一种基于差帧图像融合的弱小目标增强方法

为了能够在小目标检测时更加容易和准确的检测出弱小目标,提出了一种基于差帧图像融合的弱小目标增强算法,该方法首先对视频相邻帧进行差帧处理,然后对差帧结果进行图像融合,最后把融合结果与原视频帧图像的低频分量进行差分运算获得增强图像.实验结果表明该方法的正确性,实现了对弱小目标的有效增强.     

一种基于帧差法结合 Kalman 滤波的运动目标跟踪方法

为解决视频帧目标跟踪中的尺度变化导致的目标跟踪发生跟丢的问题,提出一种自适应跟踪窗口的处理 方法,利用下一帧的估计位置与当前帧目标位置的差值作为检测量,自适应调整跟踪窗口,实现目标的有效检测和 跟踪。实验结果表明：该方法能有效降低目标跟丢的概率,预防目标的误跟踪,适应目标尺度变化。     

红外图象序列的运动目标检测

讨论了红外图象序列的运动目标检测方法 --光流法 ,并对实际的红外图象进行了仿真。实验结果表明 ,对于红外图象来说 ,Horn&Schunck算法具有比较好的性能。本文还对其他的几种算法进行了分析 ,给出了一些定性的结论     

基于对称差分和Top-Hat融合的红外目标检测方法

为解决传统帧间差分法常出现"空洞"和虚假目标、适用场景受限等缺点,提出一种七帧对称差分和Top-Hat融合的新型目标检测方法.分析一般帧间差分法、七帧对称差分法、七帧对称差分法与 Top-Hat 融合的基本原理,给出算法实现流程,基于Matlab 2010b进行实验结果检测与分析.实验结果表明:新型检测方法具有实时性好、性能稳定的特点,能可靠地检测出目标,应用于地对空情形红外目标的检测.     

一种改进的运动目标检测算法

提出一种改进的运动目标检测算法,首先将视频序列中的一整幅画面进行分割,对分割产生的每块图像进行连续检测,一旦检测到有变化,即提取运动目标。接着将连续2帧差图像和背景差图像直接相乘,再将相乘的结果进行二值化处理得到运动检测结果,从而将运动目标从背景图像中分离出来,最终得到视频序列图像中运动存在与否的一个二值运动模板,由此提高运动目标检测的效果。     

一种快速识别形体巨大目标的方法

提出了一种从灰度图像中识别形体巨大的目标的方法。此方法先计算灰度图像的梯度值,再对梯度图像进行二值比,对二值化后的图像先后进行腐蚀和膨胀操作,然后对所得到的图像进行区域分割,从得到的区域中找到目标区域。     

红外运动小目标检测方法综述

红外运动小目标的检测,对提高红外成像系统的作用距离,具有重要意义。文中对先检测后跟踪(De-tect Before Track,DBT)和先跟踪后检测(Track Before Detect,TBD)两类红外运动小目标检测方法进行了对比,指出两类方法在目标检测中的适用场合。同时对红外目标检测领域存在的问题进行深入分析,最后指出了该领域可以深入研究的方向,以供后续开展红外目标跟踪与识别工作作为参考。     

一种用于微弱目标检测的帧间移位累加方法

提出一种用于微弱目标检测的距离-多普勒域帧间移位累加方法,即针对相对于雷达作径向匀速直线运动的目标,利用雷达回波数据的多普勒信息,预测目标的速度及其位置变化,并通过多帧信号的移位累加来提高信噪比,从而有效地检测弱小目标。该方法充分利用了目标信号帧间相关而噪声点帧间不相关的特点,能有效地降低虚警概率及漏警概率,提高对弱小目标的检测性能。     

基于帧间差分与Camshift相结合的目标跟踪算法

为了能够准确和快速的跟踪运动目标,提出了帧间差分与Camshift相结合的目标跟踪算法。首先,根据帧间差分确定目标的运动区域,再确定运动区域的质心,并以此质心为中心初始化跟踪曲线。然后在此区域内提取特征,用Camshift算法进行目标跟踪。此方法克服了传统Camshift算法需要人为定位和容易发散的缺点。最后通过实验验证了本算法的有效性。     

基于光流的运动车辆检测和跟踪技术的研究

运动车辆的检测和跟踪是智能交通系统的重要研究方向.利用基于微分光流法的Lucas-Kanade算法进行运动车辆检测,通过幅度平方函数进行车辆的阈值分割,并利用形态学进行图像修正.Blob算法对车辆图像特征进行统计和分析,对运动车辆进行标注并跟踪.最后,根据检测结果,计算交通流参数.通过仿真实验,说明算法具有一定的实用性.     

