航拍图像中绝缘子缺陷的检测与定位

长期暴露在自然环境下的绝缘子易产生自爆缺失故障,对此提出了一种绝缘子缺陷检测和定位的图像处理方法。依据绝缘子在航拍图像中的型态特征,采用最大类间方差法以及中值滤波进行图像预处理,提出基于粒子群优化参数的蚁群算法来检测其中的绝缘子轮廓及其数目,最终实现在原图中标记出缺陷绝缘子所在位置的目的。该方法针对简单背景下绝缘子缺陷的标记具有良好的效果,并为进一步实现复杂背景下绝缘子缺陷检测和定位提供了预研基础。     

基于数学形态学的视频图像序列中的运动目标检测

R.Keshet（Kresch）提出了完备半格中的数学形态学,并给出了在视频图像序列中运动对象检测的应用.本文利用运动补偿、形态学方法和模板填充提出了复杂背景下的运动目标检测算法,并验证了算法的有效性和正确性.     

航拍视频中运动目标检测算法研究

针对复杂背景下航拍视频中的运动目标检测问题,提出一种基于改进的特征匹配算法与全局运动补偿的防抖方法,以及结合多帧能量累积的运动目标检测算法。首先,采取局部区域匹配法加快该算法的处理速度,避免运动目标对背景补偿的影响;其次,利用尺度不变的SURF算法,结合快速近似最邻近搜索算法得到匹配点对,并通过双向匹配和K-近邻算法筛选优秀匹配点;然后,建立仿射变换模型,求解运动参数,并进行运动补偿;最后,通过多帧能量累积进行目标检测。仿真结果表明,该方法具有良好的运动目标检测效果。     

改进的航拍图像序列背景运动补偿技术

针对航拍图像序列提出用于提取图像特征点的最小亮度变化算法。利用特征点进行运动矢量估计,使用自适应十字模板搜索算法找到各个特征点的匹配点,结合随机样本一致算法估计背景运动模型的仿射变换参数,实现一种改进的背景运动补偿技术。该技术保障了航拍图像中运动目标检测的有效性。     

面向航拍图像多运动目标的实时检测与识别

为了实现无人机(UAV)航拍图像中多运动目标的实时检测与识别,将静止目标和运动目标分别定义为背景和前景,利用图像稳化技术将航拍图像序列中的每帧与相邻帧对齐,克服UAV飞行动作对摄像机转动拍摄图像的影响;选取图像中的行人和车辆作为前景,分别使用哈尔(Haar-like)特征和级联分类器对图像中的目标进行检测和识别;利用密集光流计算两幅连续图像的运动矢量,从而区分静止目标(背景)和运动目标(前景),最终图像结果仅保留运动目标所在区域;将文章方法用于DroneVehicl航拍数据集实验,每秒平均帧数达到47.08 fps,检测精度为94%,并且表现出较高的召回率和F统计量,可达到实时检测与识别效果。     

基于分解的三维Otsu运动车辆检测方法

在户外交通环境下,采用传统目标检测方法容易产生大量噪声,传统三维最大类间方差(Otsu)方法能消除噪声,但是不能满足实时性。为此,提出一种基于分解的三维Otsu运动车辆检测方法。通过隔帧对称差分法得到2个差分图像,对这2个差分图像采用基于分解的三维Otsu法进行阈值分割,对这2个二值图像在使用数学形态学滤波后,求交集得到运动车辆目标。实验结果表明,该方法在视频帧出现不规则抖动的情况下,能实时和精确地检测出运动车辆。     

结合单高斯与光流法的无人机运动目标检测

针对无人机场景下运动目标检测对实时性要求高,运动背景、环境光照易变化等问题,提出一种结合单高斯与光流法的运动目标检测算法.首先,对运动相机捕捉的图像采用改进的单高斯模型进行背景建模,并融合前一帧图像的多个高斯模型来进行运动补偿,然后,将得到的前景图像作为掩模来提取特征点和进行光流跟踪,并对稀疏特征点的运动轨迹进行层次聚类.实验结果表明,该算法能有效地处理运动相机造成的前景对背景模型的干扰,背景建模速度快,对光照变化不敏感,检测出的目标接近真实目标.     

