基于背景重建的运动目标检测算法

针对复杂背景下参考帧的提取问题,提出了一种改进的基于帧间差分的背景提取算法。该算法利用帧间差分将图像序列中的背景像素点提出来,从而确定背景帧;并利用序列图像背景点在时间上呈高斯分布,用“3σ原则”判断背景点是否发生变化来更新背景。实验结果表明,该方法可以有效的提取和更新背景,从而完整准确地检测出运动目标。     

图像序列中点目标实时检测算法

点目标检测在液体杂质检测中非常关键,在分析现有图像点状目标检测算法的基础上,研究了一种适用于图像序列的运动点目标多阈值检测算法,在背景抑制的基础上,首先采用自适应多阈值分类的方法提取多类疑似目标,强化了各点状目标疑似的检测能力。在当前帧疑似目标的真伪无法判定时,根据目标在相邻帧间的位置变化信息构造相应的时空管道,沿时空管道正向寻找可能出现的各类疑似目标,并将其能量与当前帧疑似目标点的能量进行加权求和后再进行门限判决。使用硬件并行预处理图像,较好地解决了实时性问题,满足系统实时性要求。对安瓿瓶液体图像序列进行测试的结果表明,该算法的效果令人满意。     

基于有限线积分变换的序列图像运动目标检测

运动目标检测主要是从序列图像中将变化区域从背景中分割出来,它影响着运动目标能否正确地分类和跟踪。因此,运动目标检测是智能视频监控技术中的关键问题之一。有限线积分变换（finitelineintegraltransform,FLIT）作为近年来一种多尺度几何分析的新方法,能有效提取图像中的线性特征。检测方法是在FLIT的基础上再结合背景差法来实现的。具体而言,先对图像序列中的每帧网像（包括参考帧）作固定模板下的FLIT,再用当前帧的FLIT减去参考帧的FLIT,然后对不同方向提取的运动目标信息进行综合,最后采用数学形态学的相关处理来消除噪声。实验结果表明,使用该方法可以承受整体的或局部的、缓慢的或突变的光线变化,能有效地检测出运动目标。     

序列帧间双重匹配的红外点目标跟踪算法

针对海空复杂背景下红外点目标的检测与跟踪,提出了基于图像序列帧间双重匹配的边跟踪边检测算法,并建立了数学模型。它采用标记序列帧M以帧对帧的方式记录输入序列的帧间匹配结果,标记帧T以点对点的方式记录标记序列帧M的帧间匹配结果,统计帧S记录T中各像素的匹配成功次数,输入单帧图像同步输出矩阵T和S分别显示目标运动轨迹和迎头目标检测结果。算法匹配过程不随目标数目或运动状态而改变,且无需提前判断疑似目标位置,有效解决了目标在图像序列中突然丢失或出现被干扰情况下的跟踪,尤其可以对跟踪结果实时地进行目标分离,解决了迎头目标跟踪的难题。仿真和实际工程图像实验结果表明,算法具有较高的可靠性和实时性。     

旋转复杂背景中红外运动小目标实时检测

针对旋转复杂背景中红外运动小目标检测误检率高、实时性差等问题,提出了目标检测新算法。首先对图像进行中值滤波预处理,计算图像光流场,提取特征点,估算背景光流;然后设置阈值,判断提取备选目标特征点集合;最后通过特征点光流矢量角度、目标灰度值区间、目标特征点区域边缘检测的方法,排除备选目标特征点集合中的背景特征点,实时准确检测旋转复杂背景中红外运动小目标。实验结果表明,该算法能够准确地检测出红外多个运动小目标,检测率93.8%,平均虚警率0.126次/帧,平均每帧耗时15.53 ms,每帧图像处理的最大时间为20.45 ms,能够满足运动目标检测对实时性的要求。     

全局运动序列中运动目标的检测算法

针对全局运动视频序列采用灰度投影法检测序列帧间运动矢量,具有图像信息利用充分、计算精度高等优点,文中采用了改进的三步搜索算法有效地提高了运动矢量搜索速度,降低了运算复杂度,同时保持了运动矢量的搜索精度。通过帧间运动矢量补偿将相邻三帧图像的相同背景稳定在同一幅图像的相同位上,利用改进的三帧差分法检测运动目标区域。结合数学形态学的闭运算和填充运算等提取出运动目标。实验结果表明,该方法能够快速高效地从背景变化的视频序列中提取运动目标,具有较强的鲁棒性和准确性。     

