一种基于多传感器多级信息融合的红外目标检测方法

针对远距离低信噪比条件下目标检测难的实际问题,该文提出一种基于多传感器多级信息融合的目标检测方法。该算法包括两个部分：特征级融合和决策级融合。在特征级融合阶段,首先提取双波段红外图像的各个特征图像;然后,采用自适应加权方法对所得到的特征图像进行融合,得到目标判决置信图;最后根据置信度最大规则对置信图进行目标位置搜索,得到各级目标判决结果。在决策级融合阶段,对各级目标判决结果采用组合逻辑进行融合,得到系统的目标检测输出。实验结果显示了该算法的有效性。     

一种基于ROI的红外舰船目标检测方法

提出了一种基于ROI的红外舰船目标检测方法.该方法依据注意机制的原理,采用自上而下的计算模型,首先根据目标模型的几何和热辐射特征,划定初步的ROI区域;然后在划定的ROI中检测吃水线特征和边缘梯度统计特征,由此选出符合条件的ROI;最后在选出的ROI中进行分割及特征量检测.实验证明,算法快速准确,适用性较强.     

基于SVM和背景模型的显著性目标检测算法

针对显著性目标多样性和不确定性,机器学习算法无法检测没有先验信息的图像问题,提出了一种基于图像边缘信息构建背景模型结合SVM分类算法的显著性目标检测算法.该方法对输入图像进行超像素预处理,使像素级转化为超像素级,既抑制噪声,又提高了计算效率.利用图像边缘超像素构建图像的初始背景模型,得到初始显著图.基于SVM算法建立目...     

融合颜色信息与深度信息的运动目标检测方法

基于颜色信息的运动目标检测易受光照、阴影等影响,基于深度信息的运动目标检测存在目标边缘噪声大,无法检测距离背景较近的目标等问题。针对上述问题,该文利用CCD相机获取的颜色信息及TOF相机获取的深度信息分别为每个像素建立颜色与深度信息的分类器,根据像素点的深度特征及前一帧的检测结果,自适应地为每个分类器的输出分配不同的权值,实现运动目标的检测。该文采集多组视频序列进行实验,实验结果表明该方法能有效解决单独利用颜色或深度信息进行运动目标检测时出现的问题。     

基于WiFi的室内目标检测与定位方法

提出了一种基于WiFi的室内目标检测与定位方法。采用连续多路径干扰消除的方法为多维参数估计提供初始化值,对估计出的多维参数进行特征提取和分类,可以识别出室内有无目标以及目标的状态。通过信道参数实现目标位置估计,并根据室内地标来校准位置。实验结果表明,提出的定位算法平均误差为0.825 2 m,可有效提高定位的准确度。     

采用信息融合的红外目标检测算法

针对空中红外目标检测过程中存在的检测精度不高、易受干扰等问题,本文提出了一种信息融合的目标检测算法。首先,针对单一滤波模式的不足,采用降采样方式将多种模式的滤波方法进行融合,有效提高了滤波后的图像信噪比,减少了预处理时间。然后,对质心检测选定的检测区域进行显著性检测和边缘检测,并将结果进行融合,增强了目标区域的信号强度,改善了算法的检测精度。文中从理论上介绍和分析了该算法对红外目标检测的有效性,并通过Matlab仿真实验与其他单一检测算法进行了对比。实验结果表明,信息融合的检测算法能够在多种复杂情况下有效检测出空中红外目标,证明融合检测算法的抗干扰性和适应性上更强、检测精度更高、算法的鲁棒性更好。     

基于多频信息融合的高频雷达目标检测

针对高频雷达面临的干扰严重、目标雷达散射截面(Radar Cross-Section, RCS)起伏等问题, 提出将靶场雷达中的多频探测技术引入高频雷达, 大幅降低了干扰和RCS起伏对雷达系统目标检测能力的制约, 同时提出了一种基于非相干积累的多频信息融合技术, 将多频点数据在速度域上进行非相干积累, 获得高信噪比, 进一步提升高频雷达目标检测能力.通过仿真和实测数据验证, 上述方法能够在原有信噪比基础上得到提升, 与理论值相近.证明该方法有效.     

