采用稀疏表示的红外图像自适应杂波抑制

针对红外图像中弱小目标的检测问题,提出了一种基于图像稀疏表示的自适应杂波抑制方法.首先,采集500帧红外图像样本,通过训练学习构造包含图像各个层次结构特征的多成分超完备字典;然后,通过红外图像的协方差自适应地选择与图像子块对应的超完备字典对图像进行稀疏表示,利用匹配追踪算法得到子图像在超完备目标字典下的最佳表示系数;最后,根据表示系数以及对应的原子向量对图像子块进行重构,从而得到突出红外小目标的高信噪比重构图像,实现杂波抑制.不同环境下的多项实验表明,该算法可在复杂背景下自适应地抑制杂波,提高图像的信噪比;通过简单的阈值分割可以分开目标和背景,为之后的目标检测处理奠定基础.得到的性能评价指标显示:本算法计算量较小,实时性较强,鲁棒性较强,易于硬件实现.     

应用级联分类器检测安瓿内弱小运动目标

针对序列图像内具有低信噪比和低对比度特征的运动目标,提出了一种基于级联分类器的弱小目标检测算法。该算法从安瓿瓶序列图像内提取绝对差分值、局部差分对比度和局部相关系数3个图像特征。每个图像特征对应一个分类器,通过三层级联形式实现序列图像中的小目标检测。第一个节点与传统帧间差分法类似,主要去除大量背景图像并检测出大颗粒运动目标,后两个节点则用于检测弱小目标、排除光流和瓶身污渍产生的噪声点。实验结果显示,相对于传统的帧间差分法,本文算法具有高检测精度和高抗干扰能力等特点,不仅可以检测出图像中弱小运动目标,同时也消除了复杂背景下的噪声影响,弱小目标的检出率达到99.3%,并且满足安瓿在线检测的实时性要求。     

基于空时域融合处理检测超大视场红外目标

针对超大视场红外凝视成像系统用于目标检测时存在的背景复杂、杂波干扰多、目标信息少等问题,提出了基于空时域融合处理的目标检测方法。该方法在空域部分优化设计Robinson算子,完成单帧图像的目标初始检测;然后结合超大视场成像特性,利用基于天地线检测的图像区域自动划分和空域虚警抑制方法,有效滤除非目标检测区中的疑似目标。在时域部分则兼顾目标时域特征,采用基于时域多特征约束的邻域判决法对真实目标进行时域确认。开展了月空背景下的空中目标检测试验,验证了本文算法的有效性。试验表明:经空域部分处理后,原始图像中的背景杂波干扰大大减少,目标局部信噪比提高了1.3倍以上,而且疑似目标数目减少了70%;经时域部分处理后,可成功检测出红外弱小目标,并输出其轨迹,检测概率在95%以上,而虚警率不足1.5%,最低目标检测信噪比为2.86。实验表明:本文方法适用于超大视场图像的红外弱小目标检测,对地物背景、恒亮孤立点源、瞬时强噪声等干扰有较强的抑制能力,对点状运动目标有良好的检测效能。     

红外图像序列中微弱点状动目标的非参数检测

研究了红外图像序列的观测及目标模型,提出了一种基于多帧的微弱点状动目标非参数检测技术.采用滑动邻域加权预测抑制杂波干扰,白化噪声特性,将时空三维搜索简化为沿时间轴投影与二维空域搜索,沿可能的轨迹上将目标能量高维集成.相应算法的检测性能对噪声分布不敏感,实时性好,实现简单,具有很高的实用价值.给出了该算法性能的理论分析和实验仿真结果.     

