匹配滤波器中参考目标位置对相关峰位置的影响

针对利用光学相关器识别运动多目标的精确定位问题,提出了参考图像目标置中的匹配滤波器设计方法.该方法根据场景图像中目标位置、匹配滤波器中参考目标位置和相关峰位置之间的关系,采用将目标放置在参考图像中心以克服单一目标和运动多目标识别过程中相关峰的不确定偏移.实验结果表明,在范德卢格特型光电混合相关器中,采用该方法设计匹配滤波器可以使相关峰位置与目标位置一一对应,并且能够直观的实时显示出被识别目标在场景图像中的位置,提高了运动目标的定位准确性和跟踪稳定性.     

复杂背景下飞行目标的快速提取与跟踪

为了对飞行目标(典型目标为导弹和飞机)进行跟踪,利用差分图像结合最大空穴检出算法进行目标的提取和捕获,以模板评价函数为准则对模板进行适时更新,利用归一化的互相关系数确定目标在图像中的位置.为了提高速度,尽量采用IPP函数处理大部分的算法,相比较于传统的函数,IPP函数大幅度地提高了运算速度.实验证明,该方法能够在目标变化较大、图像模糊、对比度较低的情况下准确识别并跟踪目标,处理速度基本满足了使用要求.     

基于FSVM时域背景预测的红外弱小目标检测

本文提出了一种基于模糊支持向量机(FSVM)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,利用模糊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,本文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.     

航拍高光谱图像中基于投影的自动目标检测算法

针对未知环境条件下的高光谱图像目标检测问题进行了研究,提出了一种基于投影的自动目标检测算法。该算法通过构造正交投影算子预先对部分干扰物信息进行削弱,再以无监督的自动目标搜寻方法找到场景中可能的目标物,将图像数据向可能目标物所张成的子空间投影以增强目标物的信息,然后用匹配的方法完成检测。有效减弱了干扰物对目标检测的影响,缩小了目标搜索的范围。应用此算法对实验采集数据进行处理,取得了较好的结果。     

基于局部特征空间相关核的图像目标分类

为了描述局部特征在图像空间中相对位置关系,提出一种局部特征空间相关核(Spatial Correlation Kernel,SCK)用于图像目标分类.该方法首先提取并量化图像中的局部特征,再计算量化后的局部特征的空间位置自相关度,然后利用直方图交叉匹配两幅图像的空间位置自相关度得到局部特征空间相关核.该核充分利用局部特征的强分辨能力及其空间位置,且SCK具有线性计算复杂度,满足正定条件,可以运用于基于核的学习算法.本文将SCK嵌入支持向量机对公共数据库中图像目标进行分类,实验结果表明,SCK可以获得良好的时间效率和分类性能.     

基于奇异值分解的红外弱小目标检测

鉴于传统的基于单幅图像奇异值分解红外弱小目标检测算法的不足,提出了一种新的基于图像序列奇异值分解的红外弱小目标检测算法.首先,利用图像序列构造图像矩阵并进行奇异值分解,得到对应的特征值与特征向量;其次,利用处理后的特征值和特征向量重构图像序列,得到新的特征图像序列;再次,在特征图像序列中选取合适的特征图像进行处理从而增强目标并抑制背景;然后,对新特征图像进行阈值分割,得到要检测的弱小目标;最后,对序列中的每幅图像分别进行帧间位置修正与帧内位置修正,以达到检测红外弱小目标的目的.实验结果表明该算法具有很好的鲁棒性与实时性.     

基于图像边缘的灰度加权算法应用于LED管芯检测

LED管芯检测的像素级算法受到图像分割的影响,造成目标中部分像素的丢失.本文利用图像边缘区域的灰度加权算法,以求取物体边缘所在像素点的灰度来计算边缘位置.检测结果分析表明,该算法在检测精度上有了明显提高.     

基于支持向量机的红外成像跟踪算法

为提高传统红外成像跟踪算法的性能,克服相关跟踪对"图像灰度一致性"的要求,在分析光流方程和支持向量机基本理论的基础上,提出一种由光流方程引出的基于支持向量机的成像跟踪算法.以机动车的红外图像序列为研究对象,该算法利用支持向量机的分类值替代方差和误差函数,将每帧中分类值最大的位置看作当前帧中目标的位置,从而实现了对目标的跟踪.该算法不仅不要求满足"图像灰度一致性",而且有效地减少了跟踪的累积误差.研究结果表明,与传统相关跟踪算法相比,本文提出的跟踪算法的精度、稳定度和鲁棒性都有所提高.     

时空联合的红外运动目标提取算法

针对红外图像对比度差、边缘模糊的特点,提出了一种基于时空联合的红外序列图像目标提取的新方法.算法充分利用了红外目标的亮度特征、背景信息以及运动信息.时域分割中通过建立帧差图像背景的高斯分布模型,采用变化检测模板来确定红外目标约束区域.然后,构造图像像素与区域之间的空间关系隶属度矩阵并约束到传统的模糊聚类算法中,空域分割则利用该模糊聚类来对目标约束区域进行有效分割.最后将时空分割结果融合便能实现最终的红外目标提取.实验结果表明,该方法简单有效,能准确提取动态场景中的红外目标.     

四边形分片逼近控制点的图像畸变校正算法

针对传统的图像畸变校正算法建模复杂、实时性差且图像信息易丢失等缺点,提出了一种基于四边形分片逼近控制点的图像畸变校正算法.该方法以标准点阵图像作为量测目标,将数学形态学和滑动邻域操作相结合以确定畸变图像像素点质心,采用基于四边形分片逼近的方法来拟合高次多项式校正模型,运用两步一维线性灰度级插值向后映射算法确定输出图像中像素点的灰度.将该算法在TMS320DM6437 DSP上实现,实验结果表明,校正一幅像素为768×494的图像所用的时间为0.036 S,畸变校正的误差在0.31个像素以内,有效地避免了边缘信息丢失、空洞及灰度失真现象.