定、易丢失目标的问题,提出了多特征联合的实时跟踪算法。该算法以多个矩阵作为压缩感知中的投影矩阵,将压缩后的数据作为特征来提取出跟踪所需的多种特征。在更新过程中,针对不同特征在跟踪过程中的稳定性不同,采取不同速度的更新方法,使得在目标环境变化时跟踪的鲁棒性仍然很高。对不同视频的测试结果表明,提出的方法在目标运动、旋转、纹理变化和光照变化的情况下跟踪准确,在目标大小为70 pixel×100 pixel时平均帧速为23 frame/s,满足实时跟踪的要求。与单一特征的压缩感知算法相比,本算法在目标纹理和光照变化很大的情况下仍能完成稳定的实时跟踪。     

基于多模板回归加权均值漂移的人体目标跟踪

针对移动机器人跟踪人体目标时目标因角度大幅变化引起外观改变造成的跟踪无效,提出了多模板回归加权均值漂移跟踪方法。该方法通过建立目标的多模板模型,应用均值漂移算法实现目标跟踪。首先,根据前一帧均值漂移结果和当前帧头肩粗定位结果确定目标模板集,使其包含目标人体的位姿和角度改变。然后,采用多模板回归加权均值漂移实现目标的精确定位。在多模板均值漂移中引入回归模型实现颜色纹理特征与目标模型相似度之间的映射,从而控制模板数量,保证目标检测的实时性。最后,分别在视频图像和机器人目标跟踪平台上对所提方法进行实验验证。结果显示,图像处理平均时间为86.4s/frame,满足机器人跟踪的实时性要求。该方法解决了目标特征在跟踪过程中发生变化的问题,提高了机器人跟踪时对目标人体特征变化的鲁棒性。     

采用改进辅助粒子滤波的红外多目标跟踪

结合改进的辅助粒子滤波与马尔科夫随机场,提出一种多目标跟踪算法来跟踪红外场景中的多个目标.依据目标区域的灰度直方图描述目标,使用标准辅助粒子滤波对各目标的采样粒子集进行粗略优化,同时在辅助粒子采样过程中引入Mean-shift算法来提高粒子采样效率,解决多目标跟踪时粒子数量呈指数级增长的问题,并进一步提高算法的实时性.针对多目标跟踪常出现的目标遮挡导致跟踪失败的问题,引入图模型理论,利用马尔科夫随机场来表示多目标跟踪模型,将多目标的跟踪问题转换为图模型的推理问题.实验结果表明,该跟踪算法使用较少粒子便能实现跟踪,跟踪正确率达84％,且能有效解决多目标跟踪时的相互遮挡问题.     

适于机载环境对地目标跟踪的粒子滤波设计

为提高机载环境对地面强机动性目标跟踪的鲁棒性,本文以粒子滤波为跟踪框架,研究了它的动态模型与观测模型。针对机载环境的特点与跟踪目标的强机动性,提出了基于Kristan双步动态模型结构的加速度双步动态模型（TSA）。根据Yilmaz等人提出的非对称核函数思想,针对实际工程中目标变化特点与实时性要求,提出利用Snake算法提取目标轮廓,以轮廓信息构造非对称核函数的方法。最后,依据上述方法提出了TSA-AK粒子滤波跟踪算法。利用提出的算法对机载环境对地目标跟踪的视频进行了测试,结果表明,本文算法可实现对大幅度变速运动目标的稳定跟踪,正确跟踪率为98%;对大小为25 pixel×30 pixel的目标的处理帧率为26 frame/s。