基于双背景模型的改进Vibe运动目标检测算法

针对传统视觉背景提取法(Visual background extractor,Vibe)不能抑制鬼影和去除阴影干扰的问题,提出一种改进算法.缓存视频前K帧图像,利用随机抽样和改进均值法构建两个背景模型,分别用于前景检测和阴影去除;前景检测环节扩大样本的抽取范围,提高模型可靠度,抑制鬼影;替换虚假样本完成前景检测模型的更新;对所得感兴趣前景区域,结合灰度和LBP纹理特征信息消除阴影.实验结果表明,改进算法能有效抑制鬼影,消除阴影干扰,检测结果更加精确.     

基于高通滤波和图像增强的红外小目标检测方法

提出了一种准确、快速的红外小目标单帧检测方法。该方法基于高通滤波和图像增强技术,先通过高通滤波去除背景及部分干扰,然后使用图像增强技术在突显小目标的同时实现对噪声和干扰的进一步抑制。计算机仿真结果表明,所提出的方法能很好的检测出小目标,与帧间差分法以及背景减法相比,优势明显,不仅为小目标保留了较多的像素点,并使小目标灰度有了很大增强,不存在虚警点,且能较好地克服天空背景的云层干扰问题。     

基于风险估计的弱小目标恒虚警检测

复杂背景下的红外弱小目标检测是目标探测领域的一个难题。为了有效抑制复杂背景的干扰,降低复杂背景所带来的虚警,提出了一种基于风险估计的恒虚警检测方法。首先,分析了背景分布的统计方法,对传统的正态分布统计方法予以改进,对滤波后的图像做局部灰度的分布统计,从而更准确地描述背景图像的分布规律。然后,在传统的恒虚警算法中加入风险估计,将背景复杂度作为风险估计判断依据,利用风险估计自适应调整分割阈值,从而达到抑制背景干扰、减少虚警和误判的目的。最后,实验结果表明:该算法可以显著减少复杂背景造成的虚警,并保证能够有效探测出弱小目标。     

基于改进的混合高斯模型的运动目标检测方法

为了改善混合高斯模型在光照突变时容易产生大量误检的缺陷,采用了一种高斯模型与均值法相结合并为前景像素建立计数器的方法。在建立背景模型时,运用多帧图像求平均值的方法初始化混合高斯模型的背景;为每帧图像的前景像素数建立计数器,并以此消除被误判为前景的区域;对检测出的前景区运用数学形态学处理,得到图像真正的前景区域。结果表明,该算法不仅克服了初始背景中的干扰,而且消除了光照突变时的误检,提高了运动目标的检测率。     

一种动态背景下目标检测与提取算法研究

针对在动态背景下,Vi Be算法存在检测鬼影现象和鬼影消除时间长、算法适应性差以及存在变化较为频繁的背景下前景检测存在误判前景干扰噪声像素点多的问题,提出了一种以Vi Be为基本算法框架,引入了由分散系数建立的自适应半径阈值、借鉴帧差分法建立的鬼影模型和二次判断,以及目标提取后的优化算法。该算法能够提高算法对动态背景的自适应性,能够加速鬼影的消除,较好地减少鬼影对背景模型的干扰,抑制了动态幅度较大的水面区域,消除了整个场景中出现的噪声像素点,降低了误判率。实验结果证明所给出的算法能够有效的提取前景目标,抗干扰性鲁棒性好。     

基于光照不变性模型的运动目标检测新算法

运动目标检测有两大难点,即光照变化的影响,阴影对运动目标准确提取的影响。高志伟等人提出了基于彩色边缘的运动车辆检测,实现了复杂背景下的运动目标检测,但该方法无法消除阴影的影响。为了克服光照及阴影的影响,提出了基于一维不变性图像的背景模型,更新了最小熵投影角度,设计了运动目标检测的新算法。以交通运输领域为例,将本文算法和多层前景算法、边缘检测算法做了对比,通过实验验证了该方法在检测运动目标时能够克服光照变化影响,并有效抑制阴影。     

