基于三角形匹配的空间小目标检测算法

由于天基平台拍摄天空图片时,背景和相机同时发生相对运动,造成相邻帧之间无法通过简单的帧差法得到运动的小目标,造成了空间目标检测的难度。在分析星空图像模型的基础上,提出了一种提取特征点组成匹配三角形的图像配准方法。首先对图像进行预处理,通过最优阈值的选取对单帧图像进行分割,去除背景噪声。将星点按面积大小划分,对符合条件的星点组成特征三角形并在相邻帧中进行匹配得到运动参数。在配准时为了减小计算量,忽略背景插值只针对星点坐标矩阵进行处理。最后通过多帧轨迹关联检测出目标的运动轨迹。仿真实验表明,在运动的序列图像中,该方法能实现高检测率和低虚警率的实时检测。     

基于最大值投影和快速配准的空间小目标检测

天基观测平台下弱小目标的检测是分析空间安全的重要研究内容。由于空间中存在大量外观与目标相似的恒星导致可利用空间分布信息缺乏;观测平台的不规则性运动导致帧间成像差异,都使得开发自动快速处理算法的难度增加。在分析星空图像模型的基础上,提出了一种基于三角形匹配和最大值投影的小目标检测方法。首先通过特征三角形对序列图像进行配准,并采用星点坐标矩阵的方法减小计算量。然后针对序列帧所有图像,采用最大值投影变换的方法,检测运动的小目标。最后通过200帧观测图像对算法进行验证,实验表明该方法能实时、准确地对目标进行检测,同时可以精确地定位目标质心。     

复杂背景下运动目标检测方法

利用相邻两帧图像的运动信息更新特征块提取阈值,实时地提取出当前帧图像中最能体现背景运动特征的特征块。采用块匹配的运动估计方法获取了各块的运动矢量,再依据所有特征块运动矢量的统计特性提取出背景运动矢量来配准差分,实现了目标的检测。实验结果表明,此方法能有效地检测复杂背景下的运动目标。     

基于五帧差分和模板匹配的运动目标检测识别

针对帧差法和背景差分法检测运动目标准确率低,自适应能力弱等缺陷,提出了一种改进五帧差分法与背景差分法和模板匹配相结合的运动目标检测和识别算法;通过改进的五帧差分和背景差分法融合的算法从视频图像序列中检测出运动目标;利用形态学方法去除噪声,改善运动目标提取效果;在Harris算法提取图像匹配特征值的基础上角点配准,提高图像识别的准确率,通过提取目标特征与自适应模板图像进行特征匹配的方法实现了目标检测识别和跟踪。仿真结果和实验表明该方法有噪声和部分遮挡的运动目标有良好的检测识别效果,识别率达到了95%。     

空间弱小目标图像检测方法研究

针对背景缓慢运动的空间弱小目标图像检测问题,提出了序列图像背景配准方法及基于目标特征的空域滤波方法.通过对动态背景序列图像的背景恒星配准及背景消除,得到了目标图像.通过基于目标特征的滤波,并用质心法计算出每帧目标代替点得到轨迹投影图.最后使用Hough直线检测算法和最小二乘法提取目标轨迹.实验选择了实拍的序列图像,检测结果验证了该方法的有效性.     

帧间差分融合灰度投影的运动目标检测方法

针对光线变化、动态背景以及摄像头轻微晃动等因素导致监控视频中运动目标的检测识别率低的问题,提出帧间差分融合灰度投影的运动目标检测方法。在帧间差分算法的基础上,通过改进三帧差加法运算,改善了光线变化的影响。同时,将连续三帧差加法运算的图像进行水平与垂直方向的灰度投影得到两个方向上的灰度投影曲线,对相邻的灰度投影曲线进行互相关运算,互相关曲线的峰值坐标即为运动目标在相邻图像之间的运动位移,以此实现了运动目标的检测。实验结果表明,在单个目标和多个目标的检测识别中,该方法能够获得准确的运动目标,其识别率、误检率均优于传统帧差法。     

