基于相关配准的帧间差分算法

针对帧间差分法在摄像头运动时受动态背景严重干扰的问题,提出了一种基于图像配准的运动目标检测算法。首先将中值滤波后的连续两帧图像配准,配准时先在前一帧图像中选取背景,即背景图像,用区域相关法将后一帧图像与背景图像配准;接着将配准后的2帧图像差分得到帧间差分图像,即帧差图像,再用数学形态学的开运算去掉帧差图像中的一些细小噪声;最后将连续两帧去噪后的帧差图像逻辑与运算,得到运动目标检测结果。实验结果表明,在摄像头运动时的动态背景下,该算法有效地抑制了动态背景的干扰,准确地检测出了运动目标的边界,提高了运动目标检测在动态背景下的应用价值。     

针对运动摄像机的快速低存储开销运动目标检测算法

摄像机的运动会导致整幅图像的运动,使得此情形下的目标检测极具挑战性。针对该问题提出一种快速低存储开销检测算法。首先,利用一种快速低存储开销配准方法计算相邻两帧的单应变换矩阵。而后,使用单应变换矩阵进行相邻两帧之间的配准,并由帧间差分获取帧间运动信息。最后,采用积累运动信息的方式构造不断更新的运动图像,通过对此运动图像进行阈值分割分离出最终的运动目标。在多个不同视频序列下的实验表明该算法能够有效地从嘈杂的场景中检测出运动目标。此外,与先前算法相比,该算法检测性能更好,且显著地降低了存储开销与计算时间开销。对于480360的序列而言,该算法需要的存储开销仅为825 kByte,且运算速度达到16帧/m。     

红外搜索跟踪系统中实时图像配准的研究和实现

为实现在红外探测器运动的条件下地面弱小目标的快速搜索与跟踪,提出了一种基于相位相关法配准和角点法配准相结合的红外图像配准方法实现对红外图像的运动补偿。根据相位相关法配准和角点法配准的特点,首先利用相位相关法对运动中的红外图像进行粗配准,然后利用相位相关法配准的结果作为角点法配准的先验信息实现图像的高精度配准。实验结果表明该算法能够在不降低配准精度的条件下,实时地为红外搜索跟踪系统提供红外图像的位移信息,有效地提高了红外搜索跟踪系统对弱小目标的检测率和检测精度。     

从移动背景红外序列图像中检测运动目标

该文提出了一种从背景移动红外图像中自动检测运动目标的算法。该算法首先采用图像灰度互相关度量的匹配算法对连续的6帧序列进行配准,用第1帧和第4帧配准,第2帧和第5帧配准,第3帧和第6帧配准,然后用配准后的图像对分别做差分运算,再将3个差分图像按像素相乘,在运动目标处得到了非常尖锐的相关峰。这为进一步自动跟踪目标提供了一个跟踪窗口的中心点。实验结果验证了该方法的有效性。     

基于场景复杂度与不变特征的航拍视频实时配准算法

实时、鲁棒的图像配准是航拍视频电子稳像、全景图拼接和地面运动目标自动检测与跟踪的前提和关键技术.本文以航拍视频序列为处理对象,提出了一种新的基于场景复杂度与不变特征的实时配准算法,其主要特点包括：(1)在对航拍视频配准难点进行详细分析的基础上,有针对性的提出基于积分图的快速图像尺度空间构建、依据场景复杂度的检测特征点数量在线精确控制、基于描述子误差分布统计特性级的联分类器构造等新方法,使得算法配准性能不随场景的复杂度发生改变,能够在各种地貌条件下实时、稳定的进行图像配准;(2)将多尺度Harris角点和SIFT描述子相结合,并通过对帧间变换模型参数进行鲁棒估计,保证了算法具有良好的旋转、尺度、亮度不变性和配准精度.实验结果表明,算法可在场景变化、图像大幅度平移、尺度缩放和任意角度旋转等复杂条件下实时、精确的进行图像配准,对分辨率为320×240的航拍序列的平均处理速度达到20.7帧/秒.     