采用目标背景建模的毫米波弱小目标检测

基于被动毫米波成像特性,提出了改进的稀疏表示——圆周中心差(ISR-CSCD)算法来解决被动毫米波图像中弱小目标与背景区分度较弱,目标可提取特征较少的问题。该算法通过改进稀疏表示方法完成背景抑制与目标增强。依据目标与周围背景特征先验,提出了圆周中心差背景抑制算法对检测图像进行背景抑制。然后,融合改进稀疏表示方法和圆周中心差背景抑制算法的结果得到抑制了背景的目标增强图像。最后,基于恒虚警率的检测方法完成了弱小目标的检测。对不同场景下的毫米波图像进行了实验检测,结果表明,与主流算法图像稀疏表示(SR)法、鲁棒规则核回归牛顿算法(NRRKR),空时联合分类稀疏表示算法(STCSR)和累积中心与周边差异测量算法(ACSDM)相比,ISR-CSCD算法具有更低的虚警率、更高的检测精度、更强的鲁棒性。对各种虚警率、信噪比之下的毫米波弱小目标检测结果显示,ISR-CSCD检测率相对于其它算法平均提高了约15%。     

机载复杂场景下的低虚警红外目标检测

机载红外光电探测系统进行下视复杂场景目标探测时,地面虚警干扰源同弱小目标在空间分布上一致,传统算法会导致大量虚警。因此,提出一种基于运动目标特征的多维度特征关联检测算法。该算法首先对复杂场景进行特征点检测,引入基于相对速高比的跳帧机制,对经过图像配准的帧间图像进行差分处理检出候选目标。同时,结合基于核相关滤波的目标相似度方法进行多维多帧关联,进一步抑制虚警并确认目标。实验结果表明,在载机速高比大于30 mrad/s、系统帧时小于10 ms的机载环境下,该算法的平均检测率达到99.13%,虚警率降至10-5。该方法在多种机载复杂场景下得到验证,适合流水并行运算操作,满足工程实践需求。     

采用多尺度隐式马尔可夫模型的红外图像背景抑制

提出了一种基于多尺度隐式马尔可夫模型的红外图像背景抑制方法来解决红外弱小目标检测技术中复杂背景干扰的问题.根据红外目标和背景杂波所具有的不同统计分布特性,利用剪切波变换分解后各尺度、各方向子带内和子带间的系数之间的关系,建立了基于剪切波变换的多尺度隐式马尔可夫模型.通过期望最大化算法计算最优背景参数,分离红外图像中弱小...     

基于改进SIFT算子的动态障碍物检测方法

针对行车辅助驾驶系统在进行动态障碍物检测时遇到的背景复杂和实时性要求,提出了一种基于快速鲁棒的动态目标假设检测算法,算法首先采用相邻帧间特征点位置估计改进SIFT匹配算子,实现全局背景运动补偿参数快速估计,然后利用三帧差分法对图像处理后,通过改进背景方差估计,改善传统假设检验方法对图像边缘目标漏检的问题,进一步提高动态目标检测的准确性。实验表明,算法不仅保持了SIFT算子的优越性能,提高了参数估计精确性,而且极大地提高了特征配准和检测速度,满足系统的实时性要求。     

背景运动补偿和假设检验的目标检测算法

根据背景与目标具有不同的运动特性这一事实,提出一种基于背景运动补偿和假设检验的目标检测算法。首先,采用特征点对应法求相邻帧间的运动;然后,用最小二乘法计算出摄像机仿射运动参数,利用此参数进行帧间背景运动补偿后得到稳定的背景;最后,用假设检验方法检测补偿后的帧差图像,经过简单的形态学和连通区域处理后检测出运动目标。仿真表明,该运动补偿算法能有效消除背景突出目标,补偿前后的差分图像信噪比提高了14.71 dB。该算法计算量小,可以成为一种通用的实时目标检测算法。     

基于自适应滤波的强起伏背景下弱小目标检测

在分析强起伏背景信号的基础上,利用背景局部信号统计特征和目标运动特性,提出了一种基于自适应滤波的弱小目标检测方法.该方法能够有效地抑制强起伏杂波,增强目标能量,提高信噪比.实验结果表明,该技术对强起伏背景下弱小目标具有较强的检测性能.     