序列图像中运动目标的分割定位

针对序列图像中运动目标的分割定位,给出了在复杂环境下一种快速识别运动目标、有效去除背景噪声及运动目标准确定位的方法。该方法主要由运动目标检测和运动目标定位分割两部分组成:对运动目标检测采用简单差分方法提取运动目标,快速中值滤波与数学形态学方法结合去除噪声;对运动目标定位提出了一种改进的区域生长分割算法RGSA(RegionGrowingSegmentationAlgorithm)定位目标,并求出目标重心。实验结果表明,该方法正确有效,结果令人满意。     

基于运动矢量场时空滤波的车辆检测算法

基于计算机视觉的车辆检测系统是智能交通系统的基础部分,以实时获取的视频图像为基础,通过计算机视觉的有效算法,可实现对视频中的车辆目标进行位置检测;现有车辆检测算法存在复杂度较高和检测不准确的缺陷;提出了一种基于运动模式分类和运动矢量场滤波的车辆检测算法,在计算复杂度较低的条件下实现了车辆检测,对干扰遮挡和较小目标等情况,有较好的检测效果。     

运动目标检测与跟踪的 DSP 实现

研究了运动目标检测与跟踪的 DSP(Digital Signal Processor)实现算法,以形心跟踪算法为整个处理系统的核心.采用目标形心跟踪算法,通过目标分割阶段的目标标记,如目标面积、周长、形心位置等信息的提取建立目标跟踪波门,实现目标的连续跟踪,并将此算法移植到 SEED—VPM642硬件平台,实验结果表明能够达到预定目标.此外,为了克服形心算法的准确性和实时性缺陷,采用粒子滤波对算法进行必要的扩展,从 MATLAB 的仿真结果看,除个别采样点存在误差较大的情况,真实值曲线与粒子滤波跟踪曲线拟合较好     

复杂背景图像中检测动目标的一种方法

该文研究了基于Kalman滤波理论的渐消记忆递归最小二乘法,探讨了渐消记忆递归最小二乘法在重建图像背景中的应用,并用于实现在复杂背景下视频图像动目标的检测。首先用该算法对复杂背景进行更新预测,然后用当前帧图像与预测背景差分提取动目标,最后用灰度投影算法计算出目标的质心。整个目标检测方法简单、有效,便于用硬件快速实现。文中给出了实验结果。     

一种图像序列中的运动前景分割算法

提出了一种在图像序列中分割运动前景的算法,该算法首先对前后连续的两帧图像作差值,然后再对差值图像的直方图进行处理,并通过曲线拟合获取最佳分割门限,最后对分割结果进行形态滤波恢复出图像序列中的运动前景。实验结果表明：该算法简单易行,能够成功分割出图像序列中的运动物体,是一种较好的运动前景分割算法。     

彩色序列图像中移动目标定位与区域提取

提出一种基于彩色序列图像提取移动目标区域的新方法。首先采用时态差分法进行运动目标定位,对彩色序列图像进行差分;然后通过选择阈值将彩色差分图像转化为二值图像;为了克服背景扰动和摄像头抖动,采用了对称差分算法,使得运动目标的定位更为准确。最后在对称差分的基础上,通过投影提取移动目标区域,为了消除扰动造成的影响,采用了杂块去除和区域合并方法。实验结果表明所提方法能有效快速地提取出移动目标。     