基于多通道差分的自适应噪声抵消方法

水下航行器舷侧阵的自噪声是影响其弱信号检测能力的主要因素。为减小其影响,通常除了采用物理降噪、主动降噪等方法外都还采用自适应噪声抵消技术。由于自噪声产生和传播的复杂性,以噪声源附近加速度计输出作为参考信号的自适应噪声抵消效果较差。考虑到自噪声和远程目标信号空间的差异性,充分利用阵列上不同位置水听器接收到的信息,本文提出了多通道输出延时求差形成多路参考信号的自适应抵消方法-MD-ANC方法。湖试结果表明,该方法噪声抵消效果显著而且实现方便。在同样的实验环境下,最低检测信噪比相对于未经处理的降低了约4—5 dB;波束形成后,信噪比提高3～5 dB.     

基于水下运动目标流场信息的仿生探测原理

鱼类侧线器官利用水介质的流动信息进行环境感知与探测,该原理为水下探测技术提供了新的发展方向。基于鱼类侧线的仿生探测原理,研究以运动目标绕流场为信息源的目标探测原理问题,建立了球头圆柱体绕流的仿真分析模型,结合势流理论分析和仿真规律分析,初步揭示了水中运动体目标特性与运动体绕流场特征参量之间的关联规律,即通过对曲线峰值、谷值、斜率的计算获得了与运动体速度、长度、半径、观测点信息相对应的特征参量,探索了利用水下运动体绕流场信息进行目标探测的可行性。     

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。     

一种误差梯度变化平滑的目标检测算法

在YOLOv5算法的基础上提出一种改进梯度变化的目标检测算法.该算法在YOLOv5的基础上,保留其骨干网络框架,在其特征处理部分中,对池化操作进行替换,将原本的最大池化操作替换为平滑池化操作,同时将特征处理部分的Leaky ReLU激活函数替换为Mish函数.经过上述修改后的检测算法在训练阶段的误差反向传播过程中能够令权重参数具有更加平滑的梯度变化.     

An Object Threat Assessment Method Based on Indefinite Multiple Attribute Decision Making

On the basis of characteristics of threat assessment of aerial defense, a kind of MADM （multiple attribute decision making） method with unknown attribute weights and biased project on decision-maker is put forward. It can be used in dealing with the object threat assessment problem. A computing formula on project preference of decision-maker and one model of obtaining attribute optimization weight are set up. The method improves the veracity and reliability of computing object threat assessment, and the simulating result shows that this method is valid.     

基于母函数正交化的模型化磁性物体矢量探测和定位

针对传统的模型化检测和定位方法中存在的计算复杂和需解多元非线性最优化问题的缺陷,对模型表达方式中的母函数进行了正交化,使其成为信号子空间中的一组标准正交基,并给出了信号在不同子空间中的逼近,并依据正交化的结果,提出了一种新的模型化目标检测和定位方法。仿真结果表明这种方法有效且简洁。     

基于SUSAN算子的红外目标检测

SUSAN算子是一种基于图像局部灰度特征的算法,利用一个圆形的模板对图像进行扫描,比较模板内部的点与模板中心点的灰度值,如果灰度差值小于一定的阈值,就认为该点与中心点的灰度相同。统计模板内部与中心点灰度相同的点的个数,与一个阈值进行比较,判断该点是否属于某个区域的边缘点,从而实现对红外目标的检测。与传统的全局阈值相比,该算法抗干扰能力较强,实时性较好,能够快速、可靠地检测出红外目标。     

稀疏FRAME模型的感兴趣目标检测算法

针对基于非齐次FRAME（Filters,Random filed,And Maximum Entropy）模型的目标检测算法在目标发生较大形变或存在阻挡等情况下的定位产生一定偏差,以及学习模型所需大量时间等各方面的研究,提出了一种稀疏FRAME模型的感兴趣目标检测算法。首先用共享稀疏编码方法对样本图像进行特征提取,由所选择的基函数构成可变形的稀疏FRAME模型;然后用交替的求和图及最大值图结构对测试图像进行匹配检测,实现目标定位。经多组实验结果表明,该算法不仅在一定程度上提高目标发生较大形变或存在阻挡等情况下的鲁棒性,而且节省了大量的样本训练时间。