动态背景下基于帧间差分与模板匹配相结合的运动目标检测

基于图形处理器单元（GPU）提出了一种帧间差分与模板匹配相结合的运动目标检测算法。在CUDA—SIFT（于统一计算设备架构的尺度不变特征变换）算法提取图像匹配特征点的基础上,优化随机采样一致性算法（RANSAC）剔除图像中由于目标运动部分产生的误匹配点。运用背景补偿的方法将静态背景下的帧间差分目标检测算法应用于动态情况,实现了动态背景下的运动目标检测,通过提取目标特征与后续多帧图像进行特征匹配的方法最终实现自动目标检测。实验表明该方法对运动目标较小、有噪声、有部分遮挡的图像序列具有良好的目标检测效果。     

一种空间弱小目标的图像检测方法

针对天基空间观测图像背景缓慢运动和目标信噪比低的特点,提出了一种滤除星空背景检测太空弱小目标及获取运动轨迹的方法。通过对动态背景序列图像的背景恒星配准及背景消除,得到了目标图像。通过基于目标特征的滤波,并用质心法计算出每帧目标代替点得到简洁的目标轨迹图像。最后使用Hough直线检测算法和最小二乘法提取目标轨迹。实验结果验证了该方法的有效性。     

一种基于空间关系的抗抖动红外多点目标关联算法

针对在摄像机发生抖动时拍摄的红外图像的多点目标关联问题,提出了新的算法,采用了基于特征三角形的多点目标关联算法.根据目标间的相对位置关系,利用特征三角形对相邻两帧的图像进行配准,消除由于背景运动和摄像机抖动引起的目标整体的平移、旋转和缩放.然后根据配准后的结果,采用改进的最近邻法对目标进行关联.试验仿真结果表明:算法精...     

基于相关配准的帧间差分算法

针对帧间差分法在摄像头运动时受动态背景严重干扰的问题,提出了一种基于图像配准的运动目标检测算法。首先将中值滤波后的连续两帧图像配准,配准时先在前一帧图像中选取背景,即背景图像,用区域相关法将后一帧图像与背景图像配准;接着将配准后的2帧图像差分得到帧间差分图像,即帧差图像,再用数学形态学的开运算去掉帧差图像中的一些细小噪声;最后将连续两帧去噪后的帧差图像逻辑与运算,得到运动目标检测结果。实验结果表明,在摄像头运动时的动态背景下,该算法有效地抑制了动态背景的干扰,准确地检测出了运动目标的边界,提高了运动目标检测在动态背景下的应用价值。     

基于背景差分和信息熵的运动目标检测算法

提出一种目标检测算法,首先选取视频的第一帧作为背景帧,运用加权累加图像方法更新背景图像,背景图像的更新速率通过相邻帧的差分结果决定,再运用背景差分算法提取出运动目标。计算运动目标的区域的熵值,通过熵值判断出特征目标。实验结果表明,该算法简单,稳定性好,能够较好解决动态背景的问题并且检测出特定目标。     

基于地理同名点配准的机载红外移动小目标检测方法

在飞行器等移动载体条件下的红外光电系统中,由于场景条件复杂,目标特征不明显,弱小移动目标检测是自动目标检测领域的一大难点。因此,针对复杂地面场景条件下的移动小目标检测问题,提出了一种无关图像内容的基于帧间地理同名点区域配准的机动目标检测方法。该方法通过综合飞行器惯性组合导航信息,解算视场中像素点对应的地理位置,获取帧间图像地理同名点对,完成图像配准工作,区域配准获得帧间背景的移动量,并对帧间图像进行运动补偿,然后进行帧间差分将背景干扰去除,突出运动目标,最后利用目标运动信息的反向验证对目标进行确认。通过试验结果可以看出,该算法能够取得较好的检测效果。     

一种基于全景视觉的运动目标检测改进方法

对视觉领域中全景视觉的不断研究表明,采用鱼眼镜头获取的图像序列所研究的运动目标检测准确率低,受到噪声干扰时鲁棒性不高,针对该问题提出一种基于全景视觉的运动目标检测改进方法。该方法首先采用五帧差分法对图像进行处理,利用相邻5帧之间进行差分来完成前景与背景的分离,有效地减少目标空洞问题;然后在混合高斯模型中提高自适应学习率和更新高斯分布数量,有效克服了检测中出现的重影现象;最后通过形态学处理,得到目标检测结果。实验结果表明,改进的方法提供了比传统的全景图像运动目标检测更可靠的检测结果,目标检测率较高。     