具有细化和抗噪声功能的边缘检测

本文提出一种新的利用55窗口的边缘检测方法。它可以明显地抑制噪声,并且克服了55窗口使被检边缘宽度增加的副作用。另外,针对图象成象时曝光不足的区域,对比度下降的缺陷,对不同灰度背景的区域,采用不同的判别门槛,因此能够正确识别不同灰度背景的物体边缘。     

复杂海面背景红外小目标自动检测方法

采用维纳自适应滤波，抑制随机噪声和高斯噪声；利用Otus阈值法分割图像，确定海天线和目标潜在区；利用Top—Hat算子进行形态滤波处理，抑制平缓变化背景并保留高亮度区的目标和强噪声；选择结构元素进行形态开运算，去掉细小的背景杂波干扰；针对远距离舰艇小目标总是出现在海天线附近以及红外目标灰度高于其邻域背景的特点，确定阈值即可分离出真正的目标。实验结果表明，该方法可以较好地抑制海浪、云层等背景的干扰，能有效检测复杂海面背景中的红外小目标。     

尺度和旋转自适应的均值平移目标跟踪算法

针对不规则目标和背景区分度低的目标在跟踪过程中尺度和旋转自适应的问题,提出了基于前景概率密度函数和椭圆拟合的均值平移目标跟踪算法.首先依据初始化的目标窗口及其周围的背景区域建立前景概率密度函数,抑制跟踪窗口内的背景像素,建立可靠的目标模板;然后将前景概率密度函数引入均值平移的迭代过程,实现跟踪窗口的快速定位;最后计算跟踪窗口内各点的前景概率密度函数,反向投影为前景概率分布图,通过对该图的边缘提取和椭圆拟合,获得当前目标的位置、尺度和旋转信息,并将其用于对下一帧跟踪窗口的初始化.实验结果表明,该方法克服了背景干扰对跟踪窗初始定位和目标信息更新的影响,能够实现对目标尺度和旋转的自适应,具有跟踪稳定和实时性高的特点.     

脉冲信号检测中的窄带干扰抑制器设计

针对脉冲信号检测中的窄带信号干扰问题,从时域和频域角度分析了不同的干扰抑制措施,进一步基于数字调谐和一阶陷波方法,在FPGA上实现了简洁高效,可独立工作的干扰抑制电路,并推导了相应的干扰抑制条件.该方法通过频谱数据判定脉冲检测中的干扰信号频率和带宽,并经由数字下变频将干扰信号搬移至零频,利用简单的高通滤波器陷波后,再数字上变频恢复原始脉冲信号.实验结果表明：该干扰抑制器能够以较小的代价滤除一定频率间隔的窄带干扰,脉冲参数估计在容许均方差范围之内.     

基于深度时空卷积神经网络的点目标检测

由于点目标可用信息少,点目标检测技术是红外搜索与跟踪系统(IRST)中的挑战性难点.基于人工提取特征的传统目标检测,智能化水平低,对点目标检测的难度大.针对此问题,提出一种新的基于深度时空卷积神经网络的点目标检测方法.该方法采用全卷积架构,输入输出尺度相同,可用于处理任意尺度图像.为了提高实时性,卷积分解技术被引入3D...     

Motion detection in moving camera videos using background modeling and FlowNet

Real-time moving object detection is challenging for moving cameras due to the moving background. Many studies use homography matrix to compensate for global motion by warping the background model to the current frame. Then, the pixel difference between the current frame and the background model is used for background subtraction. Moving pixels are extracted by applying adaptive threshold and some post-processing techniques. On the other hand, deep learning-based dense optical flow can be efficient enough to extract the moving pixels, but it increases computational cost. This study proposes a method to enhance a classical background modeling method with deep learning-based dense optical flow. The main contribution of this paper is to propose a fusing algorithm for dense optical flow and background modeling approach. The background modeling methods are error-prone, especially with continuous camera movement, while the optical flow method alone may not always be efficient. Our hybrid method fuses both techniques to improve the detection accuracy. We propose a software architecture to run background modeling and dense optical flow methods in parallel processes. The proposed implementation approach significantly increases the method’s working speed, while the proposed fusion and combining strategy improve detection results. The experimental results show that the proposed method can run at high speed and has satisfying performance against the methods in the literature.     