一种基于视觉显著图的舰船红外图像目标检测方法

提出了一种基于视觉显著图的红外舰船目标定位方法,即通过改进的Itti模型生成视觉显著图,并基于视觉显著图分割出目标区域,从而实现目标检测。先用小波变换替代Itti模型中的高斯滤波来生成图像多尺度金字塔,然后用center—surround算子提取出多尺度的视觉差异特征,并对生成的视觉特征图进行合成,生成显著图。最后,利用阈值分割方法分割出目标区域,并对原始图像进行标记,从而实现目标检测。实验结果表明,与传统的Otsu阈值分割方法相比,该方法能够准确检测出目标区域。     

结合对称差分和边界信息的运动目标检测方法

针对对称差分法检测目标时容易产生空洞以及当目标运动较慢或尺寸较小时易出现漏检等缺点,提出了一种将对称差分和边界信息相结合的运动目标检测算法。首先选取合适的阈值将对称差分得到的差分图像二值化,然后将二值图像相与的结果像进行形态学滤波确定目标的粗略位置;同时对中间帧进行边缘检测,将检测结果与确定的运动目标粗略位置进行交运算,得到运动目标的边界,再经过区域填充等处理获得准确的运动目标。实验结果表明该方法能对运动目标进行准确检测,且具有很好的鲁棒性。     

基于视觉注意机制和水平集方法的红外海面目标检测与识别

针对传统红外目标检测与识别方法所存在 的问题,即其处理过程总是盲目地对全图进行耗时搜索,提出了一 种基于视觉注意机制和水平集方法的红外海面目标检测与识别方 法。首先,搜索原始图像中的显著性区域,并以获胜点的形式 表示它们。接着,基于所得到的显著性区域,自动初始化水平集函 数,并使演化过程朝着期望的目标轮廓方向挺进,直至演化过程到 达最终的平衡状态。最后,针对远距离(近距离)成像时的输入数 据,给出检测结果(基于不变矩和神经网络框架的识别结果)。对 真实红外海面目标进行的实验证实了本文方法的有效性。     

基于背景重构的运动对象越界侦测方法

提出了一种基于背景重构的运动对象越界侦测方法,该算法利用当前视频图像和背景视频图像,通过差分法获取运动对象模型和背景差值,再利用运动对象模型的连续性绘制运动对象轨迹,对轨迹和警戒线交叉方程进行越界侦测。同时,利用当前视频图像融合背景图像生成新的背景图像,能有效保证识别算法的自适应性,提高侦测结果的准确性。     

一种基于三帧差分和边缘信息的运动目标检测方法

为了改进目前常用的运动目标检测方法易受到噪声和亮度突变的影响、易出现虚假目标的情况,该文提出了一种基于3帧差分和边缘信息的运动目标检测方法。该方法首先对连续3帧图像进行边缘提取得到3帧连续的边缘图像,然后对3帧连续的边缘图像进行3帧差分运算,最后通过阈值分割和形态学处理完成对目标的提取。该方法计算简单,实验结果表明该方法能对运动目标进行准确检测,且具有很好的鲁棒性。     

基于场景感知的运动目标检测方法

背景减除法是一种主要的运动目标检测框架,但在复杂环境中构建一种初始模型建立周期短、可靠性高、鲁棒性好的模型仍是一大难题.本文从场景感知的角度出发,在背景减除框架的基础上提出一种目标检测方法.该方法根据前两帧中稳定的结构信息感知背景中潜在的前景区域,在第二帧建立初始模型时利用最近邻域背景像素点代替可能的前景像素点,提高了初始模型可靠性;结合颜色信息和二进制特征提出了像素点二级分类判决机制,并通过感知像素点邻域内的纹理复杂度自适应调整局部判决阈值和更新频率;在模型更新阶段提出处理误判的反馈机制.在公开视频序列上同几种流行检测算法的实验对比结果证明了本文算法的有效性和优越性.     

