天空背景下红外目标的检测

在噪声和云层背景的干扰下,为了有效地从红外图像序列中检测到低信噪比的运动小目标,采用形态学Tophat滤波滤除低频背景部分以增强目标;并通过混合高斯背景模型进行背景估计和自适应背景更新,将前景部分和背景部分差分。实验表明,Tophat滤波和混合高斯模型算法相结合能够准确实现天空背景下红外目标的检测。     

基于改进高斯混合模型的运动图像目标检测算法

运动图像目标检测指的是从序列图像中将变化的目标从背景中分离出来,高斯混合模型可以对视频序列图像的前景和背景进行分类,再利用背景减除实现运动目标的检测。提出一种基于改进高斯混合模型的优化背景建模方法,该方法首先利用3×3模板对序列图像帧中的像素进行类似卷积的均值计算,然后利用相邻均值的差提取均差因子自适应更新图像的均值。在此基础上,设计了自适应学习率和学习速率,利用改进高斯混合模型实现序列图像的背景建模。改进模型不仅能有效减少数据计算量,同时可以降低在相似区域像素计算的时长,大大加快背景建模速度。实验结果表明,改进模型在目标检测、算法执行速率等性能指标上都有更好的表现,能满足实时检测要求。     

一种峭度依赖的参数自适应盲分离算法

针对超高斯与亚高斯混合信源分离算法上存在的不足,该文提出一种峭度依赖的参数自适应盲分离算法。该算法用加权双高斯模型估计超高斯与亚高斯信源分布,在自然梯度框架下,依据峭度实现模型参数自适应。通过使用混合图像对其进行验证,实验表明该算法不仅可以有效实现超高斯与亚高斯混合信源的分离,而且比已有算法具有更好的分离和收敛性能。     

一种基于直方图统计与多帧平均混合的背景提取算法

介绍了背景的提取与自适应更新的算法,提出了一种基于直方图统计与多帧平均混合的算法。这种算法克服单纯的多帧图像在车流量多、车速低时出现拖尾和模糊的现象,且相对于混合高斯模型,其计算复杂度较低。该算法已通过TI DM642DSP硬件平台实现,实验图像结果表明,该背景提取算法的速度快,且符合实际场景。     

改进高斯混合模型的运动目标检测算法

传统的高斯模型无法检测比较复杂的场景或速度较低的运动目标,因此提出基于改进高斯混合模型的运动目标检测算法.使用多个高斯模型表示运动目标图像内各像素点特征,并基于图像内各像素点与高斯混合模型相匹配则视其为背景点,反之为前景点原理,更新高斯混合模型.通过更新前景模型并计算短时稳定度指标,提高运动目标检测效果,通过确定高斯分...     

基于改进的单高斯背景模型运动目标检测算法

针对传统单高斯背景模型(SGM)存在的背景模型不能很好地自适应背景变化、目标检测不完整的问题,提出了一种改进的单高斯背景模型运动目标检测算法,该方法结合单高斯背景模型和mean shift原理对运动目标进行检测。取前N帧视频样本的均值作为初始背景模型,对当前帧图像进行运动目标的初检测,根据单高斯背景模型更新原理用当前帧图像对检测为背景的点进行背景模型更新,对更新后的背景模型中不属于背景点的像素点进行mean shift修正,将进行mean shift修正后得到的背景模型作为最终的背景模型,再通过背景差分法最终检测出运动目标。实验表明,改进的算法能很好地克服背景模型不能自适应背景变化的缺点,目标检测完整度比传统的单高斯模型高。     

一种自适应调整K-r的混合高斯背景建模和目标检测算法

针对非平稳背景下的复杂场景,该文提出一种自适应调整K-r的混合高斯背景建模和目标检测算法。该方法利用混合高斯模型(GMM)学习每个像素在时间域上的分布,构建自适应调整高斯分量K的方法,并针对不同情况,对描述像素的高斯分量数进行增加、删除或合并;在此基础上,模型参数更新式中引入了两个新的参数,能够根据实际情况自适应调整r值,使得背景建模和目标检测能够准确实时地随像素变化而变化,从而减少了运动目标信息的损失,提高了算法的鲁棒性和收敛性。实验表明,该算法在有诸多不确定因素的序列视频中能够迅速响应实际场景的变化,实现自适应背景建模和准确的目标检测。     

基于视频图像中运动目标检测算法的研究

运动目标检测是从实时捕获的视频序列图像或视频文件中将与背景存在相对运动的目标找出来。帧差分法和背景差分法是运动目标检测中常用的方法,文章主要研究了背景差分法中的单高斯背景模型和高斯混合背景模型的基本原理,对这两种算法进行了详细描述,对高斯混合背景算法进行了改进,实验结果表明,改进后的算法在目标检测质量是相对于原来的背景的基础上差分法,混合高斯模型数据量很小。     

具有非高斯相关噪声的目标跟踪

为实现强杂波背景下视频的鲁棒跟踪,在常 用非线性系统模型的基础上引入柯 西高斯混合噪声模型,充分考虑了非高斯噪声前 后时刻的状态相关性,并以权重条件最小方差为标准,推导了非高斯相关噪声的最优建议分 布 函数,在粒子滤波框架内实现了非高斯相关噪声模型时系统状态的准确估计。在新算法的框 架内采用多特征自适应融合的方法,实现了强噪声背景下视频目标的鲁棒跟踪。实验结果表 明,本文方法扩展了粒子滤波的适用范围,有效提升了强噪声环境下视频目标跟踪的精度和 稳定性。     

