基于多种视频特征的镜头边界检测算法

针对固定场景的视频,提出一种基于时空分割的视频分割算法.该算法在时域中利用Tophat形态学滤波得到视频对象的精确位置,在空域中采用基于t混合模型和贪婪EM的聚类算法进行单帧图像分割.将时域定位和空域分割结果结合,可以准确地将视频序列中感兴趣的运动目标分割出来.实验表明,该算法能够得到完整的视频对象,有一定的理论意义和实用性.     

基于时空域融合的红外弱小目标检测新方法

针对复杂背景下红外弱小目标的检测问题，提出一种基于时空域融合的检测方法。在空域上．通过灰度形态学Tophat变换抑制背景、增强目标；在时域上．对红外图像序列连续四帧进行沿时间轴一维小波变换，实现目标和背景的分离。然后对时空域融合的目标增强图像进行自适应阈值分割来提取弱小目标。实验结果表明。该方法能有效地检测运动红外弱小目标。     

基于时空域融合滤波的红外运动小目标检测算法

针对红外警戒与跟踪系统中的实时弱小运动目标检测问题．提出了一种基于时空域融合滤波的小目标检测算法。算法在空域上利用形态学Tophat滤波抑制背景增强目标．在时域上通过改进的帧间差分方法增强运动目标,时空域处理结果融合分割后,根据目标运动的连续性和规则性．利用相邻帧中可能目标点之间的位置关系判别目标。算法全面考虑到了运动小目标在时域与空域方面的特性,时空域融合增强后可大大提高目标信噪比。通过实际录取的云层背景飞机目标红外数据检测表明,时空域融合滤波方法能更有效地从复杂背景中检测低信噪比运动小目标,减小虚警率．抗噪声干扰能力强。算法易于硬件实现,能够有效地应用于红外搜索与跟踪系统的实时目标检测中。     

基于TCensus的立体匹配算法及FPGA设计

随着无人机技术的迅速发展,利用无人机代替人工进行电力线巡线是行业内发展的新趋势。尽管无人机电力巡线相对于人工巡检效率更高,更加安全,但无人机巡检仍然面临一些问题,无人机的避障技术亟待完善,在巡检过程中无人机会出现与周边障碍物相撞的情况,尤其是细小的电线对无人机安全造成巨大的威胁。这些线状物往往目标不明显,雷达,超声波等技术得到的回波较少,造成避障困难。基于双目视觉系统的无人机避障技术在无人机避障领域得到了广泛的研究和关注。针对双目视觉实时无人机电力巡检避障应用,提出了基于TCensus（形态学Tophat变换和MiniCensus）变换的匹配代价测量方法来对原始图像中的弱目标进行增强,同时采用基于十字结构的支持区域来提高匹配的准确度。实验证明,本文设计的双目视觉系统可以有效检测无人机到电力线之间的距离,检测误差达到5%,提出的TCensus立体匹配算法与其它方法相比除了能够获得同样准确的背景深度图之外,还能对电线区域具有更精细的成像效果。     

光电图像序列运动弱目标实时检测算法

针对光电探测图像序列中的运动弱小目标实时检测问题,提出了一种基于时空域融合滤波的弱目标检测算法。算法在空域上利用形态学Tophat滤波抑制背景增强目标,在时域上通过改进的帧间差分方法增强运动目标,两者融合后经自适应门限分割与航迹关联确认目标。实际录取数据分析结果表明,算法全面考虑运动弱小目标在时域与空域方面的特性,能更有效地从复杂背景中检测低信噪比运动弱小目标,减小了虚警率,抗噪声干扰能力强。     

数学形态学中的Tophat和Bothat变换的实现

给出了一种在VC 6.0集成开发环境下实现数学形态学中的边缘检测算子Bothat和Tophat的应用程序,能使程序快速有效地执行,增强了算法的可移植性.     

全场离散Tophat过滤操作的快速算法

Tophat是一种常见的过滤器,但是在实际计算机应用中,较大过滤尺度的全场过滤操作效率很低。本文针对全场离散Tophat过滤操作设计了新型快速算法,分别在三维和二维情形下给出了算法描述,在三维情形下,将普通运算的复杂度O（n^3△^3）降为O（n^3）;二维情形下,将普通运算的复杂度O（n^2△^2）降为O（n^2）,即复杂度与过滤尺度无关,只与过滤场的大小有关,该算法可极大提高过滤计算的效率,在一些大规模数据库（如Johns Hopkins大学的湍流数据库）服务中具有广泛的应用前景。     

基于时空域信息的视频对象分割算法

针对固定场景的视频,提出一种基于时空分割的视频分割算法。该算法在时域中利用Tophat形态学滤波得到视频对象的精确位置,在空域中采用基于t混合模型和贪婪EM的聚类算法进行单帧图像分割。将时域定位和空域分割结果结合,可以准确地将视频序列中感兴趣的运动目标分割出来。实验表明,该算法能够得到完整的视频对象,有一定的理论意义和实用性。