多尺度形态重构的微弱弹道轨迹检测

本文提出了一种多尺度形态重构的微弱弹道轨迹检测方法.该方法先用形态学灰值重构算法对序列图像进行背景估计并作二值化处理,提取出序列图像中的可疑目标.然后根据炮弹的凝聚特性对二值图像进行多尺度形态二值重构,消除二值图像中的大量虚警目标,最后根据炮弹的运动特性进行多帧数据融合检测弹道轨迹.仿真实验表明该方法能稳定检测出序列图像中的微弱弹道轨迹.     

基于残差下采样的立体视频编码算法

基于立体视频数据压缩的目的,提出了一种基于残差宏块自适应下采样立体图像编码方案。该方案采用H.264标准,独立编码左通道参考图像。应用视差估计和运动估计联合补偿技术编码右通道目标图像,在目标图像的编码过程中,根据目标图像运动场景的不同,对图像残差块进行选择性的下采样编码。与原始的JMVM算法相比,在相同的峰值性噪比下,该算法具有更高的编码效率。     

基于稀疏分解和复合熵编码的电能质量扰动数据高效压缩算法

对于电能质量扰动信号压缩问题,压缩比和重构误差是一对互相矛盾的指标。传统的压缩算法难以同时满足高压缩比和低重构误差的要求。为了同时提高压缩比和减小重构误差,该文提出了一种基于稀疏分解、哈夫曼编码和行程编码的混合压缩算法。首先,使用基于联合字典的稀疏分解算法,将电能质量扰动信号中的暂态分量和稳态分量进行分离;其次,对暂态分量使用小波分析、哈夫曼编码、行程编码算法进行编码压缩,对稳态分量,即基波和谐波分量,则保留其大于设定阈值的部分,进而完成对信号的压缩;最后,仿真信号和实测信号的实验结果表明该算法较对比算法具有更高的压缩比和更低的重构误差,同时证明了其对采样频率和高斯白噪声具有较强的抗干扰能力。     

基于彩色图像与深度图像信息融合的改进Camshift算法研究∗

针对传统Camshift算法在目标跟踪过程中会被拥有与目标物体类似颜色分布的背景物体干扰,导致搜索窗口发散或目标丢失的问题,提出了一种基于彩色图像与深度图像信息融合的算法,利用Kinect传感器可同时获取目标区域彩色图像与深度图像的特点,使用光流法在深度图像中对运动目标进行跟踪,通过考虑空间运动关系剔除相似颜色背景可能带来的影响.试验结果证明,该算法可有效跟踪运动目标,并在出现干扰时提高系统的鲁棒性.     

复杂环境下变电站运动目标跟踪技术研究

背景光线变化、树木摇动、下雨下雪等自然环境变化会给运动运动目标检测带来的很大影响。本文介绍一种背景动态生成算法,利用此算法实时动态地生成背景图像,在一定程度上解决了自然环境变化给运动目标检测带来的影响。然后使用背景差分法来检测运动目标,当存在运动目标时,根据连续2帧图像与背景图像差分的结果来确定运动目标的运动方向、运动目标的位置坐标。最后给出了一种云台转动角度的计算公式,根据此计算公式计算出云台的水平旋转角度和垂直旋转角度,实现运动目标检测和自动跟踪功能。     

基于场景运动分析的弱小目标形态学检测方法

本文提出一种基于场景运动分析的弱小运动目标形态学检测方法:首先利用场景运动分析校正序列图像,应用本文提出的结构元进行Top-Hat形态学滤波以抑制背景杂波,将滤波图像进行二值化和差分处理以提取可疑目标并抑制虚警,使用点-航迹关联法最终捕获目标.外场试验表明,同传统的形态学检测方法相比,可有效抑制航拍图像中的地物干扰,降低虚假目标数量.     

基于特征点集群目标跟踪与检测

目标跟踪与检测技术是计算机视觉研究领域一个热点和难点问题,该技术广泛应用在制导、导航、监控等方面。尤其在复杂背景下,准确的跟踪既定目标,在遮挡情况下稳定跟踪,是近年来研究的热点。利用一种特征点集群方法,通过提取特征点方式,以及对目标的运动估计等方式,解决针对地面目标在光线变化、缩放、旋转3个变化量下的跟踪与检测问题。该方法对于地面运动目标的限制较小,同时图像序列中每一帧图像间运动目标的位移量较小。运用本文所提出算法,能够解决针对地面目标在光线变化、缩放以及旋转情况下跟踪与检测的问题。     

图像网格法及应用

针对二维图像数据量大、运算时间长而不利于信息提取的特点,提出一种图像网格法.该方法将二维图像在图像坐标系中被分割成一种矩形方块序列,即图像“数据区”集合,并建立其背景特征数据库,因此能够利用背景特征的瞬时变化来测知各个方块在同一时刻所发生的图像信息变化,实现对多目标探测、识别与跟踪的快速反应.单个目标的识别运算周期能够减小至整幅二维图像常规处理时间的1/(M×N),M、N分别为图像“数据区”的像素列、行数.应用该网格法及其信息处理算法于钢坯定尺切割过程控制及空中多目标识别技术,显示该项成果较同类研究具有较大的性能优势.     

视频监视中运动物体检测的一种新算法

本文提出一种结合阈值分割以及区域生长的算法检测视频中运动物体的算法.首先对相邻的图像帧进行差分并根据3σ准则二值化差分图像,然后对二值图像进行扫描去除虚假目标区域和孤立亮点、并记录各区域的边界值,最后用区域生长的办法得到运动物体的完整信息.实验表明,在背景复杂、光照不均匀的视频中,该算法比帧间差分法、数学形态学的方法等能够更精确地检测出多个运动物体,在提取目标的同时,不留下任何背景像素,使下一步的目标跟踪更精确.     

