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。     

复杂背景下运动目标检测的ViBe改进算法

针对ViBe运动目标检测算法在复杂背景下出现鬼影和鲁棒性低等问题,文中提出一种基于边缘梯度特征的自适应阈值改进算法.通过计算当前帧图像背景复杂度,自适应调整阈值R,提取前景目标;建立前景区域与运动区域的边缘梯度模型,通过判断模型之间的相似度,消除鬼影区域.经对采集的3个设定视频场景进行实验验证,结果表明,该算法对复杂场...     

基于改进ViBe算法的运动目标识别方法

针对ViBe算法存在的伪影及易受复杂环境干扰的缺点,提出一种基于改进ViBe算法的运动目标识别方法。该方法使用20邻域建模来创建背景模型;通过依据模型复杂度的自适应阈值和颜色畸变阈值双重作用来识别背景点;采用基于像素生命周期的更新策略来完善背景模型;对识别后的图像采用噪声斑点丢弃和空洞填充策略来提高识别目标的完整性。实验结果表明,改进后的算法能够在较少帧数内消除目标的伪影,当视频中存在光照变化、阴影以及各种遮挡物等复杂干扰时,该方法对于运动目标识别具有较高的精确度和稳定性。     

基于中值背景模型的运动目标自适应检测方法

针对复杂交通场景中运动车辆检测方法存在的局限性,本文提出了一种基于中值模型和自适应阈值的运动检测算法。利用自适应阈值对差分图像的三个颜色通道进行二值化处理,实现了运动目标的精确检测,采用中值更新策略实现背景图像的实时更新。实验结果表明,算法可以从复杂交通场景图像序列中有效地检测出运动目标,且算法计算量小,具有良好的鲁棒性与实时性。     

ViBe背景减除步态检测

在步态检测过程中,ViBe算法利用单帧进行像素建模以及背景突然变化的处理。与混合高斯模型进行了对比分析,结果表明,该ViBe算法在建模、识别率等方面具有优势。     

基于灰度投影运动估计的ViBe改进算法

传统的ViBe算法在目标检测中是比较常用的检测算法,该算法因为便于实现、运算效率高等优点在运动目标检测方面得到了广泛的应用.但是传统的ViBe算法在分离前背景时经常出现"鬼影现象".针对以上问题提出了一种基于灰度投影运动估计的ViBe改进算法,首先用三帧差分法和ViBe算法对运动目标进行了实时检测,分离了前背景后,发现由于背景发生变化时对检测的前景目标图像有误检现象,为了去除运动背景的影响,采用了灰度投影运动估计的方法,用于估计两帧图像的平移参数和缩放参数,并选取一个参照帧的背景图像作为参考,最后根据将运动参数映射到当前输入的背景图像中,实现了背景的补偿,得到了真实的背景图像.实验结果表明,本文算法在对运动区域的目标进行检测时可避免鬼影、抗动态背景模型干扰等方面有很好的优势,并可以准确的在动态背景下检测出运动目标的位置信息.     

基于正则化方法的SAR图像分割及目标边缘检测算法

为了准确地分割图像并获取清晰、连续的边缘特征,在系统分析正则化技术的基础上,提出了一种基于正则化技术的SAR图像分割及目标边缘检测算法。该算法首先利用一种改进的正则化方法对SAR图像进行预处理,然后分析图像的统计特性,利用阈值化技术获取SAR图像的目标区域和阴影区域,最后通过加窗处理技术对分割后的目标区域进行边缘特征提取。并用MSTAR数据进行大量的仿真实验,结果表明,与经典的边缘检测方法相比,该方法在获取良好的分割结果的同时能更精确、更完整地检测出目标的边缘特征。     

基于改进的鬼影抑制和自适应视觉背景提取的运动目标检测

视觉背景提取算法(ViBe)利用第一帧图像对背景模型进行初始化,很容易产生鬼影现象.由于ViBe使用固定的分割阈值来实现前景和背景的分割,对于高度动态的背景,ViBe的检测会产生很多的误检测.针对这些问题,本文提出了一种改进的"鬼影"抑制和自适应视觉背景提取算法.首先,利用像素的时间与空间信息,在视频序列的奇数帧中,利...     