一种序列图像中运动点目标的检测方法

序列图像中运动点目标的检测按图像的成像系统不同,可分为红外图像中运动点目标的检测和可见光图像中运动点目标的检测,而现有检测算法多是针对前者。为寻找一种适用于两种类型图像的运动点目标的检测方法,以多云天空为研究背景,提出了一种新的运动点目标检测算法。采用高通滤波和形态学滤波相结合的方法进行背景抑制,基于检测前跟踪（TBD）的基本思想,根据相邻三帧进行目标分割,利用轨迹能量累积方法完成目标检测。理论分析和仿真结果表明,该算法简单易行．既适用于红外图像又适用于可见光图像的运动点目标,而且对目标的运动速度和方向无任何限制。     

从移动背景红外序列图像中检测运动目标

该文提出了一种从背景移动红外图像中自动检测运动目标的算法。该算法首先采用图像灰度互相关度量的匹配算法对连续的6帧序列进行配准,用第1帧和第4帧配准,第2帧和第5帧配准,第3帧和第6帧配准,然后用配准后的图像对分别做差分运算,再将3个差分图像按像素相乘,在运动目标处得到了非常尖锐的相关峰。这为进一步自动跟踪目标提供了一个跟踪窗口的中心点。实验结果验证了该方法的有效性。     

针对运动摄像机的快速低存储开销运动目标检测算法

摄像机的运动会导致整幅图像的运动,使得此情形下的目标检测极具挑战性。针对该问题提出一种快速低存储开销检测算法。首先,利用一种快速低存储开销配准方法计算相邻两帧的单应变换矩阵。而后,使用单应变换矩阵进行相邻两帧之间的配准,并由帧间差分获取帧间运动信息。最后,采用积累运动信息的方式构造不断更新的运动图像,通过对此运动图像进行阈值分割分离出最终的运动目标。在多个不同视频序列下的实验表明该算法能够有效地从嘈杂的场景中检测出运动目标。此外,与先前算法相比,该算法检测性能更好,且显著地降低了存储开销与计算时间开销。对于480360的序列而言,该算法需要的存储开销仅为825 kByte,且运算速度达到16帧/m。     

运动序列中动目标检测的稳健性方法

提出一种运动序列中动目标检测的稳健性方法。用尺度不变特征变换(SIFT)算法生成特征描述符,基于最近邻距离比(NNDR)进行初始匹配,增加对称性约束以获得稳健的匹配点集。随机抽样一致集算法(RANSAC)用于分离背景和目标对应特征点,实现背景运动的稳健性估计。背景补偿后,相邻帧差分和数学形态学方法实现动目标的分割。真实运动序列的实验结果表明,该算法能够获得稳健的匹配点对,检测出运动目标。     

基于关联帧差分法的运动目标检测与跟踪

针对帧间差分运动目标检测方法检测出的运动目标容易产生拖影现象及存在一定程度的空洞等缺陷,该文提出基于关联帧差分法的运动目标检测与跟踪方法.通过计算相邻三帧图像的相似度,并求取相邻帧之间的差分图像,对差分图像进行与操作后进行轮廓填充来获取运动目标.实验结果表明,该文所提算法不仅可以精确检测与跟踪运动目标,克服帧间差分运动...     

基于双向稀疏光流融合的小目标检测方法

针对动态背景下的小目标检测问题,提出了基于双向稀疏光流融合的目标检测方法.首先采用FAST方法提取当前帧图像中的角点,然后在连续的三帧图像中进行前、后向稀疏光流跟踪,确定正确匹配的特征点对,利用匹配的特征点对计算用于背景补偿的帧间运动参数,最后在背景补偿的基础上进行三帧差分,以检测出图像中的运动小目标.实验结果显示,本算法能够很好地解决背景和目标同时快速运动的问题,为运动目标的跟踪奠定基础.     

图像分块重建的红外运动目标检测算法

背景差分法是目前运动检测中最常用的一种方法,具有检测位置准确,速度快等优点.背景提取是影响该方法检测效果的关键因素.针对背景差分算法中背景参考帧提取存在的问题,引入非相似度判别算法,给出了一种新的基于图像分块重建的红外运动目标检测方法.该算法在对图像进行合理的区域划分的基础上,利用相邻帧对应块的非相似度值判别出背景区域...