基于自适应模板匹配的红外弱小目标检测

提出了一种红外弱小目标识别的新方法。从实际应用出发,考虑复杂的背景和大量的干扰噪声,找到了一种适合红外弱小目标识别的图像相似性度量方法。为提高此方法的稳定性,提出一种有效的自适应模板修正方案,并结合遗传算法提高匹配的速度。给出了算法实现的全过程,用实地拍摄的红外空中弱小目标图像进行了实验验证,得到了令人满意的结果。     

基于特征点匹配的改进模板匹配算法

特征点匹配是图像匹配领域中一项重要研究内容.暴力匹配中强调缺少特征匹配不是由于太少的正确匹配,而在于很难分辨真假,故加入模板匹配进行约束,提出一种改进模板匹配算法.为了提升匹配速度和精度,该算法通过提供特征点的坐标,可以计算出每个特征点的得分值,并将其用于从输入图像中提取模板.基于输入图像和另一幅图像之间的模板匹配,使...     

基于混合高斯模型和模板匹配的目标测速

针对目前视觉测速方法存在检测精度低、鲁棒性差的问题,研究了一种结合模板匹配和混合高斯模型的测速方法。首先,利用混合高斯模型进行背景建模,提取出仅包含目标轮廓信息的前景区域图像。其次,使用参数优化的模板匹配法获取目标的高精度像素位移。最后,使用改进的二维测量模型法精确获取目标对应的像素尺寸。利用目标物理尺寸与图像中目标像素尺寸的比例关系来计算实际速度。实验结果显示,该方法对不同形状目标在不同速度下的测速结果的相对误差均在5%以内,准确度较高。     

基于模板匹配的自适应目标跟踪算法的实现

基于传统的目标跟踪方法,在图像检索过程中采用了自适应模板匹配方法,提高了目标跟踪的速度和可靠性,使目标跟踪的准确程度和算法的效率有了显著的提高,并给出了使用自适应模板匹配方法跟踪的试验仿真结果。     

基于改进模板匹配的目标跟踪算法

基于模板匹配的目标跟踪应用中,常见的一个问题是相似性度量值受噪声影响较大.为解决这个问题,提出了一种新的相似度量方法.通过采用距离加权、模板更新以及局部匹配的方法,提高了在不同光照条件及变形情况下跟踪算法的鲁棒性.对原算法和改进算法进行了对比实验,结果表明改进后的算法在存在严重遮挡的情况下,仍能准确地跟踪到运动目标.将mean-shift跟踪、基于子空间分解的粒子滤波跟踪及基于改进的模板匹配跟踪进行了比较,实验结果表明改进后的算法实现简单,跟踪性能与其他两种跟踪算法相近.     

基于模板匹配的多目标精确粘连分割算法

在提取多运动目标的基础上,利用目标运动的时空连续性,提出一种基于模板匹配的多目标精确分割算法。该算法首先利用混合高斯模型提取视频中的运动目标,然后利用模板匹配算法初步识别出每一个目标的区域,最后利用扩张算法扩充目标的完整边界区域。实验结果表明,与传统的静态粘连分割算法比较,所提出的算法不但能分割同一颜色的多目标视频,而且分割效果更准确更高效。     

融合光流检测与模板匹配的目标跟踪算法

针对传统的目标跟踪算法需要人工选择目标且不能较好地处理目标的尺度变化问题,提出融合光流检测与模板匹配的目标跟踪算法。首先通过结合光流信息与图像分割结果从视频中自动地检测和提取运动目标,实现基于检测的跟踪;当检测跟踪结果不可靠时,再利用模板匹配定位目标位置,实现基于匹配的跟踪;最后,通过自动更新模板,使得跟踪框能够自适应目标的尺度变化。实验结果表明该算法能够在自适应目标尺度变化的同时获得较为稳定的跟踪结果。与其他三种算法相比,所提方法在目标的自动检测提取与尺度自适应方面具有优势。     

