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。     

一种基于鲁棒背景运动估计的电子稳像算法

当场景中存在较大范围运动前景时,通常的电子稳像算法较难鲁棒地提取背景的全局运动。针对这种情况,提出了利用前景运动掩膜和对极几何关系抑制错误的全局运动估计,进而达到稳像的目的。首先,估计相邻帧间可视化密集光流图;将该光流图用颜色直方图统计各颜色比重,进而分割出运动前景并制作掩膜;利用掩膜删除掉分布在前景上的光流保留背景光流;之后进一步去除外点,利用剩余的光流进行全局运动估计;最后,采用卡尔曼滤波完成运动补偿。三组不同环境的实验结果均表明,该算法能够有效抑制运动前景对稳像结果的干扰,稳像前后图像的PSNR值提高了近36%,稳像效果明显。     

基于运动场分离水下图像增强处理方法研究

对于处于气泡等运动信息干扰情况下的水下视频图像,传统的增强手段不能达到令人满意的要求。本文提出了一种在水下视频图像中去除气泡场的方法。采用独立成分分析算法,将序列图像中的背景和运动目标进行分离处理,在灰度域上区分开气泡和其他运动目标并去除气泡,然后,在已经去除了气泡信号的图像中重新赋上其相邻序列的视频图像中相同位置但清晰的像素值,并使用光流法对实验结果进行了分析。结果证明,此方法能够成功的从水下图像中分离出气泡信号,达到了削弱、去除水下图像中气泡场的目的。     

联合运动估计和帧选择的多帧超分辨率重建算法

多帧图像超分辨率重建中,连续各帧图像间的精确匹配和帧的选择具有非常重要的意义。提出了自适应帧选择原则,设计了联合光子流运动估计配准和超分辨率重建的方法。首先采用光子流运动估计算法计算各帧间的运动估计,设计一种自适应帧选择方法丢弃一些帧间运动较大的帧,再通过亚像素图像配准,计算得到相对精确的运动估计参数,最后结合最大后延概率方法进行图像超分辨率计算,并充分考虑两次迭代所得图像向量的差值对下次迭代算法的影响。实验结果表明,该方法不仅可以实现亚像素级的精确配准,还可以使重建后图像在视觉效果和峰值信噪比上都得到更好的效果。     

气液两相流图像中黏连气泡分割技术研究

针对气液两相流图像中的气泡黏连现象，提出了一种同时依据灰度和形状分布特性进行黏连气泡分割的图像处理算法.利用差影算法滤除背景干扰，依据形态梯度和自适应阈值分离前背景，得到预分割图像.基于面积重构顶改进变换滤除噪音能力强的特点，分别提取预分割图和距离灰度图中的峰值区域，融合后作为分水岭改进变换的标识，由此得到分水线，从而完成对黏连气泡的分割.实验结果表明，与现有的算法相比，该算法能够有效地分割开前背景和黏连气泡，具有分割效果好、分水线定位准确等优点.     

结合编码曝光和运动先验信息的局部模糊图像复原

针对局部运动模糊图像复原的病态性和背景被破坏的问题,提出基于编码曝光和运动先验信息的局部模糊图像复原方法. 分析编码曝光成像理论模型,建立最优码字选取的适应度函数准则. 通过物像关系,获得运动目标的点扩散函数（PSF）像移尺度初步估计参数,作为运动先验信息. 采用背景差分法进行目标提取,综合编码曝光运动模糊图像的叠加特性,实现对运动模糊目标区域的精确提取. 结合先验信息,引入基于贝叶斯最大后验概率框架的student-t复原算法进行PSF精确估计和复原重建,快速迭代得到复原结果. 搭建实验仿真系统,并开展针对实际运动目标的复原实验. 实验结果表明,该方法能有效改善传统曝光中运动模糊复原的病态性问题,抑制复原过程中目标图像边缘振铃及背景噪声的放大效应,所复原图像具有更好的主客观评价结果.     