融合视觉机制和多尺度特征的小目标检测算法

针对SSD(Single Shot MultiBox Detector)目标检测算法对小目标检测能力不足的问题,提出一种引入视觉机制和多尺度语义信息融合的VFF-SSD(Vision Feature Fusion SSD)改进算法。为了增大浅层网络的感受野提高特征提取能力,首先在SSD浅层特征层中加入视觉机制,然后利用改进PANet(Path Aggregation Network)多尺度特征融合网络与深层特征增强网络得到新的特征层,旨在增强浅层网络的语义信息并加强深层特征的特征表达能力,最后应用注意力机制模块提高对重要信息的学习能力。实验结果表明,在PASCAL VOC2007测试集检测的mAP(Mean Average Precision)值达到81.1%,对数据集中小目标的mAP值较原SSD提高了6.6%。     

地下目标探测的LFMCW RD成像方法分析

在地下目标探测过程中,由于地下介质与空气的介电特性不一致,发射信号的传播速度和传播路径会发生改变,传播速度不再保持恒定,传播路径也不再是沿直线传播。由于采用连续波体制,此时传统的回波信号模型和成像处理方法都不再适用。根据地下目标成像的特点,针对线性调频连续波体制探地雷达,给出了地下目标成像的接收回波模型,并以此为基础,建立了以分层成像处理为基础的RD成像处理方法,并通过仿真进行了验证。     

一种视频监控中基于航迹的运动小目标检测算法

针对视频监控中运动小目标难以检测的问题,该文提出一种基于航迹的检测算法。首先,为了降低检测漏警率,提出区域纹理特征与差值概率融合的自适应前景提取方法;其次,为了降低检测虚警率,设计航迹关联的概率计算模型以建立疑似目标在视频帧间的关联,并设置双门限以区分疑似目标中的真实目标与虚假目标。实验结果表明,与多种经典算法相比,该算法能对定量范围内的运动小目标以更低的漏警率和虚警率实施准确检测。     

基于自适应背景图像更新的运动目标检测方法

在运动目标的实时检测中常用的方法是背景图像差分法,但因其缺乏背景图像随监视场景光照变化而及时更新的合理方法,限制了本方法的适应性.对此,本文首先提出了一种基于光流场等技术的自适应背景逼近更新方法,并根据彩色差值模型得到差分图像;然后引入Gauss模型实现运动目标的自适应阈值分割.实验结果表明:本文提出的背景更新方法可随着光照条件的变化实时、准确地更新背景图像,在此基础上提出的基于Gauss模型的自适应阈值分割方法可以实现运动目标的完整分割,这为运动目标的后续识别与理解奠定了基础.     

基于空时多线索融合的超像素运动目标检测方法

运动目标检测是计算机视觉领域极具挑战性的难题,该文针对这一问题提出一种基于空时多线索融合的超像素运动目标检测方法。首先利用简单线性迭代聚类算法将当前帧分割为超像素集合,根据帧间的像素级时变线索找到当前帧中包含运动信息的前景超像素子块;然后根据运动目标的一致性原则建立前一帧目标模型,结合目标空间线索进一步确定包含运动目标的检测窗口,将目标检测问题转化为目标分割问题,利用密集角点检测将目标从窗口中分割出来。在多个具有挑战性的公开视频序列上同几种流行检测算法的实验对比结果证明了所提算法的有效性和优越性。     

基于滑动窗的混合高斯模型运动目标检测方法

在复杂场景下,传统混合高斯模型能较好地检测出运动目标,但随着时间的推移,模型参数收敛缓慢且难以适应场景中真实背景的实时变化,从而导致运动目标的错误检测率增加。该文利用滑动窗技术的短时历史记忆特性,提出一种新颖的基于滑动窗的混合高斯模型运动目标检测方法,该方法弥补了传统混合高斯背景模型不能及时形成新背景的缺点,提高了运动检测的完整性,并进一步降低了算法对场景光照变化的敏感性。多场景下的对比实验结果表明,该方法能更准确、完整地检测出运动目标并具有更好的环境适应性。