基于光电转台全局运动补偿与YOLOv3网络模型的运动目标检测算法

传统的动目标检测算法存在受噪声干扰大、背景建模时间长、无法识别目标类型等问题,并且背景建模等方法对全局运动存在限制要求.针对上述问题,提出新的运动目标检测算法,采用YOLOv3模型对观察序列中的视频进行检测,获得连续帧的目标识别结果;通过光电转台位置信息估算全局运动,对连续帧目标进行匹配获取一致性关系;计算目标像素速度与目标运动程度估值,判定目标运动状态.以车辆目标视频图像为研究对象,试验表明：算法在英伟达TX2与NX平台实现部署,单帧处理时间分别达到140 ms、36 ms,实现对多个运动目标的实时正确检测,并获取目标像素速度与运动方向等运动信息.     

基于特征点和区域生长的目标图像分割方法

成像探测的运动目标图像中背景复杂并且含有大量的噪声,针对传统的目标的检测和分割方法精确定位困难、且不能完整分割等问题,提出基于特征点和区域生长的运动目标图像分割方法。通过相邻帧图像的绝对值差分图像得到大概的运动区域,利用基于LK光流的角点检测方法提取差值图像中的特征点,采用非最大值抑制对特征点的优劣性进行评估,对好的特征点进行区域生长,最终达到运动目标的分割目的。仿真结果表明:该方法能够对复杂图像序列中的运动目标进行精确定位,得到较好的目标分割结果,并且计算量小,具有较高的鲁棒性。     

基于最小二乘支持向量机时域背景预测的红外弱小目标检测

针对信噪比较低时,如何有效地抑制自然背景对目标检测的影响,提出了一种基于最小二乘支持向量机(LS-SVM)时域背景预测的红外弱小目标检测方法。首先针对前几帧图像中对应同一位置像素点的灰度值序列,利用参数经粒子群优化的最小二乘支持向量机进行函数拟合,并据此预测下一帧图像在该位置处像素点的灰度值;然后将原始图像与预测图像相减得到预测残差图像,利用基于二维Tsallis-Havrda-Charvat熵的阈值选取快速算法进行分割,并根据小目标运动的连续性和轨迹的一致性进一步分离噪声和小目标。文中给出了实验结果及分析,并与现有的检测红外小目标的空域和时域背景预测算法进行了比较。结果表明所提出的算法具有更高的检测概率,明显优于已有的基于背景预测的红外小目标检测算法。     

动态背景下基于运动矢量补偿的目标检测

在动态场景下,为了降低背景运动对目标检测产生误差的影响,针对视频序列图像,提出基于运动矢量 补偿的目标检测算法。采用背景运动补偿方法来完成目标检测,利用 SURF 特征点来获取精确的匹配点对,从而获 取准确的运动矢量;根据运动目标和背景运动矢量位移的不同来区分出前景和背景区域,将背景运动矢量代入模型 进行参数估计,提高背景补偿的精度;用帧差法检测出运动目标。实验结果表明：该算法具有鲁棒性,能够准确检 测出动态背景下的运动目标。     

基于序列图像的空中目标跟踪方法

文中提出一种有效的运动跟踪检测算法对空中运动目标进行快速、准确的检测和跟踪,首先利用对称图像差分梯度法进行运动目标检测,该方法能很好地检测出移动背景中低信噪比的运动目标;然后通过改进的活动轮廓模型在视频图像序列中进行跟踪,实验结果表明,使用该方法可以得到有效的目标轮廓,从而获得准确跟踪效果.     

基于时空域融合的红外弱小目标检测新方法

针对复杂背景下红外弱小目标的检测问题,提出一种基于时空域融合的检测方法。在空域上．通过灰度形态学Tophat变换抑制背景、增强目标;在时域上．对红外图像序列连续四帧进行沿时间轴一维小波变换,实现目标和背景的分离。然后对时空域融合的目标增强图像进行自适应阈值分割来提取弱小目标。实验结果表明。该方法能有效地检测运动红外弱小目标。     

动态背景中基于特征点引导的动目标快速检测方法

为解决传统方法的不足,提出一种新方法实现动态背景中运动目标的快速检测。充分利用图像的特征点信息,对传统的SSDA算法进行改进,实现视频序列相邻帧间的配准。在经过配准的帧间,利用特征点及其邻域的灰度信息求取小窗口的灰度差的总和,则匹配误差较大的特征点必处在动目标区域,据此检测出运动目标的位置。实验证明,该算法具有简单、快速的优点,可用于动态背景中的动目标检测,也可用于图像的变化检测。     

基于图像行相关空中目标实时检测算法

针对复杂背景中弱小目标的侦测问题,提出一种弱小目标去背景检测的新方法。通过对图像做灰度反转,根据图像相邻行之间的相关性做去除背景的预处理,并计算图像中灰度值最大的像素点,得到目标的位置坐标,并对实拍的空中弱小目标视频图像进行实验验证。实拍的视频图像证明：该方法可对弱小目标进行检测,且检测速度快、抗噪声干扰性能强。     

视频序列中运动目标检测技术

提出一种基于前景目标分类的视频序列中运动目标检测方法。该方法在RGB空间内建立了一种新颖的背景模型;为了解决背景更新“死锁”问题,提出了像素点的跳跃度函数和稳定性函数,将前景分类为静止目标、运动目标及虚假目标;最后提出了一种基于HSV颜色信息和ー阶梯度信息的混奋阴影剪除算法。实验结果表明,该方法能有效分割视频场景中的运动目标并鲁棒地分离目标及其阴影区域。     