基于改进双边滤波的气体泄漏检测

针对传统泄漏检测方法效率低、鲁棒性差的问题,提出了一种基于红外图像技术的气体泄漏检测方法。该方法根据被测容器充气前后的红外图像的信息差异,对获得的热像图进行背景估计、差分,以及目标与噪声的辨别,利用基于改进的双边滤波算法实现对泄漏点的检测与定位。实验证明：双边滤波算法对背景的预测具有鲁棒性,通过目标与噪声的扩散性区别分辨出目标,实现对泄漏点的准确定位。     

采用自适应背景聚类的激光雷达与相机外参标定优化方法

针对在复杂外部环境下激光雷达外参标定过程中遇到的标定板三维点云提取不准确的问题,提出一种基于背景聚类的激光雷达和相机外参标定优化方法,避免了在整个三维点云中盲目检测标定板点云,而导致标定结果存在较大误差以及需要人工手动纠正错误特征点的问题。该方法利用无标定板的背景点云与有标定板的目标点云之间部分空间域内的密度差异性,通过自适应空间阈值模型获得标定板点云与背景点云之间的差异系数K,然后聚类两点云中的部分三维点,完成标定板的三维点云提取。实验证明,该方法可以在复杂环境中准确高效地提取标定板三维点云,从而提高激光雷达和相机外参标定的准确性,在此基础上点云正确投影比例可达97.43%,与对比方法相比投影误差降低25.33%左右。     

融合分数阶微分边缘特征的自适应跟踪

为提高跟踪方法对背景信息、光照变化的抗干扰能力,提出融合分数阶微分边缘特征信息的改进跟踪方法。将R-L分数阶微分边缘检测算子与Laplacian边缘检测算子进行融合,构造出对高、中频信息提升,而对低频信息能够非线性保留的混合边缘检测算子,并利用其实现目标模板及场景图像的边缘特征信息检测。基于目标色度特征和边缘特征两种直方图模型,分别建立场景图像的反向概率投影值,根据背景信息的动态变化,以抑制背景干扰信息为目的,建立自适应融合的反向概率投影图,提高算法对不确定环境变化信息的鲁棒性。实验结果表明,混合边缘检测算子能够提高边缘图像的信噪比,改善边缘提取的效果。边缘、色度特征信息自适应融合的跟踪方法单帧跟踪时间小于20 ms,满足实时性要求。该方法能够在光照变化明显和与目标颜色相似背景等情况下有效实现目标识别与跟踪功能。     

移动相机下基于三维背景估计的运动目标检测

室内环境中的运动目标检测是计算机视觉领域的研究热点,而移动相机造成的动态背景是运动目标检测的难点。本文提出一种基于同步定位与地图创建(ORB-SLAM)三维背景估计的运动目标检测算法,首先使用移动相机遍历整个室内环境,采用ORB-SLAM技术建立当前全局环境的三维背景特征点云模型;然后基于局部视频建立局部三维特征点云,根据定位信息将当前局部三维特征点云与环境三维背景特征点云进行嵌入,基于环境背景信息,采用三维均值漂移(3DMS)算法,对局部三维特征点云进行前景特征点提取;运用深度卷积神经网络,对提取的前景特征点所在候选区域进行运动目标确认。通过多个室内场景的实际实验进行验证,结果表明本文方法具有较高的运动目标检测准确率和召回率,提出的运动目标检测算法充分利用了三维背景信息,采用深度卷积神经网络进行确认,有效地改善了检测的准确性和鲁棒性。     

视频图像中运动目标检测算法研究

视频图像中运动目标的检测一直是视觉分析的研究热点之一,应用广泛。文中主要针对静态背景下即摄像头固定的情况下,提出一种基于高斯模型的背景差分法来实现运动目标的检测。算法首先建立混合高斯背景模型,然后再利用背景差分法提取运动轮廓,最后通过后续的形态学处理得到完整的运动目标。实验结果表明,该算法不仅能够检测到运动目标,而且检测效果得到了提高。     