基于光流技术的运动目标检测和跟踪方法研究

为解决视频监控系统中帧差光流法在光照变化大时对目标检测存在误差大的问题,提出一种基于时空兴趣点的目标检测算法。从光流的行人目标提取着手,首先对图像序列进行高斯滤波、Gabor滤波,提取到兴趣点集,然后对兴趣点集提取运动目标区域,接着在一定区域进行光流计算,识别并跟踪目标。实验结果表明,该方法的准确率比传统的帧差光流法的准确率高,且在简单的实际场景中更有效。     

基于气泡跟踪与相位相关的浮选表面气泡平移运动估计

针对浮选表面气泡运动估计难以兼顾准确度和速度的问题,提出了结合气泡跟踪与相位相关的浮选表面气泡运动估计方法。首先对序列的相邻2帧图像按灰度最小值进行尺度缩小,然后通过阈值分割法提取其气泡高亮区域以完成气泡跟踪,最后采用相位相关法得到气泡平移运动信息。同时提出一种分块相位相关法用于进一步获取各个气泡子区域的运动特征。多组运动估计仿真测试证实了算法的有效性和准确度。铅锌浮选厂的现场实验结果表明,算法能快速地获取气泡运动矢量,分块相位相关法能够提供各子块的运动特征。浮选各槽的气泡运动曲线数据表明：每个浮选槽表面气泡的平移运动均表现出了一定的周期性;同一等级的浮选槽里的气泡平移运动曲线和运动紊乱程度曲线具有类似的分布规律;保持一定程度的气泡运动紊乱性有助于提高精矿的品质。     

一种基于时空兴趣点和光流法的行人检测方法

为解决视频监控系统中帧差光流法在光照变化大时对目标检测存在误差大的问题,提出一种基于时空兴趣点的目标检测算法。从光流的行人目标提取着手,首先对图像序列进行高斯滤波、Gabor滤波,提取到兴趣点集,然后对兴趣点集提取运动目标区域,接着在一定区域进行光流计算,识别并跟踪目标。实验结果表明,该方法的准确率比传统的帧差光流法的准确率高,且在简单的实际场景中更有效。     

强背景噪声下红外目标的鲁棒性跟踪算法

提出了一种将边缘检测与改进Mean Shift 算法相结合的红外目标跟踪算法．初选了原始红外图像边缘后,再利用非线性边缘检测算法进行处理,有效地消除了原始红外图像中的大部分噪声,并能获取高质量的图像边缘信息．在此基础上,采取更新目标模型、目标模板背景加权以及候选目标区域核加权的方式改进Mean Shift算法,以增强Mean Shift算法跟踪目标的稳定性及对背景噪声的鲁棒性,从而实现强背景噪声下运动红外目标的快速、准确跟踪．实验结果表明,该算法不仅计算量较少,提高了跟踪速度,而且对背景噪声有很强的鲁棒性．     

基于3D-LCRN视频异常行为识别方法

自动准确识别监控视频中的异常行为在安防领域具有广泛的应用前景.本文提出一种基于3D-LCRN(3D Long-short-term Convolutional Recurrent Network)视觉时序模型的视频异常行为识别方法.首先,基于视频图像帧间的结构相似性,结合光照感应与光照补偿机制进行背景建模,获取对光照突变与背景运动不敏感的矫正光流场与矫正运动历史图.同时,针对异常与正常行为视频数据失衡问题,计算三通道矫正光流运动历史图COFMHI(corrected optical flow motion history image),随机提取视觉词块进行聚类,对样本数量与维度进行双向扩充,充分获取样本的微分和积分运动信息.在此基础上,采用3D-CNN深度学习网络模型对COFMHI进行学习,获取局部短时序时空-域特征,结合可学习贡献因子加权的LSTM网络以压制无关、冗余、具有混淆性的视频片段,进一步提取由短时序-长时序,由局部-全局的多层次时-空域特征用于异常行为识别.通过与同类方法的客观定量对比,实验结果表明,本文方法在光照突变与背景运动等复杂场景下具有优异的异常行为识别性能,进一步表明该方法有效、可行.     

