基于序列图像中运动小目标检测

根据序列胶片图像中运动目标帧间相关特性,提出一种弱小目标检测的方法。采用图像积累的方法,提高信噪比,去除图像背景;采用自适应门限进行阈值分割,得到二值化的图像;利用帧间目标相关的特性去掉噪声点,检测出目标点。实验结果表明,该方法能够有效地提取出低信噪比下序列图像中的微小运动目标。     

海空背景下红外弱小目标检测方法

针对在海上搜救中弱小目标难以被发现的情况,提出了一种海空背景下红外弱小目标的检测方法.该方法首先进行背景预测,然后将原图像和背景预测后的图像差分进行目标提取,使用Top-Hat变换对目标提取后的差分图像进行滤波处理以去除残余波浪噪声影响,最后使用自适应阈值检测,检测出弱小目标所在的方位.通过和传统的对单帧图像采取Top-Hat变换滤波做法的比较,可以看出来该方法可以较好的去除海浪的影响,检测出亮度较高的红外运动弱小目标,辅助海上搜救工作的完成.     

一种基于改进混合高斯模型的运动目标检测算法

针对运动目标检测中ViBe算法的鬼影、阴影和噪声干扰问题,本研究提出一种融入改进混合高斯模型(GMM)的ViBe算法。该算法改进混合高斯模型的自适应性,使混合高斯模型的K值与学习率对背景进行自适应调节;对视频帧进行训练,构造"虚拟"背景代替第一帧图像进行背景建模,算法能够有效地提取背景建模初始化的视频运动目标,从而消除鬼影现象。该算法用像素分类法提取前景目标,经形态学处理得到完整的运动目标。实验结果表明:与几种运动目标检测算法相比,本研究提出的算法不仅能够有效地抑制鬼影、阴影和噪声干扰,而且该算法自适应性强、检测速度快、检测结果可靠。     

旋转复杂背景中红外运动小目标实时检测

针对旋转复杂背景中红外运动小目标检测误检率高、实时性差等问题,提出了目标检测新算法。首先对图像进行中值滤波预处理,计算图像光流场,提取特征点,估算背景光流;然后设置阈值,判断提取备选目标特征点集合;最后通过特征点光流矢量角度、目标灰度值区间、目标特征点区域边缘检测的方法,排除备选目标特征点集合中的背景特征点,实时准确检测旋转复杂背景中红外运动小目标。实验结果表明,该算法能够准确地检测出红外多个运动小目标,检测率93.8%,平均虚警率0.126次/帧,平均每帧耗时15.53 ms,每帧图像处理的最大时间为20.45 ms,能够满足运动目标检测对实时性的要求。     

基于有限线积分变换的序列图像运动目标检测

运动目标检测主要是从序列图像中将变化区域从背景中分割出来,它影响着运动目标能否正确地分类和跟踪。因此,运动目标检测是智能视频监控技术中的关键问题之一。有限线积分变换（finitelineintegraltransform,FLIT）作为近年来一种多尺度几何分析的新方法,能有效提取图像中的线性特征。检测方法是在FLIT的基础上再结合背景差法来实现的。具体而言,先对图像序列中的每帧网像（包括参考帧）作固定模板下的FLIT,再用当前帧的FLIT减去参考帧的FLIT,然后对不同方向提取的运动目标信息进行综合,最后采用数学形态学的相关处理来消除噪声。实验结果表明,使用该方法可以承受整体的或局部的、缓慢的或突变的光线变化,能有效地检测出运动目标。     

基于边缘信息和时空马尔可夫模型的运动目标检测方法

针对传统方法易受阴影和噪声的影响,不能精确分割出运动目标的情况,提出了一种基于边缘信息和时空马尔可夫模型的运动目标检测方法。首先对3帧连续的图像进行边缘提取,然后通过差分法运算获得两帧初始标记场,随后对两帧初始标记场进行＂与＂操作获得共同标记场,利用迭代条件模型求解共同标记场的全局最小值,进而实现近似求解最大后验概率的估算,获得优化的标记场,最后通过阈值分割和形态学处理完成对目标的检测。与多种方法进行比较表明,该方法能对运动目标进行准确检测,且具有很好的鲁棒性。     

基于复小波光流法和利用平均算子的二次三帧差法的运动目标检测方法

针对机器视觉系统中快速运动目标的检测问题,提出了一种结合复小波光流法和利用平均算子的二次三帧差法的运动目标检测新算法。首先,在考虑算法复杂度的情况下,选择图像中的Harris角点作为特征点计算光流信息;然后运用复小波光流法对运动目标进行更精确的运动估计,为了得到更完整的检测区域,同时引入改进三帧差法作为光流法的补充。改进的二次三帧差法通过平均算子滤波,能较好的抑制噪声,消除背景变化带来的干扰。通过QT和OpenCV搭建的平台,利用该算法对快速运动目标进行检测,结果表明:该算法能检测出动态背景下快速运动的目标,其检测率高于90%,虚警率低于10%,证明了算法的有效性和实用性。     

基于麦克风阵列的目标电抗器噪声提取与分离技术研究

特高压变电站内声源种类众多、声环境复杂，给基于声信号的特高压并联电抗器状态评估与故障检测带来了巨大挑战。为解决这一问题，本文提出了一种基于麦克风阵列的目标电抗器噪声提取与分离技术，用于提取目标电抗器本体的声信号，首先通过一种基于掩蔽的波束形成算法分离目标电抗器非同向噪声，然后通过欠定盲源分离算法分离目标电抗器同向噪声，实现了变电站内复杂噪声的有效分离。通过在屏蔽室内设置验证性试验，证明本方法的误差率小于10%,满足工程应用的需要。本方法的提出解决了变电站内现场噪声分离提取的困难，对于特高压并联电抗器的故障诊断具有积极意义。     

基于Meanshift和Hough变换的秧苗行中心线提取

针对传统的作物中心线提取方法易受作物种植间隙和噪声的影响,利用Meanshift算法能有效去除作物种植间隙和细小噪声的影响和Hough变换抗干扰能力强的特点,提出基于Meanshift和Hough变换的秧苗行中心线提取方法。该算法首先对水稻图像进行超绿变换(2G-R-B)和阈值处理,成功分离了目标与背景、减少了噪声并且提取出秧苗行的二值图像;然后对二值图像应用Meanshift算法去除叶片间的间隙和细小的噪声;最后应用Hough变换提取出秧苗行中心线。实验结果表明:相对传统的作物中心线提取方法,该算法获得的结果鲁棒性好,精确度高。     

一种双波段红外图像弱小目标融合检测新算法

提出了一种基于模糊推理的双波段红外图像弱小目标融合检测新算法．首先分别得到双波段红外差分图像,根据差分图像的噪声特性引入隶属度函数来衡量像素点灰度变化程度,对多帧差分图像进行融合,按照“IF…THEN…”规则分别完成单一波段融合后的图像模糊推理,提取目标运动航迹,最后通过融合双波段的航迹实现弱小目标的检测．仿真实验结果表明,该算法通过模糊推理克服了 “硬”判决带来检测概率低的缺点,利用双波段红外图像融合提高了检测性能,可以有效地检测出低信噪比红外图像序列中的弱小运动目标．