红外视频图像中的人体目标检测方法

人体目标检测是很多机器视觉应用的难点,如智能视频监控和车辆辅助驾驶,基于可见光图像的方法很难解决复杂背景和目标区域的分离问题,因此,越来越多的研究转向利用红外图像进行检测。提出了一种红外视频图像中的人体目标检测方法,该方法首先利用红外图像中像素值近似呈现单模态分布的特点,对高亮像素进行检测,然后采用灰度直方图和投影直方图相结合的2D直方图特征对目标进行检测。实验结果表明:该方法具有较高的检测率,但误报率也较高,其原因在于负样本的数量和代表性不足,因此,改进空间很大。     

星空背景下红外弱小目标的快速检测

为了实时检测天基平台上超远距离成像的星空背景下红外弱小运动目标,提出了一种基于时空域方向滤波和最小二乘预测的算法。首先,介绍了传统的方向滤波及时序上的双向滤波两者的频域理论推导,并经过对比说明了双向滤波的优点。接着,在双向滤波基础上,提出了一种新型方向滤波算法,并分析了新型算法在时耗方面的优势。然后,在分析新型方向滤波算法性能的基础上,说明了基于过门限率的图像分割方法。最后,介绍了最小二乘预测的理论,并给出了相应的跟踪算法。实验结果表明:目标的位置跟踪偏差平均约为1个像素,在图像大小为256×256像素的情况下,20帧图像的检测跟踪时间平均约为1.137 s。检测跟踪效果满足精度要求,检测时间也基本能满足超远距离成像红外系统的实时性要求。     

一种用于视频目标检测的时空背景建模方法

针对传统时域统计背景模型只关注于单个像素的统计特征而忽略背景像素之间的相互关联,同时不能很好地适应目标进入场景并静止的情形,在高斯背景模型基础上,融合背景的空间统计特征,建立一个时空联合的背景模型。结合背景的空间区域特征和像素的亮度变化更新背景,使得背景更新过程中保持背景的空间特征。实验结果表明,利用该方法建立的背景模型进行目标检测,能有效检测移入静止的目标,克服了传统检测方法检测目标中的空洞,检测到的目标完整性有较大提高,有利于后续的进一步处理。      

强背景杂波条件下运动的弱小目标检测方法

根据目标、背景干扰和噪声在红外序列图像中的差异。提出了一种基于空间高通滤波和时间域上N帧轨迹积累的运动小目标检测方法。该方法可以在低信噪比的情况下消除红外起伏和随机噪声的影响,有效检测出弱小目标。实验结果表明,采用这种时空混合处理的方法可以得到满意的结果。     

基于QT的视频目标检测方法

设计并实现了基于QT的视频中运动目标检测方法。该方法采用QT作为开发工具,利用背景差分算法和对称差分算法进行运动目标检测比较。实验结果表明,基于背景更新的背景差分算法对于光照的变化不敏感,在实时的运动目标检测中取得了较好的效果;而对称差分法能够快速对运动物体进行定位,计算量小,易于实现实时处理。     

基于多级滤波的复杂背景下多尺度小目标检测

针对精确制导系统中目标尺度的不确定性带来的检测问题,在分析原始多级滤波器结构与传递函数频率特性的基础上,适当改进了多级滤波的结构,导出多个滤波结果,并提出了基于融合多级输出滤波结果的多尺度小目标检测算法.实验结果表明,该算法可以在没有目标尺度先验信息的情况下自适应地检测出多个小目标.     

天空背景下红外弱小目标检测算法研究

针对天空背景下红外弱小目标检测困难的情况,首先通过改进的形态学滤波目标增强方法对图像进行背景抑制与噪声去除,而后采用恒虚警检测方法(CFAR)对滤波后图像进行分割,获得候选点目标,然后采用行程目标标记的方法得到候选目标的位置信息、面积信息等,单帧图像检测之后,复杂的天空背景仍然会存在虚警。为了提高检测概率、降低虚警率,结合目标运动特性(包括运动轨迹、速度、加速度等)、灰度变化、面积变化等帧间相关性采用移动式管道滤波方法对序列图像候选目标做进一步判断。实验结果表明,该方法能有效地从复杂背景中检测出真实目标。     

强噪声背景下红外弱小目标的快速检测方法

提出了一种强噪声背景下弱小目标的快速检测方法，解决了在此背景下存在厚云层和大运动杂波的问题。在分析了强噪声背景图像之后，提出了采用矩形结构元的形态滤波算子进行背景抑制，对处理后的图像进行双门滤波，实验结果令人满意，易于硬件实现。     

海天背景下红外小目标检测的背景抑制及海天线检测方法

针对复杂海天背景下红外弱小目标难以检测与识别的问题,提出了基于海天线检测实现远距离弱小目标识别的方法。该方法对采集到的红外图像进行相关处理。通过用多级小波变换方法抑制背景杂波噪声提高目标信杂比;然后使用多方向Gabor滤波融合方法增强海天线边缘,并通过霍夫变换方法实现海天线定位和检测;最后通过定位海天线确定海天线附近区域的目标搜寻范围,缩小目标点潜在区,从而提高弱小目标在海天背景下的检测和识别概率。     

一种基于小波变换的图像增强方法

针对部分灰度图像分辨率和对比度低、噪声大、视觉特性差等特点,提出了一种基于小波变换和直方图均衡的新的图像增强方法。该方法将小波变换的多尺度、多分辨率的特点和直方图均衡化的方法相结合,同时再辅以中值滤波去噪和同态滤波增强,从而在很大程度上克服了单一的直方图均衡化进行图像增强时会丢失图像细节信息、增强图像噪声等的不足。实验结果验证文中方法对图像的分辨率和对比度增强有很好的效果。     

