无人机编队视频序列中的多目标精确跟踪

针对无人机编队视频序列中的多目标精确跟踪的要求,使用STK三维建模软件模拟无人机编队飞行视频,通过双差分图像操作、多分辨率连通分支标记算法确定图像中的运动区域.提出了一种改进的贪婪算法,利用已确定的矩形运动区域作为初始轮廓,实现对无人机目标的精确轮廓提取.以运动区域的中心位置为输入,建立在线卡尔曼滤波器组对多目标进行跟踪,并由此提出了如何对多目标中的遮挡问题进行判定、分割的方法.仿真实验验证了文中提出的方法.     

基于统计模型和活动轮廓的运动目标检测与跟踪

提出了一种静止背景视频序列中运动目标的检测与跟踪方法.对连续两帧图像序列作差分计算,对差分图像的灰度分布建立混和高斯模型(GMM),采用期望最大化(EM)算法估计模型参数,并引入基于GMM模型的边界检测算子,进而构造运动边界图像.改进静态图像轮廓提取算法GVF-Snake,利用运动边界图像修改GVF-Snake的能量项,使其能够提取视频序列中运动目标的轮廓.采用一种根据目标区域自动初始化轮廓的方法解决Snake初始轮廓需要手工设定的问题,采用一阶差分预测算法加快轮廓收敛速度.利用改进的GVF-Snake算法对运动目标进行检测与跟踪,结果表明,该算法对刚性和非刚性两类目标都具有较好的检测与跟踪效果.     

采用形态学算子的运动目标检测跟踪方法研究及实现

针对背景动态变化的场景,提出了一种基于全方位视觉的运动目标检测跟踪方法.采用统计方法建立背景模型,并实现背景模型的实时更新;利用减背景法和改进的二值图像连通域算法实现运动区域提取、分割;引入形态学算子计算目标区域体态比和紧密度,过滤背景干扰物;采用卡尔曼滤波与匹配矩阵相结合实现多个运动目标的跟踪;通过目标在HSV颜色空间中的H值、目标间的欧氏距离和目标相交面积等特征融合,提高目标跟踪的鲁棒性.实验表明,所设计的方法能实现实时准确的运动目标检测与跟踪.     

无人机编队视频序列中的多目标精确跟踪

针对无人机编队视频序列中的多目标精确跟踪的要求,使用STK（satellitetoolkit）三雏建模软件模拟无人机UAV（unmanned aerial vehicle）编队飞行视频,通过双差分图像操作和多分辨率连通分支标记算法确定图像中的运动区域．提出了一种改进的贪婪算法,利用已确定的矩形运动区域作为初始轮廓,实现对无人机目标的精确轮廓提取．以运动区域的中心位置为输入,建立在线卡尔曼滤波器组对多目标进行跟踪,并由此提出了如何对多目标中的遮挡问题进行判定、分割的方法．仿真实验验证了文中所提的方法.     

基于ViBe的端到端铝带表面缺陷检测识别方法

针对铝带表面缺陷高精度检测要求以及传统算法识别率不佳的问题,提出端到端的表面缺陷检测与识别方法.从铝带表面初始图像序列中快速计算出平均图像,视为无缺陷背景图像,用于初始化ViBe算法的背景模型.采用ViBe算法从当前图像中分割出缺陷区域,对缺陷区域二值图像进行中值滤波和形态学运算,以去除噪声点和修补边缘,实现缺陷区域的准确提取.利用当前图像实时更新ViBe背景模型,以增加对光照变化的适应能力.提取缺陷外接矩形区域图像,归一化后输入到训练好的卷积神经网络中进行识别分类,得到分类结果.实验结果表明,提出方法的缺陷检出率为93.02%,缺陷识别率为99.86%,具有较好的应用价值.     

基于图像序列差分法的冷轧薄板板形识别

为了解决板形识别中存在的实时性差、准确度低、维修成本高的问题,提出了一种计算机视觉技术的板形缺陷识别.采用图像序列差分法提取图像中的运动对象信息,再利用最小误差阈值分割方法进行图像二值化,生成板形缺陷二值图像,通过统计窗口区域中像素为1的数目来判定板形是否有缺陷.提出了基于图像序列差分法识别板形缺陷的算法,并且实现了该方法的硬件和软件设计.实验结果表明,此方法可以快速准确地识别出常见的板形缺陷.     