改进的模板匹配算法

在图像消旋消抖处理中通常运用到模板匹配算法,但在战场目标抗抖动的运用中,由于装甲战车车载图像跟踪系统受到地形地物的影响,会产生剧烈扰动,会产生匹配错误。建立了图像运动模型,根据图像灰度特征,对模板匹配算法进行改进。根据几何距离约束特征点的性质,运用特征点校正去除伪特征点,较好地消除误匹配,达到战场图像消旋消抖的要求。     

一种改进的基于模板匹配眼睛特征点定位算法

针对传统眼睛定位模板匹配算法精确度和速度上的不足,对算法进行了模板扩大和相似度模板筛选两种改进,同时在匹配速度上采取粗定位细定位提高匹配速度。将眼睛模板转化成眼眉模板后,避免了由于眉毛和部分眼睛相似造成的特征点错误定位。在传统的模板集选取上提出基于相关系数选取原则后,避免了人为因素对模板选取造成的误差,很大程度上去除了入选模板之间的冗余度,进一步提高了定位的精确度,且在定位精度保证的情况下,大大减少了定位时间。     

基于多关联模板匹配的火箭目标跟踪算法

针对火箭目标在复杂场景的跟踪问题,提出一种基于多关联模板匹配的模板匹配策略,通过仿射变换从上帧最优模板中产生多关联模板以自适应火箭目标的大小和姿态改变,提高算法的匹配精度。采用Kalman滤波器对火箭飞行进行轨迹预测。多个火箭飞行录像跟踪实验表明,该算法具有很好的匹配精度与实时性,对火箭目标的状态、大小变化与云层遮挡现象具有较好的鲁棒性。     

应用多特征的红外弱小目标检测

红外弱小点目标的检测是红外搜索与跟踪的关键技术之一。融合小目标在空域和频域中的各种属性,将更有利于目标的检测。红外图像中主要分为背景、边缘以及目标三类信息,目标在空域中局部能量较大。将图像小波变换,获取图像的多方向性分解。研究发现目标在高频中具有方向不敏感性。为了更好地检测目标,计算各点的局部能量比以及方向离散值,将以上特征融合,得到图像的多特征统计值。采用Renyi信息熵分割达到检测目标的目的。利用序列图像中目标运动的连续性和轨迹的一致性以及目标的方差增长性,提出一种加权的方差增长方法过滤目标集,实现候选目标的准确定位。该算法有较好的自适应性,并且对背景变化敏感性较小。通过真实红外图像弱小目标的检测,检验了算法的有效性。     

采用高斯混合模型及树结构的立体匹配算法

针对传统立体匹配算法无法同时为图像边缘和低纹理区域提供一个合适大小的聚合窗口而导致匹配精度较低的难题,提出一种结合高斯混合模型及最小生成树结构的立体匹配算法。通过图像初始视差、像素颜色及距离信息将图像分为初始若干区域及待分割候选像素;基于高斯混合模型并行迭代更新各区域参数,得到最终的分割;在各分割上建立最小生成树计算聚合值求取视差;通过邻域内的有效视差修正误匹配点,获取精度较高的稠密视差图。与其他算法相比,该算法能有效降低误匹配率,尤其在深度不连续区域的匹配效果显著改善。     

基于高斯混合模型的咳嗽音检测方法

快速准确地检测出采集录音中的咳嗽部分对许多呼吸道疾病的临床诊断有着重要意义。使用梅尔频率倒谱系数（MFCC）作为特征参数来分析所要处理的声音信号,并用多组训练数据分别为采集录音中的咳嗽音、说话声、笑声、清喉音等数据各建立两个高斯混合模型（GMM）,将每类数据得到的两个GMM进行线性组合得到最终的表示每类数据的概率模型,进而实现对咳嗽音部分的检测。在此基础上引入了小波去噪理论,分别对每段数据去噪并进行端点检测。仿真实验结果表明所提方法能够有效提高系统的识别性能。     