基于三阶累积量的红外弱小运动目标检测新方法

为检测强杂波背景中的红外弱小运动目标,提出了一种基于三阶累积量的检测新方法.该方法利用图像中目标经过时像素点灰度值有起伏变化这一特点,将其看作是一种非高斯弱瞬态信号,通过构造三阶累积量对其进行检测.此三阶累积量估计中的去均值处理同时实现了背景杂波的抑制,较好地改善了信杂比(SCR),提高了单帧检测性能.实验表明,该方法能够有效地抑制强杂波背景,在SCR>1时,能可靠检测目标.     

复杂背景条件下的红外运动小目标检测算法

在红外成像制导系统中,运动小目标易受到背景和噪声的严重干扰,从而导致较低的信噪比,给目标检测带来了难度.为此,我们首先使用基于Top-Hat变换的数学形态学滤波对红外数字图像进行背景抑制.进而对经过黑、白Top-Hat变换后的图像求取并集,然后,通过自适应门限分割得到小目标.试验结果表明该方法在信噪比接近2的时候仍能够得到较好的目标检测效果.     

基于局部对比度机制的红外弱小目标检测算法

针对复杂背景和低信杂比条件下的红外弱小目标检测难题,提出了一种基于局部对比度机制的红外弱小目标检测方法。该方法提出了一个包含中心层、中间层和最外层的3层窗口,可以使用单尺度计算完成不同尺度弱小目标的检测。首先,对中心层引入匹配滤波思想,有针对性地增强真实目标;同时,提出最接近滤波原则,对最外层进行背景估计,以缓解目标靠近边缘时的检测难题;然后,在目标增强结果与背景估计结果之间进行比差联合的对比度计算,达到同时增强目标和抑制背景的目的;最后,通过自适应阈值分割,提取真实目标。实验结果表明,相比现有算法而言,该算法可更好地增强目标、抑制复杂背景,且原理简洁易实现,可有效减少运算量。     

采用剪切波变换的红外弱小目标背景抑制

提出了一种将剪切波变换与贝叶斯统计机理相结合的背景抑制新方法来解决红外搜索跟踪系统探测复杂空中和地面背景杂波中的弱小目标这一难题.根据红外图像中目标和背景杂波的不同分布特性,首先,采用剪切波变换对原始红外图像进行多尺度和多方向分解,获得原始图像的多尺度和方向细节特征,然后,通过应用高斯尺度混合模型进行处理,从而将红外图...     

抗背景光干扰的激光脉冲相关检测方法

针对激光脉冲相关检测对具有相关性的背景光干扰难以抑制的问题,提出了一种抗背景光干扰的系统改进方法。利用两路探测单元同时接收目标信号和背景光的混合信号,另两路视场完全相同的探测单元仅接收背景光,将它们的输出分别对应相减后再进行相关处理,从而抑制了各单元间相关的背景光干扰。实验结果表明,改进后的系统对背景光干扰能够有效的抑制,证明了方案的可实现性与有效性。     

自适应背景预测技术在红外弱小目标检测中的应用

文章总结了自适应背景预测技术在红外弱小目标检测领域的典型应用,分析了线性和非线性自适应算法的优缺点。对传统的LMS自适应背景预测算法进行了改进。改进的算法利用连续帧中目标的运动特性,通过迭代得到滤波器最佳权值向量。试验结果说明,改进后的算法有效抑制了由云层边缘产生的虚警,提高了处理非平稳、非线性杂波背景和低信噪比图像的能力．