基于背景差分法的电网巡检运动目标检测技术

针对无人机对电网巡检过程中移动镜头下的目标检测问题，采用背景补偿与背景差分法实现了动态场景下的目标检测.建立了全局运动矢量模型，并利用SIFT特征点提取和匹配技术，完成了视频图像的特征点匹配，实现了移动镜头下的背景补偿.通过降维和局部匹配方式对SIFT特征点提取和匹配技术进行优化.结果表明，优化后的特征向量生成时间是原来的30%～40%,与经典SIFT算法相比，提取特征点的总时间是原来的30%～50%,该方法能准确检测运动目标并排除干扰.     

引入Harris角点检测的运动图像边缘轮廓提取

对运动目标图像进行边缘轮廓特征提取,提高运动图像的电子稳像性能,从而准确实现运动目标的检测和识别.提出了一种基于Harris角点检测的运动图像边缘轮廓提取算法,对运动图像进行仿射不变闭合区域增强处理,采用Kalman滤波和运动状态相邻帧补偿的方法进行运动图像Harris角点检测,提高相邻两帧之间边缘轮廓的角点检测能力,实现了运动图像边缘轮廓的提取和稳像处理.仿真结果表明,用该方法进行图像边缘轮廓角点提取的准确度高且稳健性好.     

基于区域边界运动信息的视频分割

为了实现视频编码标准MPEG 4中语义对象的自动提取,提出了一种基于区域边界运动信息的视频分割算法.在空域上通过开闭双重建方法获取形态梯度图像,抑制原始图像中的噪声,然后进行阈值变换和尺度等级划分的非线性处理,克服了细密纹理的影响.同时提出了改进的分水岭浸没算法进行标记以获得区域边界信息,在时域上以区域边界的运动信息判定区域的运动性,并联合时空信息建立区域投影运算提取视频序列中的语义运动对象.仿真结果表明,算法提取的运动对象完整准确.     

基于HSV颜色空间静止背景中运动目标的检测算法

针对固定场景视频序列中的彩色运动目标检测,采用HSV颜色空间表示视频原始帧,使用自适应背 景更新在原始帧中提取V 分量建立背景帧,利用背景差分法对视频序列进行运动检测,在运动区域二值化时结合原 始帧中的H 分量对运动区域进行筛选,从而得到特定运动目标被点亮的前景帧。实验结果表明,该算法能够有效地 实现在静止背景、多运动目标共存的视频中检测出特定颜色的运动目标。     

基于多尺度局部区域置信度传播算法的图像分割

针对基于多尺度马尔可夫随机场(Markov random fields,MRF)的图像分割中常产生块效应的问题,提出了一种多尺度置信度传播(belief propagation)算法,通过建立不同尺度的局部区域,在MRF分割模型上进行区域消息的传播,最终基于局部区域概率的最大后验准则(maximum a posterior)得到图像的分割结果.提出的算法把图像的局部区域特征和全局特征结合起来,在图像的精细层进行多尺度消息的传递,避免了常规多尺度MRF模型层间误分类的传递.提出的算法不仅得到了更准确的图像分割结果,而且具有较快的分割速度.实验结果表明了提出算法的有效性.     

基于改进DRLSE的运动目标分割方法

为了得到精准、连续的运动目标轮廓,提出将帧间差分法和改进的距离规则水平集演化(DRLSE)方法结合应用于运动目标分割.采用帧间差分法得到运动目标的初始轮廓;使用在能量泛函的外力项中融入运动序列时空变化信息的DRLSE方法进行轮廓演化,避免演化受背景边缘干扰,得到精准的运动目标轮廓;根据精准目标轮廓的反馈估计运动方向,并结合帧间差分法为后续的DRLSE提供一个较佳的初始轮廓,能显著提高运动目标的分割速度.实验结果表明,与现有算法相比该改进方法能够更精确、更快地得到运动目标轮廓.     

船桨整体及螺旋桨诱导的船体表面脉动压力计算

为了形成一套满足工程使用要求的船桨整体计算规程,对现有各种螺旋桨CFD计算方法进行了综合研究.定常计算主要进行了多参考系方法(MRF)和混合面方法(MIX)的研究.非定常计算采用移动网格方法,主要是探讨了时间步长和内迭代次数以及网格对计算结果的影响.结果表明:与其他混合面方法相比,MRF是最容易收敛的,混合面方法中3个面都混合不易收敛;MRF的推力和扭矩计算精度最高,其次是前后2个面混合的方法;由于非定常计算本身而非真实的物理现象引起的高频振荡成分,通过细化网格和增加内迭代次数,可以得到解决.     