一种双波段红外图像弱小目标融合检测新算法

提出了一种基于模糊推理的双波段红外图像弱小目标融合检测新算法．首先分别得到双波段红外差分图像,根据差分图像的噪声特性引入隶属度函数来衡量像素点灰度变化程度,对多帧差分图像进行融合,按照“IF…THEN…”规则分别完成单一波段融合后的图像模糊推理,提取目标运动航迹,最后通过融合双波段的航迹实现弱小目标的检测．仿真实验结果表明,该算法通过模糊推理克服了 “硬”判决带来检测概率低的缺点,利用双波段红外图像融合提高了检测性能,可以有效地检测出低信噪比红外图像序列中的弱小运动目标．     

基于灰度级连通性的FLIR图像的目标检测方法

通过对灰度级连通性及其算法的分析,文中给出目标k级成分区域提取算法,并针对前视红外(FLIR)图像序列提出一种目标检测的新方法。这种方法分为帧内和帧间处理:帧内处理利用目标k级成分区域提取算法实现单帧目标检测,帧间处理利用目标时间连通性实现序列图像间的目标关联和目标检测。仿真结果表明:在噪声和杂波干扰下,所提出的方法对红外图像序列弱小目标检测是有效和稳健的。     

AKAZE与高斯混合模型相融合的运动目标检测算法

传统高斯混合模型在抖动干扰下无法取得理想的运动目标检测效果,但实际的各种复杂情况下摄像系统均会存在抖动。针对这一问题,文中提出一种抖动干扰下运动目标检测算法：首先利用基于 AKAZE 特征点匹配算法,进行动态图像精确配准,消除图像抖动,做出运动补偿;其次利用高斯混合模型对配准后的视频序列进行运动目标检测,然后利用三帧差分技术对检测出的运动目标轮廓进一步补偿;最后使用连通域分析补全运动目标。实验表明,本文提出的方法能够满足检测要求,可以在抖动干扰下有效检测出运动目标。     

一种新的低信噪比序列图像运动点目标检测与跟踪算法

提出了一种新的低信噪比序列图像运动点目标检测与跟踪算法,该算法有要地结合了遗传算法与截断序贯似然比检验算法,仿真结果表明应用用此算法,可实现信噪比为２的点的检测与跟踪,文中根据低信噪比点目标检测的特点,了合适的编码方案,遗传操作方法及虚假航迹终结准则,提出了合格个体保留法。     

一种有效的SAR图像目标识别方法

根据不变矩特征提取和支撑矢量机分类的优势,提出了一种有效的SAR图像目标识别方法.首先对样本SAR图像进行预处理。然后提取目标区域的不变矩特征并计算灰度均值,将其组成特征向量训练SVM分类器,最后用训练好的SVM分类器对要识别的SAR图像进行目标识别.采用该方法对一些含有桥梁和坦克的SAR图像进行目标识别实验,取得了较好的识别结果.     

基于DSP与FPGA的靶标动态检测跟踪技术

针对靶场目标测试面临的测量目标小、距离远、目标与背景对比度低等实际问题,提出了基于DSP（Digital Signal Processing）与FPGA（Field Programmable Gate Array）的数字视频图像信息进行目标动态检测跟踪的方法。该方法采用了图像分割检测方法与目标跟踪算法,精确并快速地定位靶标十字的中心,从而实现复杂环境下运动靶标检测跟踪,提高了检测效率和精度。     

基于视觉显著性的红外图像弱小目标检测方法

针对复杂背号下红外图像弱小目标检测难题,提出了一种基于视觉显著性的目标检测方法。首先利用基于视觉注意机制的显著性模型计算图像的显著度图,然后根据图像的显著度图确定目标的区域,最后在原图像上确定目标的精确位置,仿真实验结果表明,本文方法能够很好地检测出红外图像中的弱小目标;与常用背景抑制法相比,该方法不仅较好地突显了目标,而且极大地消除了虚警干扰。     

一种动态目标检测与跟踪的方法研究

对于远距离、小目标的判读其传统方法通常是采用胶片或录像带记录图像,然后人工标定和判读.本文针对靶场中靶标检测存在的问题,提出了给予图像处理技术的靶标检测方法.首先介绍了静态靶标检测方法,然后提出了动态靶标的跟踪策略.测试结果表明,本文提出的方法和策略,可以满足靶场靶标检测和定位的实际需要.     