基于背景判别与邻域补偿的高光谱异常检测

为克服高光谱局部异常检测算子背景虚警严重,探测效果不佳等问题,提出了基于核光谱角背景判别与邻域补偿的异常检测算法。算法从背景像元的筛选和探测结果的补偿两个角度提高像元探测精度,在背景像元的处理方面,提出了一种基于核光谱角距离相似度的背景像元筛选算法,将光谱分辨性能更强的核光谱角引入背景差异性判别过程,准确可靠地实现局部背景像元的筛选和优化;同时,针对异常检测算子探测精度不高等问题,引入邻域加权的空谱联合补偿机制,并提出基于核光谱角距离相似度的动态模板卷积补偿算法,显著增强了背景与目标的可分性。在与RX、LRX、KRX和CRD等异常检测算法的对比中发现,该算法表现出较强的探测性能,在抑制虚警和提高探测精度等方面达到了不错的效果。     

基于改进 Canny 算子的锂电池极片表面缺陷检测

针对目前锂电池极片表面存在低对比度微小缺陷难以检测的问题,提出了一种基于改进Canny算子的锂电池极片表面缺陷检测方法。首先,使用双边滤波改善高斯滤波在降噪时可能造成的图像边缘模糊问题,并在此基础上引入多尺度细节增强算法来增强低对比度图像;其次,基于Sobel算子的3×3梯度模板计算极片图像的梯度幅值和梯度方向;最后,基于最大熵和Otsu算法自动获取图像的高、低阈值,通过逻辑与运算对两种算法阈值分割后的检测结果进行边缘融合,并利用形态学闭运算和细化算法修复不连续边缘,得到最终检测边缘。实验结果表明,传统Canny算子和Otsu-Canny算法难以有效检测不同类型的暗斑、露箔和划痕缺陷,而本文算法对这些缺陷均取得了较好的检测效果,能够在突出目标缺陷区域的同时,有效减少同色度背景噪声,正确检测率达98%,具有一定实用价值。     

基于Canny理论的自适应阈值彩色图像边缘检测

传统的Canny边缘检测算法基于灰度图像,不能充分利用彩色图像的全部信息,且阈值需要人为设定,自动化程度不高.论文提出一种新的算法,基于彩色图像多通道融合技术,根据图像梯度直方图信息,对图像进行自适应阈值处理.将Canny灰度边缘检测算子扩展到彩色边缘检测,利用彩色图像各个通道自身的梯度直方图和梯度方差作为局部阈值,有效解决彩色图像各个通道之间的差别.实验结果表明,其能充分利用图像的颜色和梯度信息,提高边缘检测的准确性.     

应用颜色聚类图像块的多舰船显著性检测

由于多舰船目标显著性检测过程容易将边界像素作为背景处理,本文提出了应用颜色聚类图像块的多舰船显著性检测方法。该方法首先检测邻域像素是否具有颜色相似性,并将临近的具有相似颜色的像素聚集在一起作为一个图像块。接着,对获得的图像块进行扩展,使图像块包含很多其他图像块的像素以提高图像块内像素间的对比强度;对边缘像素进行背景索引标记,计算图像块中像素的显著性强度,采用阈值分割方法获得目标显著性区域。最后,基于颜色聚类的图像块存在部分重叠的特点,利用权值对存在叠加的显著性图像进行融合,从而获得多舰船目标整幅图像的显著性检测结果。对获得的多舰船目标图像进行了实验测试,并对本文算法结果和当前比较先进的其它显著性检测算法进行了效果对比。结果显示:提出的利用颜色聚类图像块的舰船显著性检测方法的查全率达到78%以上,准确率达到92%以上,综合评价指标Fβ≥0.7;无论考虑单个指标还是整体指标,本文算法均优于其他对比算法。