基于曲线演化的运动目标跟踪研究

文中使用基于差分图像的运动目标检测算法预处理图像,标定出含有运动目标的矩形区域,然后采用水平集方法进行曲线演化实现结果.实验表明,这种方法不仅可以对多个运动目标进行跟踪并能非常好地逼近运动目标的轮廓,而且能够自然地处理运动目标的拓扑形变.     

基于运动信息的弱小目标跟踪方法

近年来,低信噪比图像序列中弱小目标跟踪问题是国内外学者研究的一个热门课题.文中针对弱小目标的背景特性、目标特性和运动特性进行了深入分析,提出了利用序列图像小目标运动的连续性滤除背景以提高信噪比,运用目标本身特征和运动信息确认目标,减少虚警率,从而有效地跟踪弱小目标.算法收敛迅速,跟踪精度高.仿真实验结果表明该方法能够准确高效的检测并跟踪运动小目标.     

红外系列图像运动小目标检测

红外系列图像运动小目标检测,基于形态学滤波抑制图像系列背景方法,在图像分割基础上,利用目标在帧间运动的连续性进行目标识别.即首先通过形态学滤波进行图像预处理,用自适应阈值方法分割出候选目标,再利用目标运动特征,采用邻域判决法最终检测出目标.模拟实验表明该方法能够准确高效地检测出运动小目标.     

海面运动目标的检测与跟踪系统研究

海面上运动目标的检测与跟踪技术,涉及图像处理、模式识别及人工智能等领域,并且该技术也被广泛地应用到军事等各个方面。在军事中,为了给制导系统以足够的时间反应,要求在远距离就能检测到运动目标,因此要求图像处理及跟踪系统有较快的运算速度,本系统在双数字信号处理器（双DSP）控制系统的基础上,利用提升形态小波方法进行图像预处理,通过试验得出其去噪效果最为明显,比原图像的对比度提高37.45倍。利用RANSAC算法对海天线进行检测,同时将GA算法和Otsu算法相结合来提取运动目标特性,通过试验得出其分割方法的效果明显,并且与传统的穷举搜索域值相比,其运算速度提高176.47倍。系统将程序嵌入到双DSP控制系统中,通过实测达到了对运动目标的准确定位及稳定的自动跟踪效果,并且图像处理平台的实际运算能力和数据的吞吐量也满足系统对运动目标图像处理的要求。     

海天背景下红外舰船目标实时跟踪算法研究

针对海天背景下的红外舰船图像对比度低、船载摄像机上下抖动剧烈的特点,文中提出了均值移位(mean-shift)和海天线检测相结合的红外目标实时跟踪算法.首先通过水平投影方法提取每帧图像的海天线,然后由相邻帧海天线的高度差设定每帧图像跟踪起始点,将目标的灰度和梯度信息进行加权来描述目标特征,利用mean-shift算法进行目标跟踪.实验结果表明,文中算法能够准确跟踪上下运动剧烈的红外舰船目标,跟踪速度达到12 fps.     

基于视频图像的运动目标识别与跟踪方法研究

文中先对包含复杂背景的运动目标视频图像进行了背景提取,然后利用Canny算法完成对去背景后目标图像的边缘检测,并对目标进行了识别、跟踪,获得了比较理想的识别效果.该方法可用于导弹图像制导、智能化交通监控系统和其它图像目标识别系统.     

基于多特征直方图的红外图像目标跟踪

根据红外图像的特点,采用单一颜色难以描述复杂的跟踪环境,尤其是目标周围有相似亮度的背景干扰时,会造成跟踪失败.针对该问题,提出在MS跟踪理论框架下将颜色特征和梯度特征联合起来描述目标.实验表明:该方法能准确地跟踪海上红外运动目标.     

一种融合光流的分通道帧差目标检测方法

针对目前方法在复杂环境下很难有效检测出运动目标的问题,提出了融合光流的分通道帧差目标检测方法。首先通过降噪和平滑预处理工作增强有效信息,然后使用实时分通道图像差分精确检测运动目标,最终融合光流检测信息,以运动信息修正检测误差,很好的逼近真实目标。在检测算法中使用数学形态学方法去除噪声和斑点以提高检测效果。实验结果证明,该算法能对运动目标快速而准确的检测。     

基于轮廓像处理的岛岸附近目标检测

针对反舰导弹末制导雷达对岛岸附近船舶目标检测困难的问题,提出了基于轮廓像处理理论对岛岸附近目标的检测方法。首先,采用船舶目标轮廓像规则性检测的方法,建立了船舶目标轮廓像模型。同时,运用三种起伏值计算方法对船舶模型进行处理,得到了雷达二维信号图像下船舶目标轮廓像模型的起伏值取值范围。通过模型检测概率仿真,表明该方法能够有效区分船舶目标及岛屿目标,验证了该方法的有效性和可信度,可为提高反舰导弹末制导雷达识别目标能力提供技术参考。     

高斯核密度估计的背景建模运动目标检测

针对视频图像中光照的渐变和突变等引起的动态背景和图像前景中运动目标(物体)存在阴影等问题,提出了高斯核密度估计的背景建模运动目标检测方法。实验结果表明,该方法采用了非参数密度估计理论,像素特征的概率分布不需要预先假设,同时估计出来的像素特征的概率密度函数更符合真实的背景像素的概率分布,能够处理多样性的动态背景场景,具有较强的背景适应能力,能够准确地提取运动目标,从而有效检测出视频图像中的运动目标。