一种实用的运动目标检测和跟踪算法

为使智能视频监控系统在监控时不仅具有较高的准确率,同时也保证系统的实时性,设计并实现了一种实用的在摄像机静止条件下运动目标检测和跟踪算法。首先对采集到的视频图像进行预处理,为算法提供最佳的图像数据,然后用混合高斯背景建模方法实现前景/背景分割,用形态学操作提取前景目标,最后用基于空间距离的方法实现目标跟踪。算法应用到实验系统,实验表明,系统在保证实时性的同时,能够正确检测和跟踪监控场景中的运动目标。     

一种新的红外弱小运动目标检测算法

为检测强杂波背景中的红外弱小运动目标,提出一种基于Power-Law检测器的目标检测新方法．利用图像中弱小目标经过时像素点灰度值有起伏变化这一特点,将其看作是一种弱瞬态信号,利用Power-Law检测器对瞬态信号良好的检测性能,实现对弱小运动目标的检测．仿真结果表明该算法能够可靠地检测出信杂比(SCR)大于1的弱小运动目标．     

基于改进的混合高斯模型背景减除算法

背景减除法常采用混合高斯模型作为背景模型来进行目标检测,它可以自适应学习并表示分布复杂的背景.混合高斯模型在光线变化缓慢的情况下表现很好,但是在光线快速变化的情况下,由于高斯背景无快速更新机制,无法应对光线迅速变化的情况.通过对混合高斯模型进行优化,提出了一种改进的混合高斯模型检测算法,并通过实验证明了新算法明显提高了运动目标检测的准确度.     

空天背景下红外多光谱弱小运动目标检测

针对多光谱红外图像序列中未知光谱辐射强度、位置和速度的弱小运动目标检测问题,建立与之相应的框架模型,对于这种含参信号的复合假设检验,采用广义似然比检验（GLRT）得到了该问题的检测算子,同时利用速度滤波器组在实际应用中实现了该检测算子．采用人工合成的多光谱红外图像序列对其进行测试,评估该算法的有效性,结果说明,该算法对...     

基于MRF的动态场景中运动目标提取方法研究

为在动态场景中准确完成运动目标的提取,提出一种新的基于MRF的运动目标提取方法.即提出在双尺度二阶邻域各向同性的MRF模型中,利用最小二乘法对初始分割结果进行MRF初始参数的自动求取,通过ICM算法实现最大后验概率的估计问题,获得MRF检测结果.采用形态学中的闭运算进行区域填充处理,根据二值化图像水平和垂直投影的顶点坐标实现运动目标区域的准确提取.对标准图像序列Coastguard和实际拍摄的动态场景图像序列的实验分析表明,提出的方法具有较高的精度和适应性,能够有效地完成运动目标的准确提取.     

基于DPCA-FrFT算法的SAR运动目标参数估计

在双通道的工作模式下,结合DPCA技术和分数阶傅立叶变换实现了对SAR运动目标的定位和两个方向(方位向和地面距离向)上速度的估计。首先建立了双通道SAR系统对运动目标的回波信号模型,阐述了动目标DPCA信号为线性调频信号这个特点,并且根据这个特点采用了分数阶傅立叶变换对其进行检测和参数估计。由于DPCA技术具有良好的杂波对消功能以及FrFT对chirp信号的良好检测效果,在不同信噪比情况下,DPCA-FrFT算法都能有效地抑制静止背景、获得良好的测速和定位效果。仿真结果证明了该算法的正确性和有效性。     

基于DPCA-FrFT算法的SAR运动目标参数估计

在双通道的工作模式下,结合DPCA技术和分数阶傅立叶变换实现了对SAR运动目标的定位和两个方向（方位向和地面距离向）上速度的估计。首先建立了双通道SAR系统对运动目标的回波信号模型,阐述了动目标DPCA信号为线性调频信号这个特点,并且根据这个特点采用了分数阶傅立叶变换对其进行检测和参数估计。由于DPCA技术具有良好的杂波对消功能以及FrFT对chirp信号的良好检测效果,在不同信噪比情况下,DPCA—FrFT算法都能有效地抑制静止背景、获得良好的测速和定位效果。仿真结果证明了该算法的正确性和有效性。     

