水下人造目标线特征快速检测算法

为了从水下复杂场景中快速检测人造目标,提出了一种在图像小波变换低频子带上进行直线实时检测的算法。首先,利用小波变换确定显著线特征检测的合适尺度;然后在确定的低频子带小图像上进行边缘检测,利用梯度直方图和迭代法相结合自适应确定边缘检测的分割阈值,得到显著特征的边缘点;再利用改进的Hough变换检测人造目标的直线特征;最后在原始图像上标记出直线检测的结果。实验结果表明:提出的算法可以准确检测出水下复杂背景中人造目标的直线特征,并且具有良好的实时性,满足水下人造目标视频检测的应用要求。     

基于分形特征的复杂环境目标检测方法研究

针对复杂的自然背景下的运动目标检测,提出了一种基于分形特征的运动目标检测算法;该算法利用目标的分形维数与自然背景分形维数的差异将目标从背景检测出来;首先应用改进的地毯覆盖法快速得到图像的分形维数,然后通过比较邻域之间分形维数的相互关系进行目标检测;实验结果表明,该方法能对复杂背景下的运动目标进行检测,由于采用分块求分形特征的方法,能有效地减少搜索目标所带来的计算量,算法过程简单、检测速度快、检测结果精确,目标与背景对比度的变化对检测结果几乎没有影响,且噪声对该算法的检测结果影响较小;在运动目标实时检测问题上有着很好的实用价值和应用前景。     

遥感异常目标的仿生非线性滤波检测

目的 为了解决复杂背景干扰下基于线性滤波异常检测算法无法有效区分复杂背景特征与异常目标特征,导致检测结果虚警率偏高的问题,提出一种面向复杂背景的遥感异常小目标仿生非线性滤波检测算法。方法 受生物视觉系统利用不同属性信息挖掘高维特征机理的启发,该算法通过相关型非线性滤波器综合多波段光谱数据提取高维光谱变化特征作为异常目标检测检测依据,弥补线性滤波抗噪性能差,难于区分复杂背景特征与目标特征的缺点。结果 仿真实验结果验证该算法在仿真数据及真实遥感数据的异常检测效果上有较大改善,在实现快速异常检测的同时提高了检测命中率。结论 本文方法不涉及背景建模,计算复杂度低,具有较好的实时性与普适性。特别是对复杂背景下的小尺寸异常目标具有较好的检测效果。     

一种基于背景运动特性分析的背景配准算法

为了解决复杂背景下基于背景运动补偿的目标检测算法无法精确提取背景运动特征块的问题,该文提出了一种基于背景运动特性分析的背景配准算法。采用Harrir-Affine焦点算法提取仿射不变特征点,通过Lucas-Kande光流法估算特征区域光流矢量,通过特征区域光流主方向相似度度量对特征区域聚类实现背景特征区域的精确提取。实验结果表明:该算法能够精确提取出背景运动特征块,与传统的基于背景配准的目标检测算法进行比较,采用本文算法的目标检测其有效性提高了1.1倍。     

融合LBP与背景建模的自适应目标检测混合算法

提高目标检测算法在复杂场景下的检测鲁棒性是目前计算机视觉领域的一个重点、难点问题.为了实现在多种背景扰动以及阴影同时存在的复杂场景下,对运动目标的准确、鲁棒提取,论文提出了一种融合纹理特征和背景建模的自适应目标检测混合算法.首先,为了对阴影进行有效处理,论文提出融合纹理特征的背景建模法;同时,在背景建模的基础上,引入亮度信息预处理程序;最后,论文在对复杂场景下(包括室内、室外)的背景扰动进行分析归类的基础上,将帧间差分法和背景建模法有机结合,有效提高算法对复杂场景的适应性.实验结果表明,复杂场景下,该算法对大多数背景扰动都具有一定的鲁棒性,能够实时、准确地检测出运动目标.     

一种复杂背景下多尺度多视角的人体检测方法

针对复杂背景下的人体检测技术所面临的噪声干扰、背景复杂、相互遮挡等问题,设计一种多尺度多视角人体检测算法。针对传统的梯度方向直方图目标特征提取方法特征维数大、有遮挡时检测率低等缺陷,分别使用扩展多尺度方向特征和经WTA hash编码的多尺度梯度方向直方图特征提取,并使用弱分类器和贪婪算法进行特征选择以获得图像的粗特征和精特征。然后使用线性平移合成多视角样本,使用多层级联的Adaboost算法和支持向量机作为分类器进行人体目标检测,结合复杂背景处理、特征重装等方法提高检测精度。使用INRIA公共测试集的实验结果表明,该算法可精确检测出复杂背景下相互遮挡情况下多视角、多姿态的人体目标,与传统的人体检测算法相比,具有更高的检测效率和检测精度。     

