基于小波图像编码算法的改进及实现

针对现有SPIHT算法存在的不足,提出了一种新的改进编码方案。该算法通过引入图像平滑预处理和边缘检测,很好地提高了图像视觉效果和重构图像的PSNR值,并且进一步改进了编码传输策略,对最低频子带单独进行编码,对高频子带采用无链表SPIHT算法。实验结果表明:该算法有效地克服了SPIHT算法存在的不足,其编码速度和图像恢复质量,均优于SPIHT算法(特别是对纹理丰富的图像)。     

基于多片C64X的高速实时数据压缩系统

针对星载设备中高速遥感图像实时压缩要求,利用多片TI公司的C64X系列DSP构建了一个高速实时数据压缩系统,实现了一种基于空间方向树的集合块SPIHT算法。通过对集合块打包、错误检测和再同步技术,改进的SPIHT算法与传统算法相比,其抗误码能力大大提高,能够适用于星载传输。在该系统中,采用多片DSP级联的方式,对改进的SPIHT算法分级流水处理,保证了该算法的可行性和实时性,满足了星上高速图像传输的要求。实验结果证明了算法的正确性和系统的实时性。     

红外图像中小目标检测研究

在获得的红外序列图像中,检测和跟踪微弱小目标一直是研究的重点。本文对小目标检测系统的背景抑制和目标检测算法和方案进行了调研。采用背景抑制算法以获得更高的信噪比,利用NP准则对图像进行分割,然后用识别算法对目标进行跟踪和识别。计算结果显示,抑制杂波后,采用序贯图像检测能够很好地增加探测概率。     

小波基对红外目标图像SPIHT算法性能的影响

针对红外目标图像边缘模糊、噪声点多、对比度较低等特点,从分析小波基函数的三个评估指标入手,进行了大量的实验和统计,研究不同的小波基对红外目标图像SPIHT算法性能的影响,通过实验结果的分析与讨论,得出双正交小波D9/7小波和bior4.4小波适于红外目标图像实时压缩的结论,这一结论也有助于将来更好地发挥SPIHT算法的性能。     

基于YOLOv5与目标追踪算法的戴口罩人脸识别系统

针对后疫情时代人脸识别系统无法在佩戴口罩的情况下准确识别人脸的问题,基于OpenCV库和Dilb库架构系统,引入YOLOv5目标检测算法替代Dlib原有的人脸目标区域检测算法。通过检测算法获取一系列目标特征值的坐标位置后,采用CentriodTracking目标追踪算法来处理这些特征,从而实现对佩戴口罩人脸图像的快速识别,系统同时实现了用户注册、数据录入、信息管理和日志等功能。     

舰载红外警戒系统目标图像的离群点挖掘算法

针对舰载红外警戒系统目标图像中弱小目标的检测问题,提出了一种基于离群点挖掘的目标检测算法(OBTD)。依据目标与背景在灰度分布上的不同特性,算法将弱小目标视为离群点。分割图像为一系列的子图像,计算子图像中各像素值的局部可达密度,设定阈值挖掘出离群点,得到可能的目标点。算法时间复杂度低,实时性好。试验表明,该算法能有效地检测出图像中的弱小目标,便于进一步的目标识别和跟踪。     

一种嵌入式头肩图像编码方法

头肩序列图像是可视电话、会议电视等视频业务中常见的一种图像模式.本文将SPIHT算法与人脸检测算法相结合,提出一种嵌入式的头肩图像编码方法.首先采用人脸检测技术确定头肩图像中的人脸区域;然后产生人脸区的掩膜,并对LL子带中人脸区掩膜内的小波系数进行定标,以保证人脸区的小波系数能优先编码;最后采用SPIHT算法对人脸区和背景区进行编码.实验结果表明,与原来的SPIHT方法相比,这种方法可以保证人脸区域的重建质量好于背景区的重建图像.同时压缩后的码流仍然具有嵌入的特性,支持渐进传输.     

