基于卡尔曼预测的序列图像椭圆检测算法

为实现序列图像中的动态椭圆目标检测,采用数字图像坐标系下的卡尔曼滤波来预测图像中椭圆的待检测区域。设计了卡尔曼滤波器,对椭圆目标的运动参数（椭圆中心位置、速度以及加速度）进行跟踪从而可以预测下一帧图像中目标椭圆的待检测区域,缩小了图像中椭圆目标的搜索范围,提高了算法的实时性和鲁棒性。结合随机抽样一致理论和最小二乘拟合法设计了鲁棒性的椭圆检测算法,实现了序列图像中椭圆目标的快速、鲁棒检测。仿真结果及物理实验表明,本文算法能快速稳定的检测出序列图像中的椭圆目标。     

快速椭圆检测算法

椭圆检测是目标检测中常用的技术,自然界很多物体的边界都可以用椭圆进行拟合,所以椭圆检测也成为目标提取的关键技术。首先分析了椭圆的解析结构,根据物理学中惯性矩的概念,推演出一个类椭圆区域的理想椭圆,用参数椭圆与边缘检测获得的边缘点拟合,就能求出一个区域的理想椭圆。然后将求得的理想椭圆与区域边缘点集合用近似度和逼近度2个指标拟合,得到与类椭圆区域最匹配的精确椭圆。最终得到类椭圆区域的边界轮廓。     

一种运用自聚类方法优化椭圆图像识别的方法

在高分辨率图像中,为获得较高的椭圆目标识别效率与拟合精度,提出了一种利用自动聚类技术优化椭圆识别和拟合的方法。本方法先对原始图像进行降采样;在缩减图的颜色空间中进行kmeans自动聚类并进行原始图像的预分割;经图像连通性分析后,分离出若干目标区域;再利用各目标区域的边界信息拟合椭圆;最后依次经边界长度约束、椭圆方程参数约束、椭圆拟合精度误差指标正确识别出椭圆目标物,并获得较高精度的椭圆方程。实验表明,该方法能够自适应图像质量的较大范围波动,具有较高的识别正确率和拟合精度,同时也兼顾了识别速度,在工业视觉测量领域具有一定的理论和实用价值。     

三轴光电跟踪系统空间目标捕获方法设计

针对三轴光电跟踪系统对空间目标捕获方案的设计问题,首先分析了影响三轴光电跟踪系统捕获空间目标存在的误差源并对主要误差进行了误差估计,即轨道预报误差和三轴指向误差。接着建立了主要误差到不确定区域（Field of uncertain,FOU）的误差传递关系,利用所建的传递关系计算出了不确定区域,并根据不确定区域的大小、形状以及分布类型设计搜索扫描方式。以不确定区域形状为椭圆且服从二维正态分布为例,设计的搜索扫描方式为分行螺旋扫描。最后对该扫描捕获方法进行了数值仿真,验证了该方法的正确性。经过仿真计算,在捕获概率为98%的情况下,目标的平均捕获时间为10.52 s。该方法为三轴光电跟踪系统捕获空间目标提供了一定的理论基础。     

基于多线索概率分布图像融合的目标跟踪

为了克服多线索目标跟踪中固定线索权值的不足,提出采用颜色、运动历史、视觉显著性等多种概率分布图像来描述目标的观测信息,通过目标在前一帧的位置确定中心区域和周边区域,并计算不同概率分布图像基于这两个区域的直方图,即中心直方图和周边直方图.每个概率分布图像的置信度由其中心直方图和周边直方图的差异度来描述.根据不同线索的置信度,在线调节当前帧各种概率分布图像在目标位置判断中所占的权重,实现对目标的多线索融合跟踪.实验结果表明,比常用的固定线索权值的融合算法效果更好.     

基于区域划分的绝对关联度抗干扰算法

在亚成像阶段,当目标持续释放多组诱饵且间隔极短时,提出了基于区域划分的绝对关联度抗复杂干扰算法.当通过诱饵出现检测算法检测出目标后,首先通过比较目标横、纵坐标突变率判断出目标的突变方向;其次,结合目标模板的长度和高度,根据突变方向对目标和诱饵的粘连区域进行区域划分,其中一块子区域必然包含目标的绝大部分:再次,计算各子区域与目标模板的面积的绝对关联度,通过比较绝对关联度的大小确定目标所在的子区域;最后,根据目标模板的长度和高度,对目标所在子区域进行二次划分,标定出目标.仿真结果表明:基于区域划分的绝对关联度抗复杂干扰算法正确识别率高,算法实时性好.     

基于霍夫变换椭圆检测的两种改进算法

针对一维参数空间霍夫变换椭圆检测算法不能检测长轴端点缺损的椭圆这一缺陷,提出了两种改进算法.两种改进算法都是先确定椭圆中心,采用分步计算参数的方法,以降低霍夫变换参数空间的维数,从而降低算法整体的时间复杂度.改进算法1可以看成是一维霍夫变换椭圆检测的一个补充算法,它通过改为最后对长轴进行一维累积,来解决长轴端点缺损的问题.改进算法2则是在椭圆中心确定后,利用椭圆的对称性,计算出其倾斜角,再进一步确定其他参数.实验表明,两种改进算法都能在较复杂的图中较快较准确地检测出残缺椭圆.     

卫星链路空基对抗中最佳干扰区域算法

提出了一种对卫星下行链路的空基对抗中最佳干扰区域的算法。在分析区域形状为不规则椭圆的基础上,详细推导了椭圆的大小、方向和位置。以无人机为例,利用STK和MATLAB软件仿真了干扰过程,并通过计算接收信号的干信比得到干扰效果,结果表明该方法计算的区域能够实现对地面站的高强度干扰。分析了影响最佳干扰区域形状的诸因素,如果卫星和地面站的经纬度差值之和小于50°,最佳干扰区域近似为圆形。     

采用边界评价的红外视频运动目标时空域分割方法

为了在红外视频中准确分割运动目标,提出了一种基于边界评价的红外运动目标时空域分割的新方法。首先,利用运动目标在时域差分图像中的空洞效应,提取出最有意义运动目标种子点。重点是运动目标的空间分割,利用种子区域整体与局部的关系,在提取出的种子上进行区域生长,可以得到不同生长阈值下的运动目标分割掩膜。为确定最佳生长阈值,提出了一种无需先验知识的红外目标分割掩膜边界评价准则,并采用分割-评价-再分割-再评价的循环迭代模式,利用由粗到精的搜索方法,找出最佳的生长阈值,同时得到最佳的运动目标分割掩膜。实验证明,所提出的方法能在红外视频中准确分割出运动目标区域,效果良好,性能鲁棒。     

基于灰度导数加权的椭圆高精度提取算法

为了满足姿态测量时对椭圆合作目标的高精度定位要求,提出了一种基于灰度导数加权的椭圆拟合算法(WGG).首先,在进行预处理之后的二值图像上提取初始边缘点,采用简单的代数拟合方法得到椭圆参数;其次,考虑二值化过程中的不确定因素会对提取边界点带来干扰,根据原始图缘中边缘灰度的渐变姓,利用边缘点的灰度导数值对其进行高斯函数拟合;最后,求取每一个边缘点的正交相切点,并构造优化目标函数求取椭圆最优参数.实验结果表明,对测试图像提取出采的椭圆拟合误差能达到0.013像素以内,与真实值点的平均误差为0.017像素,真实图像中椭圆的平均拟合误差为0.008 6像素.对于不同的外界环境该方法都能获得更精确的亚像素边缘和椭圆中心,具有很高的精确性和鲁棒性.