分形特征模糊增强及其在目标检测中的应用

提出一种新的运用模糊集理论进行分形特征增强的方法,并将其运用到复杂背景下的目标检测中。首先根据分形的尺度不变性计算图像各像素分形特征,定义新的隶属度函数对分形灰度图进行模糊特征平面映射,再运用非线性变换的模糊增强运算提高目标和背景的分形差异。在此基础上,结合数学形态学理论提出了基于增强分形特征的目标检测方法。实验证明该算法能够确实有效的提高目标和背景的分形特征差异,并克服了传统模糊增强算法的弊病;基于增强分形特征的检测方法,保证了复杂背景下目标检测的正确性和可靠性,并具有较好的抑噪性能。     

基于多特征融合的显著性目标检测算法

显著性目标检测是获取图像中视觉显著目标的任务,它是计算机视觉及相关研究领域的重要内容。当前在复杂的自然场景下基于深度学习的算法依然存在特征学习不足和检测错误率较高的问题,因此提出一种新颖的基于多特征融合的显著性目标检测算法。以HDHF(hybrid deep and handcrafted feature)模型的预测显著图作为特征,融合全局像素的深度特征。此外,利用显著性提名获取候选目标的位置,并在各候选目标中添加中心先验。在全卷积神经网络中,利用前向传播算法最终预测得到像素级的显著性目标。在四个包含多个显著性目标和复杂背景的图像数据集上进行验证,实验结果表明,该算法有效地提高了复杂场景下显著性目标的检测精度,尤其是在背景复杂的图像上具有较优的检测效果。     

一种新的基于局部轮廓特征的目标检测方法

针对复杂场景中背景复杂、目标周围噪声多及目标只占图像中较小部分而难于检测的问题,提出一种新的基于局部轮廓特征的检测目标方法.该方法首先利用改进的全局概率边界算法 (Globalized probability of boundary, gPb) 算法提取图像的轮廓,然后应用最大类间方差法 (Otsu)进行自动阈值处理得到图像的显著性轮廓; 再提取显著性轮廓的k邻近大致直线轮廓段(k connected roughly straight contour segments, kAS),并以kAS作为局部特征,用于复杂场景中的目标检测.该算法结合 gPb 算法和 Otsu 提取轮廓的显著性轮廓,去除了目标附近的大量噪声边界,有效地提高了检测效率.同时,在检测阶段,测试集与 训练集中提取的不相关特征数目也得到较大减少,从而提高了检测的精度.多组实验结果均表明本文方法的有效性.     

室外机器人视觉导航的路径结构识别

提出了基于路径结构特征识别的视觉导航算法,以室外环境下导航路径图像为研究背景,根据图像RGB颜色特征,利用颜色聚类算法,将导航路径从复杂背景中提取出来,并检测出导航路径的中心离散点作为导航路径的基准点。当路径具有较明显的曲线特征时,利用最小二乘法曲线拟合检测导航路径,否则利用最小二乘法检测直线作为机器人的导航路径。实验结果表明：该算法在导航路径具有复杂的结构特征等情况下有较好的导航效果。     

基于Wiener滤波与图像序列相关的小目标检测算法

传统动态图像跟踪系统在对小目标,特别是点目标的预跟踪阶段,常面临算法较复杂、参数确定困难等问题,在低信噪比条件下不能取得满意的检测效果。该文针对这一问题,提出了一种利用Wiener滤波对原始图像滤波,再利用图像序列相关性对滤波后的图像进行“平均背景估计”,从而实现提取目标图像背景,检测动态小目标的新算法。同时对Wiener滤波器的参数简化计算以及目标检测阈值的选取进行了详细讨论。该算法参数简单,能在较低的信噪比下取得比较好的滤波效果,仿真结果表明了算法的有效性。     

实时图像的运动目标检测及跟踪

在复杂背景的运动目标实时检测算法的研究中,由于目标受到外界环境影响,目标不能正确提取。针对克服背景干扰因素提取,干净的目标像素,大多数背景建模与背景更新算法计算复杂,难以满足视频监控的实时要求。为解决上述问题,提出一种根据像素特征的背景差法,将目标的边缘特征融入减背景算法,通过对离散的目标边缘梯度像素进行网格密度聚类法实现目标像素的提取,采用改进的均值漂移跟踪算法,在DM642平台上实现目标检测与跟踪。实验结果表明,改进的算法可以有效的克服光线变化、背景抖动、噪声等问题,实时检测、跟踪多个目标,并能解决目标遮挡问题。     