基于LDPC码的小波图像传输码率优化

LDPC码是一种具有低复杂度,强纠错能力的信道分组编码结构,SPIHT算法是嵌入式小波图像压缩编码中性能较好的一种。文中充分考虑SPIHT算法和LDPC码的特性,提出了根据信源编码后的数据在解码重建时的重要程度进行不等纠错保护的信源信道联合编码方案。实验表明,该方案有利于压缩图像在噪声信道上的可靠传输,提高系统整体纠错性能。     

基于路径的Retinex算法在红外图像增强中的应用

为了方便红外目标的检测、识别等后续处理,针对传统红外图像增强算法存在的图像细节增强能力差,视觉效果模糊的问题,提出一种基于Retinex理论的红外图像增强算法.该算法利用固定路径获取反射分量的方法,对整体偏暗的红外图像目标进行增强处理.仿真结果表明,该方法比单尺度Retinex和多尺度Retinex算法更能增强红外图像的细节信息,有效改善虹外图像的视觉效果.     

基于数学形态学的红外运动小目标识别算法研究

针对红外成像制导跟踪的目标具有低信噪比、且背景和噪声干扰信息严重的特点,设计了一种基于数学形态学的红外灰度图像小目标检测识别算法。实验表明,该算法能够大大提高目标的信噪比,去除背景和噪声干扰,保留目标的灰度信息,满足系统的实时性要求,是一种有效的红外灰度图像小目标检测算法。     

日盲型紫外探测系统中目标定位的研究

为了研究日盲型紫外探测中的目标定位,设计了1套紫外探测实验系统。提出了1种基于目标图像的定位算法,通过确定目标在像平面上的位置,计算目标方位角。对系统及算法进行了理论分析和实验验证。以氘灯为目标的紫外光源,探测系统在30m处取得了0.5°的方位角测量精度。结果表明,该定位算法是可行的。这一结果对进一步开展远距离实验、完善系统是有帮助的。     

基于时－空过采样系统的点目标检测性能分析

为了提高扫描成像系统对于点目标的探测性能,提出了时-空过采样点目标探测体制,并对其进行了目标检测性能分析。首先,分析了单采样体制在点目标探测中易存在跨像元导致的目标能量分散问题,以及探测器随机高强度噪声及空间质子流尖峰信号导致的虚警问题;然后,提出了用于点目标扫描探测的时-空过采样体制。最后,基于图像信噪比对相同光学系统下单采样和时-空过采样系统的目标检测性能进行了比较分析。分析结果表明,通过过采样方式能够实现目标能量集中到一个像元,保证了图像信噪比需求。通过高分辨率融合使得目标尺度大于噪声及尖峰的尺度,目标尺度最大扩展至3?3像元,基于目标空间相关的处理可以有效降低虚警,提升系统检测性能。     

双向过采样系统点目标采样模型与检出方法

传统的采样系统对点目标的能量收集能力差,图像信噪比低,像斑面积小。为了克服传统采样的缺点,在对弱点目标进行探测时可以采用双向过采样技术。建立了点目标采样系统的数学模型,分析了双向过采样系统对点目标的检测性能。通过点目标采样系统的数学模型,得到了双向过采样系统点目标像斑分布均匀、灰度梯度小、有一定的面积的特点。从而设计出针对双向过采样系统的点目标检出方法。采样模型得到的像斑能量分布表明,双向过采样系统对点目标的能量收集能力强,点目标像斑面积大,信噪比稳定,采样系统对点目标的空间相对位置有很强的适应能力。仿真分析表明,目标检出方法能够有效提高点目标图像的信噪比。     

Invariance in moving target detection

Some schemes for detecting moving point targets against structured backgrounds from observations on the output of an imaging system are investigated. When the velocity of the target and the background image are considered as known, it is shown that the uniformly most powerful detector, invariant with respect to image intensity variations, consists of specific spatial-temporal differencing schemes. This places such schemes on a rigorous foundation.     

基于NIOSⅡ的红外弱小目标检测算法实现

介绍了基于可编程片上系统SOPC技术的图像处理系统的软硬件设计,系统采用FPGA作为视频信号采集控制模块,利用FPGA内建NIOSⅡ软核微控制器作为图像处理单元。针对天空背景下红外弱小目标,提出了一种基于形态学和仿生学相结合的图像预处理算法,该算法在基于数学形态学滤波的基础上利用人眼固视微动辨别信息的原理对图像进行背景抑制和目标增强;采用自适应阈值分割法确定目标。硬件实验结果表明系统实时性好,图像处理效果良好,目标检测率高,验证了预处理算法的有效性和实时性。     