复杂背景下的大豆叶片识别

利用计算机视觉和图像处理技术对叶片进行识别在农业领域逐步得到应用,但是,将叶片从具有复杂背景的图像中准确识别出来还是很难。本文提出了一种能有效地从具有复杂背景的图像中识别大豆叶片的算法。该方法首先利用基于HSI空间的三次标记分水岭算法提取出目标叶片,而后计算出目标叶片的形态参数,最后利用训练好的概率神经网络分类器对大豆叶片进行识别。对大豆叶片120幅样本图像能达到85.37%的识别成功率,证明了此方法的有效性。     

基于特征点检测与光流法的运动目标跟踪算法

为了解决当前运动目标跟踪算法在背景模型复杂和目标特征不明显的情况下,导致算法跟踪能力不足的问题,本文分别从特征点检测与光流法分析的角度出发,提出了基于特征点检测与光流法的运动目标跟踪算法。首先,根据图像梯度矩阵最小特征值,通过仿射变换,精确化特征点帧间匹配,排除伪特征点,达到精准检测运动目标特征点的目的。然后,基于图像像素守恒原理,进行2幅图像间变形评估,建立图像约束方程,进一步精确跟踪运动目标。最后,基于软件开发环境QTCreator实现算法,并系统集成。实验测试结果显示:与当前运动目标跟踪技术相比,本文算法拥有更高的准确性与稳定性。     

基于高斯混合模型的运动目标检测方法研究

在研究比较常用的各种运动目标检测方法的基础之上,结合静止场景运动目标检测的特点,采用基于背景减除法的高斯混合模型方法进行运动目标检测,即采用高斯混合模型进行背景建模、背景减除法确定目标前景区域,并通过图像平滑、二值化处理、去噪等方法对图像进行后处理,最终得到目标前景图像.该方法具有运算量小、处理速度较快的特点.实验结果表明,所设计的嵌入式运动目标检测系统能够检测出较完整的前景区域并判断出目标前景,能够满足静止场景下运动目标检测的需求.     

Markov随机游走和高斯混合模型相结合的运动目标检测算法

针对高斯混合算法对每一像素与它前后帧的像素相关联,并未考虑与相邻像素之间的关联,无法准确地捕捉到运动物体轮廓的情况,提出一种基于混合高斯模型和Markov随机游走的运动目标检测算法。利用混合高斯模型计算像素之间的颜色信息,采用Markov随机游走提取图像的边缘信息,并与提取的运动初始目标进行与计算,同时利用高斯混合模型更新背景信息。结果表明,本方法比传统的混合高斯方法具有较高的分割精度,很好的解决了混合高斯算法边缘模糊的问题,探测率也大大的提高了。     

旋转摄像机下的快速目标检测算法

对于动态场景下的目标检测,传统的方法已经不能适用.提出一种基于SIFT特征点预测的匹配算法,提高了运动目标检测的速度和准确率.在此过程中,用仿射参数模型结合最小二乘法求解出全局运动参数,再对运动进行补偿.采用ORSA的方法去除外点的影响;采用基于残差图像块的更新策略,实时更新特征点集.最后使用背景差法来实现运动目标的检...     

EMT用于金属结构裂纹图像重建的仿真研究

针对港口企业对港机探伤可视化的需求,进行了电磁层析成像(EMT)技术用于港机金属结构裂纹成像的仿真研究。Landweber迭代算法是一种常用的经典图像重建算法,但用于EMT金属结构探伤成像中则多有不足。为了提高图像重建质量,首先对经典Landweber算法进行了改进,根据传感结构的特点定义了图像重建的"感兴趣区域",通过裂纹定位、移位等过程使其位于"感兴趣区域",然后再进行Landweber图像重建;这种改进后的Landweber图像重建效果较好,但缺点是不能一次成像。然后,基于金属结构裂纹稀疏分布的特性,采用一种稀疏重建方法,即子空间追踪(SP)算法对裂纹进行图像重建,仿真结果表明,SP算法在图像重建质量、算法鲁棒性等方面明显优于经典Landweber算法,且重建过程耗时短,可以一次成像。     

车牌自动识读中的定位技术

汽车牌照自动识读系统是机器视觉和模式识别技术在现代智能交通领域中的一项重要应用,其中车牌定位技术是车牌自动识读系统正确识读的前提和关键。本文在分析了现有定位技术的优缺点基础上,提出了一种综合定位算法。该算法通过对视频图像中运动车辆的检测,消除复杂背景的干扰,利用区域生长、阴影消除、彩色分割及形态学分析等图像处理方法,获取车牌的精确定位。最后给出实验结果,实验表明,该算法有效定位率达到92%,具有较好的实用价值。     

一种自适应运动目标检测算法研究

提出了一种新的自适应目标检测算法,实现了快速对目标区域进行匹配更新,能够自适应精确检测出运动目标。通过改进的混合差分模型确定运动目标最大分布可能区域并融合混合高斯模型对此区域进行背景重建,再运用背景差分得到精确前景目标。实验仿真结果表明能够在复杂场景下克服环境噪声与背景扰动,降低了复杂度和计算开销,具有很好的鲁棒性。     

基于WNN的电阻层析成像图像重建算法的研究

本文对于电阻层析成像系统的图像重建提出了一种基于小波神经网络的图像重建算法,介绍了电阻层析成像技术的原理、数学模型及问题描述,给出了小波神经网络的结构、特点及图像重建的过程.利用MATLAB编程进行了图像重建的仿真实验.仿真结果表明,与线性反投影算法相比,小波神经网络算法提高了重建图像的质量.用横截面图像误差作为重建图像质量的评判标准,线性反投影算法的误差超过了10%,而小波神经网络的算法低于5%.