优化Zernike矩MIMO雷达图像目标识别方法

针对MIMO雷达目标识别问题,给出了一种MIMO雷达目标识别方法.首先利用二值化和杂散点抑制对MIMO雷达成像结果进行了预处理,以消除噪声干扰和MIMO雷达图像距离依赖方位分辨率所引起的图像幅度起伏;随后,基于优化Zernike矩方法构造了MIMO雷达图像的特征,采用欧式距离分类器给出了相应的识别处理步骤.最后,利用3种飞机模型的MIMO雷达像对所提出方法的性能进行了验证,仿真结果证实了所提方法的可行性.     

基于区域显著性与稳定性的小目标检测方法

为解决彩色图像小目标检测中目标易丢失与虚警率高的问题,提出了一种基于区域显著性和稳定性标准增强的小目标检测方法（ RSSEM ）。首先,在区域稳定性特征提取阶段,针对滤波导致的边缘信息缺失问题,填充图像边界并采用多级阈值二值化图像,在聚类准则下二值图像进行区域聚类和二次后验,使本文方法对小目标有较高敏感度。其次,在区域显著性特征提取阶段,利用旋转对称高斯高通滤波对灰度图像进行滤波得到显著性特征图像。最后,融合稳定性特征与显著性特征,并对强噪声滤波后实现小目标检测。在RSS数据集上,与对照组相比,本文方法能显著降低小目标的丢失率和虚警率,比最先进的算法在精确度、召回率、F值上至少提高1%,表明RSSEM的有效性。     

基于面形态学的靶场红外小目标检测方法

针对靶场红外测量图像处理中的弱小目标检测问题,提出一种基于面形态学的目标检测算法：利用面形态学层析原理,首先采用多阈值对图像二值化;其次在每一幅二值化图像内对连通域滤波,按最小面积准则去除连通域;最后通过累加重构二值化图像,计算目标质心,获得检测结果。试验结果表明,该方法在单帧情况下,可检测低信噪比的较大动态范围红外目标。     

空间目标序列图像识别技术

针对远距/近距空间目标成像的特点,提出一种基于序列图像的多尺度自动目标识别(ATR)方案.该方案综合利用目标的尺度变化、姿态变化及图像特征信息,分别构建多尺度目标分类器、姿态判别器,并估计目标识别结果可信度、相邻帧姿态变化的权重以及目标尺度权重;根据当前帧和上一帧的识别结果,进行目标类别的融合判别.对STK产生的10类仿真空间目标进行测试,试验结果表明:对远距空间目标,由于目标像素少,仅用单帧图像的识别率低,合理利用目标序列图像包含的信息,可有效提高目标识别率.     

基于视觉注意机制的复杂背景下红外小目标检测

针对视觉注意机制Itti模型对复杂背景下红外小目标检测易受到图像背景杂波影响,检测结果不理想的情况,对传统算法加以改进,在Itti模型中引入背景预测算子。对图像背景进行预测,与原图像进行差减,以达到突出目标区域的目的,消除背景区域对目标显著性的影响。再提取滤除背景后的图像视觉差异,找出图像的显著性区域,实现对红外小目标的检测。将改进后的模型应用于复杂背景下红外小目标检测中,实验结果表明,相对于传统的Itti模型的检测算法,新提出的算法具有更高的检测率。     

海空背景下红外弱小目标检测方法

针对在海上搜救中弱小目标难以被发现的情况,提出了一种海空背景下红外弱小目标的检测方法.该方法首先进行背景预测,然后将原图像和背景预测后的图像差分进行目标提取,使用Top-Hat变换对目标提取后的差分图像进行滤波处理以去除残余波浪噪声影响,最后使用自适应阈值检测,检测出弱小目标所在的方位.通过和传统的对单帧图像采取Top-Hat变换滤波做法的比较,可以看出来该方法可以较好的去除海浪的影响,检测出亮度较高的红外运动弱小目标,辅助海上搜救工作的完成.