基于高阶统计判据的红外弱小运动目标检测

针对红外预警与跟踪系统中的实时弱小运动目标检测问题,在分析红外灰度图像的非平稳高斯特性的基础上,提出了一种基于高阶统计判据的检测算法。先用一个空域的白化去均值滤波器进行空间背景抑制,为下一步时域高阶统计判据建立一个不相关的高斯背景,根据三阶以上的高阶累积量对于高斯随机过程“盲”的原理,用高阶累积量作二元统计判据检测红外图像背景中的运动弱小目标。算法全面考虑了红外灰度图像和目标在时域与空域方面的特性,大大增强了目标信噪比。通过实际获取的大地背景目标红外数据检测表明,此算法能有效地从复杂背景中检测低信噪比运动小目标,虚警率少,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。     

Unsupervised target detection in hyperspectral images usingprojection pursuit

The authors present a projection pursuit (PP) approach to target detection. Unlike most of developed target detection algorithms that require statistical models such as linear mixture, the proposed PP is to project a high dimensional data set into a low dimensional data space while retaining desired information of interest. It utilizes a projection index to explore projections of interestingness. For target detection applications in hyperspectral imagery, an interesting structure of an image scene is the one caused by man-made targets in a large unknown background. Such targets can be viewed as anomalies in an image scene due to the fact that their size is relatively small compared to their background surroundings. As a result, detecting small targets in an unknown image scene is reduced to finding the outliers of background distributions. It is known that “skewness,” is defined by normalized third moment of the sample distribution, measures the asymmetry of the distribution and “kurtosis” is defined by normalized fourth moment of the sample distribution measures the flatness of the distribution. They both are susceptible to outliers. So, using skewness and kurtosis as a base to design a projection index may be effective for target detection. In order to find an optimal projection index, an evolutionary algorithm is also developed to avoid trapping local optima. The hyperspectral image experiments show that the proposed PP method provides an effective means for target detection     

红外成像系统点目标探测视距研究

介绍了红外成像系统对点目标的探测跟踪作用距离估算方法,用热成像分析系统研究点目标在像素上的扩散规律,提出用热成系统探测点目标时,扩散因素对作用距离的影响。     

PMMW金属目标图像处理与计数技术实现

被动毫米波金属目标图像识别并自动统计出目标个数是军事自动化技术的一个重要环节。给出了毫米波探测目标的简要原理,针对目前有关毫米波被动探测并自动计算出金属目标个数方法的欠缺,首次尝试并给出了被动毫米波金属目标图像处理方案及详细处理过程,在毫米波图像分辨率低的条件下,将图像二值化,用数学形态学对图像进行处理,用Canny算子进行边缘检测并提取图像的边缘轮廓,再用Visual C++6.0开发工具,实现二值图像连通域像素标记算法,搭建起金属目标个数的计数系统。给出系统的定量分析,并与面积法计算目标个数做了对比。经分析,系统具有准确性,且响应时间短。     

A novel target tracking method based on OSELM

Target tracking is an important branch of computer vision, which includes three stages: image sequence optimizing, target expressing and target detecting. The target detecting stage is an important factor that influences the tracking performance. Therefore, how to obtain a more accurate and robust target detecting method becomes an urgent problem. Online sequential extreme learning machine (OSELM) is a kind of online learning method based on extreme learning machine. OSELM completes incremental learning by combining with the existed model when dynamic training samples are arriving. That OSELM has advantages including fast-speed and incremental learning suggests that is suitable for target detecting. Nevertheless, the target detecting process is different from the traditional classification for two causes: (1) target detecting is the dynamic process in that the position and rotation of the target are changing with time, and therefore the original OSELM method fails to obtain the most optimal target object from classified samples, (2) the tracking result frame depends on the previous frame, thus if the noisy sample is used as the target object, it would generates an impact to the tracking performance. To alleviate above-mentioned problems, this paper proposes an interesting and efficient target tracking method based on OSELM. In this method, we obtain the appropriate target object by judging the position relationship between each classified sample and the classification boundary. Moreover, we develop a kind of method that is similar to clustering to avoid tracking drift from noisy samples. The new target tracking method improves the performance remarkably, and eliminates the tracking drift from noisy samples. The proposed method is validated on six kinds of challenging image sequences.