运动目标检测与跟踪的DSP实现

研究了运动目标检测与跟踪的DSP（DigitalSignalProcessor）实现算法,以形心跟踪算法为整个处理系统的核心。采用目标形心跟踪算法,通过目标分割阶段的目标标记,如目标面积、周长、形心位置等信息的提取建立目标跟踪波门,实现目标的连续跟踪,并将此算法移植到sEED—VPM642硬件平台,实验结果表明能够达到预定目标。此外,为了克服形心算法的准确性和实时性缺陷,采用粒子滤波对算法进行必要的扩展,从MATLAB的仿真结果看,除个别采样点存在误差较大的情况,真实值曲线与粒子滤波跟踪曲线拟合较好。     

红外图象序列中运动点目标检测技术

对于红外传感器来说，当距目标很远时，目标在成象平面上仅占一个或几个象素，且接收到的信号很微弱。由于点目标象素少，无形状特征，信噪比低，如何正确检测出目标就是一个值得研究的问题。本文首先对于这种检测问题的主要技术难点进行了讨论，然后分别介绍了目前具有代表性的几种常用方法，例如Ｆａｌｃｏｎｅｒ于１９７７年提出的Ｈｏｕｇｈ变换法，Ｒｅｅｄ等人采用匹配滤波的方法，Ｍｏｈａｎｔｙ等人提出的基于概率估计的最大似然比自适应方法，Ｌａｒｓｏｎ于１９６６年首先提出的动态规划法，Ｂｌｏｓｔｅｉｎ等提出的序贯检测法和近年来所提出的神经网络法，作者对他们进行了评述，最后指出了点目标检测技术今后的发展方向和主要研究内容。     

基于色度偏差的运动目标检测

论述了一种静态摄像机下从彩色图像中检测运动目标的背景减除算法，该算法在彩色图像亮度偏差和色度偏差概念的基础上被提出的，计算量小但可以很好地克服亮度变化、反光和阴影的影响。对于一个序列，首先用像素点的中间值作为背景的像素值，生成背景帧；然后依据当前帧和背景帧的色度偏差值将图像二值化；最后，使用数学形态学算子和连通分量分析对检测结果进行后处理。实验结果表明，该算法有很好的处理效果。     

航摄动态图像序列稳定技术仿真研究

通过分析块匹配算法的优缺点,采用一种其改进的算法应用于动态图像序列的运动矢量检测。该算法先分别把参考图像和当前图像分成若干个运动矢量探测区域,然后在各子区域选取一定数量的代表点进行相关匹配,求出各子区域的局部运动矢量,对所得到的运动矢量进行分析后,决定全局运动矢量。采用这种方法既能保持低的计算量,同时又具有较高的运动矢量检测性能。分析了影响图像的补偿精度主要因素,提出了相应的对策。用该算法对红外航摄图像序列进行稳定仿真试验,证明了该算法用于动态图像序列稳定的有效性。     

一种篡改检测与篡改定位分离的图像认证方案

针对脆弱水印认证算法的篡改定位精度及安全性问题,提出了一种将篡改检测和定位分离的图像认证方案:对图像进行单像素置乱并将其低两位置零,采用像素关联技术生成各个像素的篡改定位水印,并将其嵌入到自身的次低位;将图像逆置乱后并进行分块,生成各个分块的篡改检测水印,将篡改检测水印嵌入到各像素的最低位,进而生成含水印图像.理论分析和实验结果表明:该方案可以抵抗目前针对单像素认证算法的Oracle攻击及针对分块算法的量化攻击,在保证系统安全性的同时可将篡改定位到单个像素.     

动态图像序列中的运动目标检测

根据动态图像序列中背景因成像过程中各种因素而产生变化所存在的复杂性,提出了自适应的前景目标检测方法。首先,建立图像每一像素点的高斯分布模型,并根据序列中的当前帧及历史帧信息自适应地调整模型的参数。然后,结合图像帧间的差分信息以及灰度分布的先验概率等因素将图像从空间域映射至统计域。最后,在统计域中对前景目标进行鲁棒分割。实验的结果反映了该方法的有效性。