弱小目标分割算子耦合特征匹配的杆菌识别

针对复杂背景下弱小目标识别困难,实时性要求高等难题,提出了弱小目标分割算子;并引入特征匹配,设计了二者相融合的自动图像识别机制。该方案基于H－S分割与图像融合,再结合形态学滤波与特征匹配,解决弱小目标难识别的问题。该方案计算量小并基于经过汇编优化的OpenCV实现,解决实时性要求高等难题。实验结果表明,相对于传统方法,该方案应用在自动图像识别上可以达到较好的效果,在工程上应用是可行的。     

DSP/BIOS环境下的运动目标检测及优化

在静止、复杂背景的运动目标检测算法中,减背景技术是高效的方法。大多数背景建模和背景更新运算量大,本文将目标的边缘特征融入到减背景算法中,通过对离散的目标边缘梯度进行网格密度连通域判断来提取目标。实验结果表明,该算法可以有效地减小光线变化、噪声等影响,程序优化后系统运算速度提高,能够实时地对运动目标进行检测。     

基于音频事件检测和分类的音频监控系统背景模型自适应方法研究

随着监控系统中音频传感器应用的与日俱增,音频事件检测与分类已成为一个重要的研究课题。音频系统所处的音频环境(不同场所、不同噪声)非常复杂,以致检测与分类音频事件异常困难。因此,进行背景模型自适应从而适应不断变化的音频环境变得十分重要。提出了利用受限的最大似然线性回归方法对背景模型进行自适应。采用实际监控场景中的音频数据和模拟录制数据,研究了背景模型自适应方法以及如何有效地进行背景模型自适应。实验结果表明背景模型自适应可以提高目标声音事件的检测性能,减少系统误报。     

移动目标的快速识别算法

本文针对现有技术中存在的问题提出一种对复杂背景下的多个移动物体进行目标快速识别与跟踪的复合算法。该算法中采用对连续图像进行差影计算来确定移动目标区域，从而能去除复杂背景干扰，可以明显提高目标识别的速度和准确率。该系统已被实验证明其有效性和实用性．可广泛应用于监测与识别系统，也可应用于无人监控．无人自主操作等各种领域。本文中所提到的算法现为国家某重点项目中的关键技术。     

改进的背景差分运动目标检测算法在DSP上实现

为解决运动目标检测算法复杂、图像数据处理量大的缺陷以及有效提取运动目标的的位置、大小、形状等信息,利用基于卡尔曼滤波的估计技术改进背景差分算法,然后根据背景灰度值偏差自适应阈值准确分割运动目标区域。在CCS2.2集成开发环境下将算法通过SEDD-XD510PLUS仿真器移植到以TMS320DM642为核心处理器的硬件平台上,以安瓿针剂杂质为检测对象反复实验,验证了基于卡尔曼滤波背景估计的运动目标检测算法的高效性,此法能很大程度上克服光照强度变化的影响,准确地检测出运动目标区域,为后续跟踪、识别等处理提供良好的条件。     

基于神经网络的全自动模式识别跟踪系统

建立了一个基于神经网络的全自动模式识别跟踪系统。通过MOD算法提取出各个运动目标的特征向量后，利用神经网络对各个目标自动进行模式分类。文中同时给出了在复杂背景下多个运动目标自动跟踪与识别的实验结果。     

基于线检测器的红外弱小目标检测

复杂背景下低信噪比弱小目标的检测仍然是当今的一个难题,尤其是在复杂背景的抑制方面,针对红外小目标的特点,以及红外小目标实时性检测的要求,提出了一种检测低信噪比的复杂背景情况下的红外图像点目标的新的算法.首先,用一个线检测器,对红外图像进行处理,经过其处理后的图像,不仅可以大幅度抑制背景,而且还能增强目标,极大程度的提高了图像的信噪比;其次,对处理后的图像用二维的Otsu自动阈值分割法进行分割,检测出点目标.通过对红外图像的实验,证明该算法的有效性.     

海天背景下目标图像的分割方法

海天背景下目标图像的分割,即把目标从海天背景中提取出来,以便于对目标进行自动地探测,跟踪、分类和识别.根据海面及天空背景的辐射特征,提出了一种完全自主的.适应性极强的逐行聚类方法对海天背景下目标图像进行分割.实验结果表明,该方法计算简单,不需任何先验的知识,能完全自主地实现对海天背景下复杂目标图像分割,取得了较好的效果.