改进的ViBe运动目标检测算法

ViBe算法存在初始化背景建模效果不佳、不适应复杂背景变化以及消除鬼影较慢的问题.为了解决这些问题,提出一种改进的ViBe算法.此算法首先采用多帧图像梯度幅值进行背景建模,在背景更新时,引入阈值自适应调整因子,实现动态更新阈值,为提高消除鬼影效率,在鬼影消除判别过程中采用基于运动目标区域整体性的判别方法.实验结果表明,改进的算法能快速的消除鬼影,在复杂背景、光线变化环境中有更好的适应性和更高的检测精度.     

基于粒子群优化算法的多阈值图像分割

为确定图像分割的最佳阈值,基于粒子群优化算法提出了一种多阈值图像分割方法.由最大熵或最大类间方差法得到优化的目标函数,用粒子群算法对其进行优化,得到分割的最佳阈值,并用该阈值对图像进行分割.将分割结果与遗传算法的多阈值分割结果相比较可以看出,该算法不仅可实现正确的图像分割,并可使分割速度大大提高.     

基于ViBe的端到端铝带表面缺陷检测识别方法

针对铝带表面缺陷高精度检测要求以及传统算法识别率不佳的问题,提出端到端的表面缺陷检测与识别方法.从铝带表面初始图像序列中快速计算出平均图像,视为无缺陷背景图像,用于初始化ViBe算法的背景模型.采用ViBe算法从当前图像中分割出缺陷区域,对缺陷区域二值图像进行中值滤波和形态学运算,以去除噪声点和修补边缘,实现缺陷区域的准确提取.利用当前图像实时更新ViBe背景模型,以增加对光照变化的适应能力.提取缺陷外接矩形区域图像,归一化后输入到训练好的卷积神经网络中进行识别分类,得到分类结果.实验结果表明,提出方法的缺陷检出率为93.02%,缺陷识别率为99.86%,具有较好的应用价值.     

基于新型Canny算法雷达距离图像边缘检测算法

针对激光雷达距离像的噪声滤波和边缘检测问题,提出了一种结合改进环圈滤波算法和自适应Canny算法的距离像边缘检测算法.通过改进环圈滤波对距离像的噪声进行抑制,在滤除噪声的同时保留了图像的细节特征信息.从梯度幅值计算、非极大值抑制和阀值自动选择3个方面对传统Canny算法进行改进,克服了噪声影响和边缘检测模糊等缺点.实验结果表明,该算法能够可靠的对距离图像进行边缘检测,并且检测结果的信息熵和标准差指标数据优于传统的Sobel算法和Laplace算法,能够较好地满足激光雷达距离像边缘检测的实际需要.     

Phased smoke detection algorithm using dual network fusion

Existing video smoke detection methods have a low detection accuracy in complex scenes and cannot detect smoke areas in video frames accurately. In this paper, a phased smoke detection algorithm that combines the smoke movement process and the target detection algorithm is proposed. First, an improved ViBe algorithm based on smoke color features is used to extract the continuously moving smoke in video. Then, the YOLO v3 model is used as the target detection network. The channel attention mechanism is added to the residual structure of its backbone network. Focal-loss and GIoU are utilized to improve the loss function. According to the test of the smoke image data set, the detection time of the improved network on a single picture is 38.4ms and the mAP reaches 92.13%, which is 2.19% higher than that by the original model. While extracting smoke motion, the same frame is sent to the improved YOLO v3 for smoke detection. Finally, comprehensive discrimination is made based on the smoke detection results in stages. Public smoke video test results show that the algorithm has an average detection rate of 98.88%, which proves that the algorithm has a strong adaptability, a high detection efficiency in complex scenes and a high practical application value.     

Iterative Detection and Decoding Algorithm in Dual Polarized Land Mobile Satellite MIMO Systems

An iterative detection and decoding algorithm with outer code decision feedback is proposed for the dual polarized （DP） land mobile satellite （LMS） MIMO systems using concatenated codes. A feedback structure is added after the outer decoder in the proposed algorithm. The feedback information is exploited to control the detecting list in the MIMO detector and reduce the number of symbols which have to be processed at each iteration. As a result, the computational complexity is reduced. Meanwhile, the successfully decoded outer code words are used to calculate the more reliable initial information for the inner decoder and the system performance can be improved by this step. The simulation results show that the proposed algorithm can reduce the computational complexity compared to the traditional iterative detection and decoding algorithm and achieve better performance.     