基于匹配反馈量改进GMM的前景检测算法

传统混合高斯模型在进行运动目标检测时,由于背景模型阈值和模型学习速率均采用固定参数,不能有效适应复杂变化的场景。为解决该问题,提出一种基于匹配反馈量改进混合高斯模型的前景检测算法。通过对模型控制参数进行研究分析,提出一种根据各像素点匹配情况对背景模型阈值进行动态调整,并根据反馈量自适应调节学习速率的策略。实验结果表明,该方法应对复杂变化的视频监控场景时可以有效、准确、快速地提取前景目标。     

基于对比度分析及矢量匹配的混合高斯模型

针对经典的混合高斯背景建模算法鲁棒性不强且背景建模实时性不足的特点,提出了一种改进方法。首先将图像矢量化,即将图像分成若干块,每一块图像作为一个矢量进行整体建模;然后对于每一个图像块基于其反差描述元与K个高斯模型进行匹配。实验结果表明,改进的算法降低了环境光变化和背景波动等因素的干扰且建模速度较快。     

一种新的背景预测方法在红外弱小目标检测中的应用

针对空中红外弱小目标的检测,提出了一种新的背景预测方法。该方法对云层边缘区域的点采用亮暗点分类,寻求最相似点的方法进行预测;对非边缘区域的点采用基本背景预测法进行预测;最后经过背景对消和阈值分割,将弱小目标检测出来。实验结果表明,该方法能够提高对起伏背景预测的准确性,减小由于云层边缘预测不准确而引起的虚警,从而能够更加有效地检测到弱小目标。     

基于混合高斯模型的运动目标检测算法

针对智能交通系统中运动目标检测阶段存在的不足,提出了一种基于自适应混合高斯模型(GMM)的改进算法。将隔帧差分的方法引入背景建模的初始判别阶段,从而迅速地检测出运动变化区域,提高了算法的灵敏度,同时也增强了对缓慢运行车辆的检测的适用性;将划分出的背景及运动区域赋予不同的更新率,使得背景显露区域得到迅速恢复,消去了运动车辆留下的"影子"。在此较为精确的背景模型下,结合灰度和canny边缘特征进行背景差分,有效地保留了与背景灰度相似的运动目标的轮廓。通过实验证明该检测算法取得了较好的效果。     

改进的基于高斯混合模型的运动目标检测算法

针对固定场景视频监控中,由于运动物体在运动目标检测算法初始化时的存在而导致传统的基于高斯混合模型的运动目标检测算法收敛速度慢的问题,提出了改进算法。该改进算法通过采用在线K-均值聚类方法对混合高斯模型进行初始化,提高了算法的收敛速度。同时在模型更新时,通过对匹配准则和新高斯分布生成准则的改进,节约了存储空间。实验结果表明,与传统算法相比,改进算法能够快速、有效地检测运动目标,具有更好的鲁棒性。     

基于边缘前景的混合高斯模型目标检测

混合高斯模型已经广泛应用于背景建模中。但是检测结果受到噪音的干扰和突变光照的影响。为了解决这个问题,将Stauffer的混合高斯模型进行改进并与边缘信息相结合。当三帧差分判断出场景变化时,像素点的学习率会自适应变化。用这种改进的混合高斯模型来获取运动物体的边缘图像和前景图像。对边缘图像进行图像膨胀,再与前景图像进行与运算,通过光流信息来填补空洞部分,得到最后的结果。实验结果表明,可以很好地去除噪音和解决光照突变的影响,提高了目标检测的效果,比传统方法更加有效。     

基于小区域模板匹配的发动机缸体缺陷检测

针对发动机缸体人工检测效率低不可靠的问题,提出一种基于小区域模板匹配的检测算法来实现缸体的在线自动检测。将发动机缸体的特征图像制作成小区域模板库,在发动机缸体特定小区域使用粗精结合搜索策略的改进序贯相似度算法确定待匹配图像的准确位置和相似度,从而实现发动机缸体缺陷检测。实验结果表明:该算法能够满足发动机缸体缺陷检测要求,基本消除了人工检测的误判,显著降低了人工检测时间。