基于有限线积分变换的序列图像运动目标检测

运动目标检测主要是从序列图像中将变化区域从背景中分割出来,它影响着运动目标能否正确地分类和跟踪。因此,运动目标检测是智能视频监控技术中的关键问题之一。有限线积分变换（finitelineintegraltransform,FLIT）作为近年来一种多尺度几何分析的新方法,能有效提取图像中的线性特征。检测方法是在FLIT的基础上再结合背景差法来实现的。具体而言,先对图像序列中的每帧网像（包括参考帧）作固定模板下的FLIT,再用当前帧的FLIT减去参考帧的FLIT,然后对不同方向提取的运动目标信息进行综合,最后采用数学形态学的相关处理来消除噪声。实验结果表明,使用该方法可以承受整体的或局部的、缓慢的或突变的光线变化,能有效地检测出运动目标。     

基于Fuller核的背景杂波抑制方法

提出了一种基于Fuller核非参估计的背景杂波抑制方法．通过对输出结果的信号杂波噪声比（SCNR）增益以及残留噪声的独立性检验对其性能进行了评价．针对一些典型实际图像进行计算机仿真，验证了该方法的有效性．     

一种多通道运动目标重聚焦及运动参数估计方法

针对传统运动目标参数估计方法将运动目标假设为匀速运动的不足,提出了一种新的多通道运动目标参数估计方法．通过构造含有加速度的运动目标回波模型,拟合多通道方位向回波数据的瞬时频率曲线,求解方程组获得各种运动参数的估计值,并重新构造运动目标的方位向匹配函数,对运动目标进行重新聚焦．克服了用匀速运动目标模型对加速目标进行运动参数估计误差较大的问题．仿真分析验证了该运动参数估计方法的有效性．     

基于多结构元素灰度形态学的红外背景估计算法

背景估计技术是红外弱小目标检测中的关键技术.传统的形态学算法采用单一结构元素对红外图像进行处理,当背景存在强起伏时,残差图像存在大量的背景泄漏,导致大量虚假目标点的出现.该文在分析红外图像统计特征的基础上,提出了一种基于多结构元素灰度形态学的红外背景估计算法.采用实际红外图像进行了仿真实验,并与传统形态学算法的性能进行比较,结果表明该算法能够尽量保留图像细节,减小图像细节对背景估计的影响,大幅提升了图像的信噪比,提高目标单帧检测概率.算法易于实时并行处理,便于硬件实现.     

基于FPGA的红外图像目标检测

红外图像目标检测过程中,实时处理过程需实现大量的数据存储和高速的处理速度．文中介绍了基于DSP+FPGA的图像处理系统,LoG滤波器及其设计方法．并详细论述了在FPGA中通过LoG滤波实现红外目标检测的方法．将FPGA用于目标检测,发挥了FPGA的高速优势,可实现红外目标的实时检测．     

背景变化鲁棒的微弱瞬态信号检测

在微弱瞬态信号检测中,由于信号完全淹没在背景和噪声中,因此当背景信号发生变化时,传统方法的检测性能会急剧降低。针对上述问题,提出一种基于核函数的对连续背景变化鲁棒的微弱瞬态信号检测方法。利用核函数将信号映射到一个高维空间来解决在原始空间中线性不可分的问题。根据信号和噪声特性对核函数加以约束,使检测方法在能检测出瞬态信号的同时还具有对连续背景变化鲁棒特性。将该方法应用于基于高帧频图像序列的微弱运动点目标检测中,实验证明该方法无论是在稳定背景情况下,还是背景连续变换情况下, 相比传统方法都有更好的检测结果,在背景连续变换的情况下优势更加明显。     

基于两视处理的单通道SAR地面运动目标检测和定位

提出一种基于两视处理的单通道合成孔径雷达运动目标检测和定位方法．该方法根据静止场景和运动目标的多普勒谱的偏移不同,先把回波的多普勒谱分成对称两段分别成像。然后对两子视合成孔径雷达图像进行非相干相减，从而对消地杂波，增强数据的信杂噪比,提高运动目标检测能力,在对运动目标进行定位时．从合成孔径雷达图像中加窗取出运动目标的复信号并计算其多普勒谱。通过估计运动目标多普勒谱相对于静止目标的平移量．可对运动目标进行较准确的定位并可进一步降低虚警概率。     