高光谱亚像元图像仿真与异常检测应用

为满足高光谱异常检测研究所需的大量地物高光谱图像需求,提出利用待观测地物的高光谱特性仿真数据及背景特性数据生成高光谱图像的方法,开展了典型飞机流动与传热模型、红外辐射特性模型、高光谱图像仿真模型研究;以实验测定的飞机反射率为输入开展目标特性计算,结合实际观测的背景起伏图像,在特定遥感器光谱响应特性、遥感器相对定标误差、随机加性噪声等条件下,生成了不同像元丰度、不同信噪比的高光谱图像,并应用经典的RX算法、CEM算法检测了仿真图像的异常像元。研究结果表明:建立的模型可以根据遥感器的性能指标参数、目标丰度要求生成亚像元高光谱仿真图像。图像可以反映目标飞机像元丰度、信噪比对检测结果的影响,通过调节输入参数可以高效建立针对亚像元异常检测的高光谱仿真图像;应用仿真图像进行RX算法检测高光谱仿真图像时,噪声会对检测结果产生较大影响,当信噪比低至10 dB时,RX算法难以检测出丰度0.4以下的异常像元,采用光谱匹配检测的CEM算法可以在较低像元丰度和信噪比下检测异常,提高检测概率。     

基于目标形态特征的工件自动分割方法

为了使交互式工件分割算法满足实时性的要求,提出了一种将工件形态特征与图像分割算法相结合的工件自动分割方法.利用MeanShift算法分割图像提取目标区域;利用形态学开运算消除目标区域的噪声,进而分离相连的目标区域;对目标区域进行边缘检测,计算完整的工件轮廓信息,然后根据外轮廓的面积确定工件区域;利用工件区域的最小外接矩形在图像中标出前景和背景区域,再利用GrabCut算法分别对前景和背景建立高斯混合模型,然后通过mincut/maxflow算法分割前景与背景区域,最终实现工件目标的提取.实验结果表明,对于制造商提供的样本,该方法分割工件的召回率和准确率分别为94.97%和88.48%,具有较强的实用性和良好的实时性.     

篮球运动快速位移图像自适应定位方法

针对传统方法在进行篮球位移图像定位时存在计算复杂度高、抗干扰性差、准确性低的问题,提出一种新的篮球运动快速位移图像自适应定位方法.对图像互能量谱进行反转,对得到的背景运动偏移量进行补偿;依据灰度阈值技术,对背景模板和当前帧篮球运动图像进行差分,获取当前帧快速位移区域;将种子像素作为生长起点,将邻域中与种子像素相似的像素聚集起来,得到快速位移目标的最小框,完成定位.结果表明,所提方法得到的定位结果清晰准确,抗干性强扰;在目标出现变形的情况下,本文方法受变形影响小,抗噪能力高,定位精度高.     

帧差与快速密集光流结合的图像法测流研究

图像法测流技术因其简便、高效、安全等优点得到了普遍的关注,开始应用于国内外水文站。目前主流的图像法测流技术通常采用天然水面模式作为示踪物,利用空域互相关法处理图像获得流场矢量,被称为大尺度粒子图像测速(LSPIV)。但该方法在天然河道流量测量中仍存在着较大不确定性及一致性差等问题,并且由于相关性匹配问题该方法的测量速度很难达到实时性测量要求。本文提出一种基于帧间差分与快速密集光流结合的分组图像法(FD-DIS-G)快速测流方法。首先,利用帧差法计算运动显著性图去捕捉到细微的水面运动来处理低流速下河流运动在视频中表现不明显的问题。其次,使用快速密集光流法(DIS)计算运动显著性图中小块区域之间的密集光流,小块区域和快速密集光流法结合能提高流量测量的精度和时效性。同时,设计了一种新的分组处理奇异值的方法,提高了算法的整体准确性,增强了算法的稳定性。本文将流速仪测量得到的垂线平均流速、平均流速以及断面流量作为比测标准,利用水文站所拍得的天然河道水流视频进行比测实验,实验结果表明,相比于广泛使用的LSPIV测量方法,本文方法在平均流速和断面流量上的精度有明显的提升,垂线平均流速的稳定性有显著的增强,并且实时性好。     

