基于背景预测的红外弱小目标检测新算法

针对复杂背景中弱小目标检测难的问题,提出一种改进的双边滤波背景预测算法．该算法在双边滤波中引入梯度算子,自适应地对背景进行预测,将原始图像与预测图像相减可以抑制背景细节、增强目标信息,同时利用梯度的统计特性减少算法的计算量,提高了弱小目标检测性能．仿真和实验表明,与双边滤波的检测算法相比,该算法能够更加有效地从复杂背景中检测弱小目标．     

一种基于局部特性的红外弱小目标检测方法

针对红外图像弱小目标检测程序复杂和虚警率高的问题,提出了一种基于局部特性检测红外弱小目标的方法.该方法主要根据待检测像素点局部灰度比、局部灰度差、局部能量比以及局部能量差值的大小进行目标检测,避免了传统方法需对红外图像进行背景预测、图像增强等处理,有效地改善了低信噪比下红外图像小目标的检测性能.通过仿真实验对该方法与2种传统方法进行了测试和对比,证明了该方法的有效性和优越性.     

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。     

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。     

基于模糊积分特征的红外图像运动目标检测算法

提出了一种新颖的融合红外图像的亮度和纹理特征进行运动目标检测的算法。算法使用模糊数学理论中的Sugeno模糊测度和积分技术将图像的亮度特征与局部二元模式纹理特征结合进行运动前景/背景分类,实现了低信噪比、黑白级反转等复杂背景条件下的准确目标提取。通过实验分析比较了不同检测算法的检测结果,实验数据表明,该算法能够以高检测率、低误检率获得运动目标,为进一步的目标识别或跟踪提供了保障。     

一种计算红外点目标检测概率的方法

在红外成像系统中因为噪声的影响而导致目标检测的结果呈现出概率分布,检测概率常常被用来作为衡量算法检测性能的指标,利用对比度门限检测给出了检测概率的计算方法,交给出了检测概率与信噪比、对比度和检测门限之间的关系。     

基于视觉注意机制的红外图像小目标检测方法

提出了适用于红外序列图像小目标检测的二步骤计算模型和算法.该算法处理的第一阶段通过对象的显著性计算,快速提取潜在目标的集合,在第二阶段对这个集合进行更为细致的识别,剔除伪目标,检测出真实目标.这种方法在没有牺牲其他性能指标的前提下,大幅度地改善了运算复杂度,为实现有限条件下系统的实时处理提供了基础.     

基于多尺度局部梯度的点目标检测技术

在研究红外点状移动目标特征的基础上,该文提出一种多尺度局部梯度强度测算的小目标检测算法。首先构造多尺度图像金字塔,并在多尺度下提出一种快速粗略的小目标检测方法;再利用目标本身与环绕背景之间的差异性,测算局部窗口内各个方向的灰度变化强度。然后根据这些测算结果获得最合适的响应。实验结果表明,在复杂多变的背景下,该方法具有较好的鲁棒性,在低信噪比下,有较为有效的检测性能。     

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.     

基于红外图像的铜电解短路检测

本文采取了红外图像特征提取的方法检测铜电解生产系统中阴阳极板间的短路.首先采集烧板和非烧板的样本;然后在局部二值模式LBP的基础上提出差分LBP特征检测算子;最后选用支持向量机SVM分类器进行分类来提高识别率.实验表明,通过红外图像检测短路的方法可行,且改进的D-LBP特征比LBP特征及其他传统特征提取算法更适合烧板和非烧板的检测,在所选取的5000张样本中其检测正确率达到了98.5％.     