基于背景差分法和显著性图的海底目标检测方法

如何完整地提取视频中低对比度的小目标一直是运动目标检测中的热点和难点,尤其是处理水下移动设备拍摄的海底视频,更是具有很大挑战性。针对海底视频的特点,提出一种结合背景差分法和显著性图理论的弱小目标检测方法。该方法对减去背景后仍不清晰的含有目标的视频帧,采用显著性图理论提高目标的对比度,以利于更好地分割目标与背景;同时,利用单帧视频中最大目标个数的先验知识,来判断视频中是否有目标出现,避免因杂质太多而造成目标的错检,以提高检测系统的稳定性。在此基础上进行了与常规背景差分法的比较实验,结果显示该方法能够更好地检测到不清晰的目标。     

基于核函数的多极化HRRP识别

针对多极化雷达高分辨距离像(HRRP)识别中数据量大、分布复杂和识别算法复杂的问题,提出了基于核函数的识别方法.该方法首先定义了两种基于多极化HRRP的核函数,然后将其分别应用到核主分量分析(KPCA)中降维和提取特征,最后采用最近邻(1NN)分类器和支持矢量机(SVM)分类器对目标进行分类.该方法可以在不丢失极化信息的情况下,将多极化HRRP作为一个整体进行识别,降低了识别算法的复杂度.多极化HRRP数据的仿真实验结果显示,该方法的识别率比单极化HRRP提高7%～10%;与其他多极化HRRP识别方法相比,该方法不仅降低了提取特征的维数,而且还提高了识别性能.     

Generalized Keystone transform algorithm for dim moving target detection

Aimed at the problem that the accumulation result varies with the choice of the benchmark pulse used in the Keystone transform to correct range migration, a generalized Keystone transform algorithm is proposed for detecting the dim moving target via long-term coherent integration. The algorithm first searches for the minimum error of discrete time sampling and the corresponding pulse from digital pulse compression. Afterwards, this pulse echo is used as the benchmark in the Keystone transform, by which all the pulse echoes are corrected into the same range resolution cell. Accordingly, the maximum output after accumulation is obtained. Computer simulation and real data processing results are given to verify the effectiveness of the proposed method.     

互补增强式空间运动目标高精度检测与分割

针对空间监视系统中的运动目标自主高精度的检测问题,提出一种显著性计算与光流检测互补增强式算法.以mean shift初检结果为导引,通过显著性区域检测与光流检测的互补增强而实现空间运动目标的高精度检测.首先通过梯度信息和频率调谐滤波的互补方式分别计算整幅图像和mean shift分割后各个分块区域的显著性,再以整幅图像显著性均值为参考,确定合理的阈值以检测候选目标;与此相并行,也采用光流计算及相应的阈值检测方法获取候选目标.进而通过对显著性计算与光流检测分别得到的两个不同候选目标分布图的合取运算进行目标确认,最后再辅之以形态学滤波使确认目标得以增强,从而实现空间运动目标的高精度检测与分割.研究结果表明,在无需知道任何场景和目标先验信息,也无需人工干预的条件下,所提算法能够有效实现空间运动目标的精确检测和分割,对光照变化和噪声干扰也有很强的适应能力.     

基于单目视觉的运动障碍物检测

针对室内结构化环境中光照和外界环境的实时变化,提出一种基于单目视觉的改进的运动障碍物检测算法。利用单目摄像头截取图像,进行灰度转换和中值滤波,将混合高斯模型背景差分法和帧差法相结合,并引入面积信息,对二值化后的差分图像进行形态学处理和连通性分析,有效的解决了空洞问题,得到完整的运动目标信息。实验结果表明,该方法能准确快速检测所观测区域内的运动障碍物,实时性,鲁棒性好,对光照等外界条件的变化有很好的适应性。     

一种双波段红外图像弱小目标融合检测新算法

提出了一种基于模糊推理的双波段红外图像弱小目标融合检测新算法．首先分别得到双波段红外差分图像,根据差分图像的噪声特性引入隶属度函数来衡量像素点灰度变化程度,对多帧差分图像进行融合,按照“IF…THEN…”规则分别完成单一波段融合后的图像模糊推理,提取目标运动航迹,最后通过融合双波段的航迹实现弱小目标的检测．仿真实验结果表明,该算法通过模糊推理克服了 “硬”判决带来检测概率低的缺点,利用双波段红外图像融合提高了检测性能,可以有效地检测出低信噪比红外图像序列中的弱小运动目标．