基于自适应门限滤波的红外弱小运动目标检测方法

在分析红外场景模型的基础上,针对空中红外图像中弱小运动目标的特征,提出一种用自适应门限滤波对背景进行抑制、利用自适应阈值分割对目标进行分割的帧内处理方法;在帧间采用八邻域判决法对弱小目标进行检测;实践证明,该技术能有效提高图像的信噪比,从而达到有效分割和快速检测小目标的目的。     

一种红外图像对比度增强新方法

针对红外图像分辨率低、对比度低和目标弱小等缺点,提出了一种红外图像对比度增强新方法。该方法利用频率域的同态滤波,对红外图像的细节进行对比度增强处理。同时为进一步增强图像对比度,提高分辨率,利用限制对比度自适应直方图均衡方法调整图像的有效灰度动态范围。通过大量实验验证表明,该方法显著提高红外图像的对比度和可辨识率,改善了图像质量。     

基于广义直方图均衡的图像增强新方法

针对传统直方图均衡方法进行图像增强时导致图像细节信息丢失和噪声放大的问题,提出了广义直方图均衡图像增强方法。传统直方图是基于整数1进行计数的,广义直方图将整数1分解成2个值:分数和余数,通过对每个灰度级累计分数值和在所有灰度级均匀分配余数值生成。由于分数值控制着广义直方图均衡的效果,图像中不同特性区域应该具有不同的分数值,给出了基于局部复杂度计算的分数值求取方法。实验结果表明本方法能有效克服传统直方图均衡法丢失目标细节和过分放大噪声的不足,是一种有效的图像增强方法。     

一种复杂红外背景下的小目标检测识别算法研究

目标检测作为红外成像系统中前端的处理环节,是精确制导中一个重要的组成部分,也是其中的一个关键技术和难点问题.只有及时检测到场景中的目标,才能保证后继的目标跟踪、识别等一系列处理工作的顺利开展.为了尽早地发现目标,使得系统有足够的反应时间,就要求在很远的距离上能够检测到目标.因此,复杂红外场景中小目标的检测问题成了红外成像系统中一个亟待解决的关键问题,探索和研究新的小目标检测理论和算法以及如何将现有的检测理论用于小目标情况依然是十分重要的课题,具有深远的意义.     

沙尘环境下视频图像增强方法的研究

针对沙尘暴环境下,因大气介质中悬浮的沙尘颗粒的散射作用导致的视频图像质量严重下降,清晰度与对比度降低,边缘模糊等问题,本文提出了一种空间域与变换域相结合的沙尘图像增强方法。先将降质图像转换到模糊域进行全局沙尘图像的PAL模糊增强;然后在空间域利用带限局部直方图自适应均衡算法对局部分量进行增强处理,最后利用POSHE算法对局部细节再次进行增强处理。实验结果表明,所提方法能够有效的提高沙尘图像的对比度,突出图像细节与边缘信息,增强了图像的整体视觉效果。     

一种基于截取法的灰度级等距离拉伸图像增强研究

针对灰度直方图均衡化所引起的过增强和灰度级“吞并”等缺陷,提出基于截取法的灰度级等距离拉伸增强图像的对比度。通过对原始图像灰度直方图的统计,利用正态分布的“3σ”原则对灰度级进行截取,再将其有效灰度级进行等距离排列,完成排列后的直方图映射,最后利用中值滤波对图像进行平滑处理。该算法在增强图像对比度的同时,保留图像细节信息,提高图像质量,并且避免了直接均衡化所带来的灰度级断层现象。     

一种径向运动弱小目标检测方法

分析了机载红外告警系统所要检测目标径向运动的特点,并基于此提出了一种红外序列图像检测威胁目标的算法.首先对单帧图像进行小波分解,得到水平和垂直的高频图像,经门限判决选出待定目标产生的高频分量,组合选定的高频分量,然后基于目标的运动特性、连续特性,提出一种类似管道滤波的方法,对组合后的图像多帧积累,选择合适的邻域判决条件提取弱小目标.     

基于稀疏环决策的天空背景红外弱小目标检测算法

针对天空背景红外图像中弱小目标检测的难题,分析了红外目标检测的模型,提出了基于稀疏环决策的目标检测算法。利用数学形态学滤波目标增强方法对图像进行背景抑制,而后采用恒虚警检测方法对滤波后图像进行自适应分割,从而获得候选目标点,然后计算各个候选目标点的局部自相似性描述子,对自相似性描述子归一化、分块之后得到稀疏环表示,利用相应的判断准则可以判别目标点与虚警点。实验结果表明,该算法应用于复杂云层背景弱小红外目标图像能够得到较理想的结果,与移动管道滤波方法相比,能有效区别目标点与固定云层杂波干扰,并且虚警率低,易于实现。     

低空复杂背景红外小目标检测

提出了基于复杂低空背景条件下新的图像序列跟踪方法.首先在全视场范围内采用自适应滤波法搜索目标,连续几帧检测到目标后,进入小视场范围内分割检测目标进行精确跟踪.若目标丢失,再返回全视场模式搜索目标.试验结果表明,在背景噪声较为强烈的情况下,该方法依然能有效地检测跟踪目标.由于采取了小视场跟踪的策略,减少了计算时间,实时性较好.