Denoising Method for Partial Discharge Signal of Switchgear Based on Continuous Adaptive Wavelet Threshold

Partial discharge(PD) is an important reason for the insulation failure of the switchgear. In the process of PD detection, PD signal is often annihilated in strong noise. In order to improve the accuracy of PD detection in power plant switchgear, a method based on continuous adaptive wavelet threshold switchgear PD signals denoising is proposed in this paper. By constructing a continuous adaptive threshold function and introducing adjustment parameters, the problems of over-processing of traditi...     

基于改进Canny检测与Hough变换的仪表图像识别算法

针对发电厂中指针式仪表数量多、周围环境复杂、灰尘污染等因素导致获得的图像含有大量噪声从而影响仪表读数识别精度的问题,提出了一种改进Canny边缘检测算法,通过采用5×5邻域计算像素梯度幅值的方法,提高了边缘检测精度,并采用自适应双阈值选择法,有效避免了传统Canny算法易出现伪边缘、边缘信息多等现象,结合Hough变换技术提取仪表指针信息,提高仪表识别精度。经实验对比验证,该算法检测效果优于传统Canny算法,仪表读数识别精度达到95%。     

基于ViBe算法运动特征的关键帧提取算法

针对视频关键帧提取算法中运动类视频运动目标特征不易提取所造成的错选和漏选问题,提出一种基于背景建模(visual background extractor, ViBe)算法的前景运动目标特征提取的关键帧提取算法。通过ViBe算法对视频序列进行前景目标检测,提取前景运动目标的尺度不变特征变换(scale invariant feature transform, SIFT)特征,并对相邻帧之间的特征数据进行特征点匹配,根据定义的公式计算视频帧的相似度,然后根据提出的关键帧判别方法输出视频的关键帧。试验结果表明,该算法能较好的解决运动类视频关键帧提取中出现的漏选和错选问题,与基于SIFT分布直方图的算法相比,其查准率和查全率的综合指标F₁值有较好提高。因此该算法对于判别运动类视频中包含关键动作的关键帧具有较好的检测效果。     

一种自适应背景差分运动目标检测算法

运动目标检测是运动行为理解的前提,也是安防系统研究的热点、难点问题。在分析现有检测算法的基础上,针对背景更新模型不准确、分割阈值难以选取等问题,提出了一套自适应背景差分运动目标检测算法。算法包括：基于像素相关区域灰度曲率特征的背景更新模型,基于直方图统计的动态阈值,改进型区域生长的运动目标标识。实验表明该算法能较好解决光照变化所引起的背景更新以及不同环境下阈值选取等问题。     

A data-driven threshold for wavelet sliding window denoising in mechanical fault detection

Wavelet denoising is an effective approach to extract fault features from strong background noise.It has been widely used in mechanical fault detection and shown excellent performance.However,traditional thresholds are not suitable for nonstationary signal denoising because they set universal thresholds for different wavelet coefficients.Therefore,a data-driven threshold strategy is proposed in this paper.First,the signal is decomposed into different subbands by wavelet transformation.Then a data-driven threshold is derived by estimating the noise power spectral density in different subbands.Since the data-driven threshold is dependent on the noise estimation and adapted to data,it is more robust and accurate for denoising than traditional thresholds.Meanwhile,sliding window method is adopted to set a flexible local threshold.When this method was applied to simulation signal and an inner race fault diagnostic case of dedusting fan bearing,the proposed method has good result and provides valuable advantages over traditional methods in the fault detection of rotating machines.     

一种用于OFDM系统的信道冲激响应检测算法

提出了一种基于双滑动窗的检测算法,对信道冲激响应(CIR)进行检测。在采用相干解调的正交频分复用(OFDM)系统中,信道估计的精度对接收机性能有着重要影响。传统的OFDM时域CIR估计算法通常采用简单的门限检测,在检测小功率成分时,由于受噪声影响,容易发生误检或漏检,导致估计精度降低。该文在研究小功率CIR成分产生原因与分布特征的基础上,提出了一种改进的检测算法,并对检测性能进行了理论分析和仿真。仿真结果表明,该算法能够有效提高信道估计精度,改善系统误码性能。