基于序列图像的复杂背景下字符识别技术研究

针对舰船模型其横摆度与纵摆度量的检测问题,研究了一种基于序列图像的复杂背景下字符识别方法用以检测舰船模型的摆度量。首先利用背景图像相邻区域灰度值变化缓慢的特性,采用高斯低通滤波算法对图像背景进行实时更新;其次提出了一种基于差分图像统计信息的自适应阈值分割算法,用以消除光线和环境的变化对背景的影响;最后研究了基于改进扫描线算法与模板匹配算法的字符识别算法。实验结果表明,研究的算法可以在不同光照情况下完整、快速地识别出舰船模型上印刷的字符,完全可以用于摆度量的检测,具有较大的实用价值。     

基于运动目标的快速背景建模算法

针对智能交通车流量检测系统,提出了一种适用于嵌入式系统的快速轻量背景建模方法.该方法先由帧差法过滤视频序列,抽取运动物体少的帧进行存储,再利用改进的高斯模型快速学习获得基础模型,并结合帧差和像素统计的方法对背景模型进行自适应更新,对传统混合高斯模型的缺陷进行了改善,在基于 TMS320DM648的图像处理客户端上表现出较好的实时性和天气适应性,以及更高的处理效能.     

一种基于高斯混合模型的运动目标检测改进算法

在运动目标检测方法的研究中提出一种基于高斯混合模型的运动目标检测的改进算法。首先利用颜色信息对背景建立高斯混合模型;其次在模型更新阶段．为了模型的自适应性和尽量逼近真实信号量,在传统学习率基础上提出一种加权思想,即对均值与方差分别给出一个不同的加权值。最后应用中值滤波及物体空间连通性进行后处理。实验结果表明,与传统高斯混合模型方法相比,改进的方法能更加有效地检测出运动目标,具有较好的鲁棒性。     

基于自适应高斯混合体模型的相控阵雷达TWS跟踪技术

本文提出了一种在相控阵雷达回波数据序列中用高斯混合体模型(GMM)检测与跟踪运动目标的在线算法.首先.回波数据中的每一固定位置的历史数据用点过程描述.然后用GMM逼近此点过程.GMM参数随新数据的到来不断更新.接着建立具有自适应特性的背景模型.将每帧回波数据分割为背景和前景.对已标记为前景的数据用连通分支进行分类.求出目标的中心位置、大小、径向运动速度、角速度.最后用卡尔曼滤波器对运动目标进行跟踪.试验结果表明.本文算法对于复杂场景中运动目标的检测与跟踪具有较好的鲁棒性和实时性.具有较强的实用价值.     

A fast method for moving object detection in video surveillance image

Moving object detection and extraction are widely used in video surveillance and image processing. In this paper, we present a fast method for moving object detection. We use weights of the Gaussian distribution as decision factors, update parameters of the Gaussian mixture model if its values are smaller than that of those not belonging to the background; otherwise, no updates are done. It improves the existing methods by updating the Gaussian mixture model selectively. Experimental results on various scenes of video surveillance show that computation time of the proposed method is reduced.     

Fast Compressive Target Detection for Wireless Video Sensor Nodes

In order to prolong the lifetime of visual target detection and tracking system based on wireless video sensor networks, many efficient methods have been proposed to reduce the energy consumption of the battery-powered video sensor nodes. Focused on reducing the amount of image data for computing, this paper presents a fast compressive method of target detection for video sensor nodes using structured compressive sensing. The major contributions are as follows: Firstly, we construct a novel structured measurement matrix for sampling the image. Secondly, we use an efficient adaptive Gaussian mixture model for real-time background subtraction. Experimental results show that our method can achieve good performance and over two times faster than traditional Gaussian mixture model.     

采用剪切波变换的红外弱小目标背景抑制

提出了一种将剪切波变换与贝叶斯统计机理相结合的背景抑制新方法来解决红外搜索跟踪系统探测复杂空中和地面背景杂波中的弱小目标这一难题.根据红外图像中目标和背景杂波的不同分布特性,首先,采用剪切波变换对原始红外图像进行多尺度和多方向分解,获得原始图像的多尺度和方向细节特征,然后,通过应用高斯尺度混合模型进行处理,从而将红外图...     

基于混合高斯模型的运动目标检测改进算法

针对传统混合高斯模型法的不足,提出一种基于混合高斯模型的运动目标检测改进算法。首先对模型的参数更新机制进行了改进,不同阶段采用不同的更新率,并选择性地更新背景模型;其次,将改进后的混合高斯模型法与和帧差法结合,进行两次与运算和一次形态学膨胀处理,得到最后的运动目标。实验结果表明,该方法能够有效地消除复杂环境中的噪声,并对阴影有一定的抑制作用,提高了运动目标检测的准确性。     

基于高斯混合背景模型的运动目标检测技术研究

在运动目标检测技术中,使用传统的高斯混合背景模型所得到的检测结果并不能完美地获取运动目标的轮廓信息,而图像中像素的梯度信息,刚好就是反映了各物体的轮廓和边界,并且相对于颜色信息而言,梯度信息对于噪声并不敏感。为此,该文对传统的高斯混合背景模型进行了改进,提出基于梯度时空信息的高斯混合背景模型,证明了改进的算法确实能够取...     

基于改进GMM和多特征融合的视频火焰检测算法

针对现有视频图像火焰检测算法前景提取不完整、准确率低和误检率高等问题,提出一种基于改进混合高斯模型(GMM)和多特征融合的视频火焰检测算法。首先针对背景建模,提出了自适应高斯分布数和学习率的改进GMM方法,以提高前景提取效果和算法实时性;然后利用火焰颜色特征筛选出疑似火焰区域,再通过融合改进局部二值模式纹理和边缘相似度特征用于火焰检测。基于支持向量机设计火焰融合特征分类器并进行对比实验,在公开数据集上的实验结果表明,所提算法有效提高了背景建模效果,火焰检测准确率可达到92.26%,误检率低至2.43%。