基于遗传算法的多传感器模糊随机信息融合方法

建立一种多传感器高维信息融合方法 .根据多传感器模糊随机信息融合的准则 ,完成融合参数编码、初始种群和适性函数建立以及基于模糊控制器的基因操作概率选择等的设计 ;对高维信息融合问题进行了探讨 ,并通过计算机仿真验证了方法的有效性 .针对速度方差为 1 6 4 ,加速度方差为 1 75的模拟运动目标跟踪问题 ,采用该方法的跟踪融合精度分别为速度方差 0 94 ,加速度方差 0 98.该方法能有效地提高配合的精度与可靠性     

一种基于马尔科夫随机场的脑MR图像分割改进算法

高斯混合模型（GMM）易受噪声影响,马尔科夫随机场（MRF）模型能够很好地刻画空间特性。两者结合适用于对含有噪声的图片进行分割,但MRF模型用于图像分割时,容易出现过分割现象。针对这个问题,提出一种自适应权值系数的图像分割改进算法,从核磁共振成像（MRI）中较好地分割出脑脊液、灰质和白质组织。首先,使用K?means算法得到初始分割结果,通过期望最大化算法（EM）估计GMM参数,进而得到图像像素灰度的联合概率能量函数。然后,利用MRF邻域系统中心像素与邻域像素的灰度值、后验概率和欧式距离得到自适应的权值系数,使用MRF模型得到先验概率能量函数。最后,借助贝叶斯准则得到最终图像分割结果。实验结果表明,该算法具有较强的自适应性,能够较好地克服噪声对图像分割的影响织。与同类算法相比,该算法对含有噪声的脑部MRI图像具有较高的分割精度,可得到较好的图像分割结果。     

利用TDOA和FDOA的单站多外辐射源目标定位算法

针对利用单个观测站接收多个外辐射源信号从而实现对运动目标定位的问题,以直达信号和目标回波信号之间的到达时差和频差为观测量,采用Taylor迭代方法,得到了目标位置和速度估计。迭代的初值由最小二乘方法得到。最后,推导了算法的克拉美罗界和理论误差。仿真结果表明,算法仅需1次迭代即可收敛至全局最优解;在一般测量误差条件下,算法的实际定位误差逼近克拉美罗界;对系统几何精度因子图的分析表明,目标及外辐射源位置也是影响定位精度的重要因素。     

基于梯度和MRF模型的视差估计算法

提出一种基于梯度和MRF(Markov Random Field)模型的视差估计及优化算法．采用图像灰度和梯度加权联合的方法进行块匹配运算,获得初始视差场．然后根据顺序匹配准则对该视差场进行交叉块检测,并运用基于MRF模型的因果预测对误匹配块进行迭代校正,最终获得较为精确平滑的视差场．实验表明,与传统块匹配法相比,该算法生成的视差场能够将预测图像峰值信噪比提高1.2~1.8dB,且运算时间在1s以内．     

引导滤波的单幅图像前景精确提取

该文提出了一种利用引导滤波优化二值马尔科夫随机场图像分割结果的前景提取新方法。首先通过二值马尔科夫随机场图像分割模型将原图映射为加权图模型,然后利用最大流／最小割算法对该加权图模型进行最优分割,并通过二值化得到前景区域的初始分割结果;之后通过图像引导滤波对该初始结果进行优化处理,保证所提取的前景区域具有精确的边缘信息。实验结果表明该方法能从图像背景中精确的提取出前景区域,并且对光照、噪声均具有较强的鲁棒性。     

基于改进YOLOv3的运动目标分类检测算法研究

提出一种基于改进YOLOv3算法的一类运动目标检测算法. 为进一步提高YOLOv3的检测精度,采用基于DIoU优化的边界框回归损失函数进行计算; 优化非极大值抑制,有效减少了目标框重叠的现象,提高检测精度; 针对运动目标检测,提出一种基于目标框多中心点位移的检测算法. 经UA-DETRAC数据集上的实验表明,改进后的算法在提高检测精度的同时保证了较快的速度,准确率和召回率相比原始YOLOv3分别提高了 8.07%和3.87%,对运动目标的检测速度可达20 fps/s,可满足实时检测的要求.     

POLSAR image classification via high-probability selection and adaptive MRF

It is difficult to obtain the accurate boundaries and the smooth regions for polarimetric SAR image classification. In order to solve this problem, a novel classification scheme is proposed that combines the Wishart-based high-probabilistic support vector machine (SVM) and adaptive markov random fields(MRF). First, a Wishart classifier is applied with the probabilistic SVM, according to high-probalistic selection, an initial pixel-based classification result is obtained. Then by combining this result with other edge detection methods, it can access the accurate boundaries. Second, adaptive MRF is proposed based on the edge of the image to further revise the previous classification. In this way, smooth regions are obtained and accurate boundaries are maintained simultaneously. Experimental results show that the proposed method improves the classification performance and that details of the image are preserved.