基于改进HOG LBP特征的行人检测

针对梯度方向直方图(histogram of oriented gradient, HOG)和局部二值模式(local binary pattern, LBP)特征维数高、冗余信息多、影响视频图像中行人检测速度的问题,提出一种基于改进HOGLBP特征的行人检测方法。通过对原有HOG特征进行统计平均,结合单独最优特征组合和巴氏距离(Bhattacharyya)可分性判据选出最优特征,并与LBP特征融合得到改进的HOGLBP特征,然后利用支持向量机(support vector machine, SVM)对样本特征进行训练获得分类器,最后对测试样本进行分类。实验结果表明,该方法使得行人检测的准确率和实时性都有一定的提高,并用自行拍摄的视频验证了该方法的有效性。     

基于LBP直方图和SIFT的药品包装缺陷检测方法

针对铝塑泡罩药品包装缺陷检测问题,提出了基于LBP直方图的SIFT匹配方法。先提取铝塑泡罩药品包装图像中的特征点,再计算其周围区域上的LBP直方图,最后进行特征点匹配,判断该药品包装是否有缺陷。试验结果表明,此方法与SIFT算法相比,计算速度更快,且能满足工业生产要求。     

使用多尺度LBP特征和SVM的火焰识别算法

目前基于视频图像的火灾识别系统是大空间场景中预防火灾的有效方法。为了提高检测性能,基于火焰特定的纹理结构,使用多尺度纹理特征,以获得更全面的特征信息。首先使用火焰的明亮特性定位到疑似火焰区域;然后针对这些区域,采用局部二值模式(local binary patterns, LBP)方法提取多尺度纹理特征;最后将多尺度LBP纹理特征输入到支持向量机(support vector machine, SVM)中进行识别。实验结果表明,该方法计算简单,火焰的检测率较高,误警率较低。     

基于2D Gabor滤波器和LBP的车牌识别研究

本文提出一种基于2DGabor滤波器和LBP的车牌识别方法,与基于2DGabor滤波器的方法相比,该方法降低了图像维数,识别时间短,识别精度高。首先利用2DGabor滤波器对归一化后的图像进行低通滤波,然后使用LBP提取车牌纹理特征,最后用支持向量机作为分类器。在课题组自建的车牌库上进行实验,取得了94.3%的识别率和每张图像0.291s的识别时间,说明该方法基本满足实际需要。     

基于背景抑制与特征融合的红外微小目标检测

为了解决多特征融合微小目标检测算法复杂、受到假设限制等问题,提出了一种背景抑制与特征融合相结合的海天背景红外微小目标单帧检测算法,算法采用高通滤波抑制背景,利用灰度变换强化目标特征,特征融合时不涉及像素行均值问题,克服了海天线水平的假设;采用计算量小的局部灰度最大值、局部对比度均值反差两个特征进行加权信息融合,形成特征图,检测出微小目标.实验结果表明,该算法不论在实时性、实用性还是有效性方面都取得了满意效果.     

基于局部区域LBP特征的人脸识别研究

传统的LBP方法往往分散特征区域所表达的信息,提出一种基于局部区域LBP特征（Local Binary Pattern,局部二值模式）提取的人脸识别方法。用积分投影法在表情图像上定位出眉毛、眼睛、鼻子和嘴巴这些特征点的位置,根据这些特征点的位置确定这些特征部件所在子区域,然后对这些子区域进行不同的分块,提取各子区域的局部LBP直方图,按顺序把它们连结成一个特征直方图序列。实验结果表明：局部区域LBP方法与传统的LBP方法相比有很强的人脸表情特征识别能力,能够更准确地提取面部局部区域的表情信息。     

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。     

应用于番茄病虫害检测的HOG特征与LBP特征的结合

植物病虫害是农业部门面临的主要挑战,准确和快速地检测植物病虫害有助于发现早期治疗方法,同时大幅减少经济损失. 基于机器学习的目标检测方法能够很大程度地提高物体检测和识别系统的准确性. 提出了一种基于机器学习的番茄病虫害检测方法,通过提取有病虫害和无病虫害的番茄样本的HOG特征和LBP特征,然后结合SVM分类器训练样本得到检测模型. HOG特征能够较好地描述番茄叶的边缘特征,LBP特征能够较好地描述番茄叶的纹理特征,两个特征在一定程度上互补. 实验结果表明,基于HOG与LBP特征结合检测有病虫害的番茄叶取得了较好的效果,该方法在全球AI挑战赛中农作物病害的番茄数据集取得了99.49%的检测率.