高斯小波在低对比度目标识别中的应用研究

应用光电混合联合变换相关器对复杂背景低对比度目标进行探测识别时,物面图像不作任何处理根本无法获得相关峰,无法实现目标探测识别的目的。为此提出在物面应用高斯小波模极大法处理技术,有效抑制了背景噪声的干扰,提高了有用信息量的衍射,从而提高了应用联合变换相关器对复杂背景低对比度目标进行探测识别的能力。实验证明对于对比度高于6%的复杂背景目标经高斯小波处理后,获得的相关峰对比度较处理前相关峰对比度能达到百分之百的增强效果。文中给出了雾天汽车处理前后的实验结果,有力地证明了该方法的有效性。     

基于区域光流特征的异常行为检测

为了满足智能视频监控的需求,提出一种基于区域光流特征的异常行为检测方法.为了减少光照变化、环境扰动等因素对光流的影响及可靠地提取出运动区域,采用改进的混合高斯模型(MoG)来表示背景像素的变化并自适应更新背景模型,用背景差法从视频序列中提取出运动前景.通过最近邻法对前景进行区域标记,采用Lucas-Kanade方法计算出运动区域内的光流信息.采用基于幅值的加权方向直方图描述行为,计算运动区域内直方图的熵来判断行为的异常.基于不同场景下的视频序列所进行的实验测试结果验证了所提方法的有效性.     

基于形状模板匹配的前视红外目标检测方法

针对前视红外复杂地面固定目标无直接可用基准图、背景干扰严重、目标与背景灰度差异小、不利于目标识别等问题,提出了一种基于形状模板的目标识别方法.首先,在构建高斯多尺度空间的基础上,设计分层多阈值算法,检测感兴趣区域;其次,引入模糊集理论,提取形状特征,分离目标与背景;最后,用改进的Hausdorff距离算法进行精匹配,确定目标.实验结果表明,该算法匹配率与改进的Hausdorff距离算法相比提高了近20%,算法花费时间缩短了2/3;与Nprod算法相比匹配率提高了近30%,时间缩短了1/2,在密度为0.3的椒盐噪声下,匹配率仍能达到70%以上.对于复杂背景下的前视红外固定目标,该方法具有匹配率高、速度快、精度高等优点.     

结合背景差分与光流法的人群状态突变检测

针对群体性异常事件中人群状态突变场景发生时的运动特征,提出结合背景差分和光流法的检测算法.对图像背景差分提取前景寻找特征点,利用光流法预测特征点位置,将特征点以光流运动方向为依据划分后处理数据,得到累积加速度进行判断.该算法弥补了单独使用背景差分算法检测准确率低和单独使用光流法检测效率低的缺陷,通过将特征点以光流运动方向划分处理数据,大幅度提高了检测的准确性和稳定性.经过实验测试,结果表明,该算法在人群状态突变异常事件检测中有较高的准确性,能够满足实时性要求,较同类检测算法在综合性能上有显著提高.     

动态背景下的车辆与车道线检测

运用运动光流法提取运动车辆,区分运动的前景及相对运动的背景,获取运动目标的运动参数;运用霍夫变换结合最小二乘法实现道路识别与跟踪.实验结果表明,运动光流法能够准确检测不同运动目标并对其进行跟踪,霍夫变换结合最小二乘法对车道线实现了较好的跟踪与预测,实现了预期目标.