复杂背景下的颜色分离背景差分目标检测方法

针对复杂背景下运动目标检测失检率高的问题,提出了用于复杂背景目标检测改进的 基于RGB 颜色分离的背景差分目标检测方法。主要是对RGB 三通道图像独立进行背景差分运 算,阈值二值化后合并三通道前景图像,得到完整前景目标图像;再利用检测的边缘对前景图像进 行修正,消除光照变化带来的噪声;RGB 三通道使用自适应权值的递推算法进行背景更新。最后 采用实验室采集的图像序列进行了仿真实验,结果表明,该方法在复杂场景下有效识别颜色差异, 避免了灰度值相近而造成的目标缺失,提高了检测精确性。     

基于空时稀疏表示的红外小目标检测算法

提出了一种基于过完备空时字典及其稀疏表示的红外小弱目标运动检测算法。采用K奇异值分解算法学习连续多帧图像的运动信息和形态特征,构建自适应形态过完备空时字典;利用高斯运动模型检验自适应形态过完备空时字典,将其划分为能分别描述目标与背景的目标过完备空时字典和背景过完备空时字典;将连续多帧图像分别在目标过完备空时字典和背景过完备空时字典上稀疏分解,利用几个最大稀疏系数及其空时原子重构信号,增强二者残差来检测小目标信号。实验结果表明,该过完备空时字典不仅能同时描述目标与背景的运动信息和形态特征,极大地提高信号表示的稀疏程度,而且能有效增强目标与背景的特征差异,提高小运动目标的探测能力。提出了一种基于过完备空时字典及其稀疏表示的红外小弱目标运动检测算法。采用K奇异值分解算法学习连续多帧图像的运动信息和形态特征,构建自适应形态过完备空时字典;利用高斯运动模型检验自适应形态过完备空时字典,将其划分为能分别描述目标与背景的目标过完备空时字典和背景过完备空时字典;将连续多帧图像分别在目标过完备空时字典和背景过完备空时字典上稀疏分解,利用几个最大稀疏系数及其空时原子重构信号,增强二者残差来检测小目标信号。实验结果表明,该过完备空时字典不仅能同时描述目标与背景的运动信息和形态特征,极大地提高信号表示的稀疏程度,而且能有效增强目标与背景的特征差异,提高小运动目标的探测能力。     

一种改进的Surendra运动目标伪装效果检测方法

现有的伪装检测主要是针对静态目标,并不能客观反映机动装备在作战行动中伪装的有效性。综合运动目标检测技术,结合伪装学原理,以军用卡车模型作为研究对象,基于Surendra背景更新建模算法并结合Lab三通道,提出一种机动装备迷彩伪装效果检测方法。根据所建立的实验系统,计算序列图中军用卡车伪装前后的形状特征参数集合之间的欧氏距离,得到实验序列图像的欧氏距离平均值为189.45,说明实验系统中伪装前后运动目标的形状特征参数之间极不相似,即经过伪装后的目标更具有一定的动态变形伪装特性。借助性能评价模块得出伪装前后目标图像相关系数范围为0.003 5~0.127 5,证明了该检测方法的科学性和可靠性;根据检测运动目标的算法原理,可知伪装后的运动目标图像与其中心背景之间更具有一定的融合性。     

基于小波变换的小目标检测

利用小波分析的多分辨率特性和时频局部窗特性能够克服传统方法的局限,实现小目标的精确定位检测.基于小波变换的小目标检测,先利用改进的小波变换选择合理的小波基和小波变换窗口对小目标图像滤波,后结合直方图阈值分割法分割阈值.实验结果表明该方法不仅能很好保存小目标的形状特征,还能将背景几乎完全消除.     

红外系列图像运动小目标检测

红外系列图像运动小目标检测,基于形态学滤波抑制图像系列背景方法,在图像分割基础上,利用目标在帧间运动的连续性进行目标识别.即首先通过形态学滤波进行图像预处理,用自适应阈值方法分割出候选目标,再利用目标运动特征,采用邻域判决法最终检测出目标.模拟实验表明该方法能够准确高效地检测出运动小目标.     

无线传感器网络仿真中的目标定位问题

针对在无线传感器网络仿真平台的设计里,单个可见光传感器无法获得运动目标的距离信息,无法实现运动目标的定位及多传感器的信息融合的问题,提出一种基于多个可见光传感器数据融合的运动目标定位方法。该方法将数字图像处理与数据融合技术相结合,采用运动目标检测与识别技术确定目标个数与种类,运用数据融合技术融合多个传感器的识别结果及节点位置信息,很好地解决了仅利用可见光传感器仿真的情况下,运动目标在监控场景里的定位问题。     

红外图像弱小点目标检测技术研究

针对低信噪比、背景和噪声干扰严重的红外图像中运动点目标的检测问题,提出了一种背景预测和目标轨迹搜索相结合的高效检测算法。该算法首先对序列图像进行高通滤波,然后对滤波后的图像进行背景预测,将原图像与背景预测图像相减获得残差图像,依据图像阀值分离出少量的候选目标点,再将含有候选目标的序列残差图像经过最大合并算法形成组合帧图像,最后利用目标运动的连续性和一致性在组合帧图像中搜索目标运动轨迹。     

基于视觉的无人机感知与规避系统设计

结合无人机自身携带的光电平台,设计了一个面向空中动态目标的无人机感知与规避系统。使用图像阈值法结合帧差法检测出运动目标,利用Mean shift与Kalman滤波融合,在图像中实时跟踪目标;利用自抗扰控制器控制无人机光电平台光轴指向目标并进行激光测距以实现目标定位;最后采用人工势场法,实时地计算下一时刻航路点,对目标进行规避。仿真实验表明：针对虚拟现实产生的模拟视频流,系统所采用方法具有良好的实时性和有效性。