动态目标识别中的实时复杂巡航场景运动检测

设计并实现了一种适合于工程中动态目标识别应用的实时的复杂巡航场景运动检测技术。首先,对背景和当前帧两幅图像进行卷积处理,提取边缘图像。然后分块计算背景边缘图像的局部熵,根据局部熵大小合理选取配准模型组。采用模型组与当前帧边缘图像的相关性强度及运动偏移量结果,完成场景的运动估计。实验结果表明,本文方法用于红外和可见光图像均十分有效,在分辨率为320×256,帧频50Hz的红外图像以及分辨率为768×576,帧频25Hz的可见光图像中运行时间分别为13、24ms,达到了工程中应用的实时性处理要求。同时,在后续的图像处理中场景运动检测有效剔除了复杂背景图像对目标识别的干扰,可准确检测出运动变化目标。     

基于区域生长和背景配准的低信噪比红外目标检测算法

为了进一步提高复杂背景下低信噪比红外运动目标的检测性能,提出了一种基于区域生长和背景配准的低信噪比红外运动目标检测算法。该算法首先利用局部对比度找出几个种子点;然后根据种子点进行区域生长,统计生长出目标的相关特征;接着采用多帧关联的方法,挑选出候选目标;最后采用背景配准的方法,剔除虚假目标,降低虚警概率。采用大量实验数据进行仿真验证,仿真结果表明,相对于传统算法,本文算法对低信噪比红外运动目标具有较高的检测概率,较低的虚警概率。     

基于光流场分析的红外图像自动配准方法研究

提出了一种基于光流场分析的准确的红外图像自动配准方法．该方法可分为两个过程：先是利用全局光流场完成两幅图像背景区域的配准；其次利用由粗到细的层级匹配算法提取两幅图像中运动目标的特征点集，根据两组特征点集由最小二乘法计算出运动目标的变换参数，完成运动目标的配准．对一定研究领域的红外图像自动配准的仿真实验表明：该方法准确且对场景的运动有很好的鲁棒性．     

空间弱小目标图像检测方法研究

针对背景缓慢运动的空间弱小目标图像检测问题,提出了序列图像背景配准方法及基于目标特征的空域滤波方法.通过对动态背景序列图像的背景恒星配准及背景消除,得到了目标图像.通过基于目标特征的滤波,并用质心法计算出每帧目标代替点得到轨迹投影图.最后使用Hough直线检测算法和最小二乘法提取目标轨迹.实验选择了实拍的序列图像,检测结果验证了该方法的有效性.     

基于图像配准的运动目标检测

针对导弹训练模拟器探讨一种基于图像配准运动的目标检测方法.由于差分法在动态背景下不能有效地检测出目标,故使用一种快速的基于图像亮度的角点检测,并通过考虑实际的跟踪速度与方向,建立图像间角点的对应关系,采用最小二乘法得到最佳仿射系数,再对图像进行仿射变换,由帧差法得到目标.     

基于辐射累积和空间反演的空中弱目标检测算法

背景辐射噪声是弱信号检测面临的难点问题。提出了一种显著提升信噪比实现匀速运动弱目标的有效检测算法。建立目标坐标空间和速度空间,以不同速度矢量控制图像叠加,形成提升了信噪比的新的图像序列并构成图像空间;利用恒虚警判决法在图像空间中检测候选目标点;根据候选目标点所对应的坐标向量和速度向量分别映射到坐标空间和速度空间,由两个空间中出现的峰值判定目标点。实际红外成像系统实拍实验表明,算法能将信噪比提升至接近原图的N倍,目标检测概率和虚警概率都明显优于所对比的弱目标检测算法。     

转动红外探测器下地面远距离运动目标检测方法

地面远距离运动目标检测是红外成像防御中的关键技术之一。地面远距离运动目标检测指利用红外探测器对远距离运动目标实现自动探测和捕获。由于目标距离较远,在红外探测器上成像面积较小,同时远距离运动目标容易被遮挡,很难将目标从复杂的地面背景中提取出来。提出了一种能够在面阵红外探测器转动的条件下实现远距离地面运动目标检测方法。首先利用图像信息计算红外探测器的运动补偿参数并通过背景更新获取目标一次检测结果,然后采用光流法获取背景和目标的运动信息,通过计算背景和目标之间的运动信息相关性实现目标最终检测。实验采用多种场景对文中算法进行验证,结果表明该方法通过转动红外探测器可以扩大目标搜索区域,利用背景和目标之间运动信息的相关性有效地克服了目标遮挡、目标重叠和视差等问题。     

应用于校正扩展视场偏差的红外成像测量方法

介绍了一种可扩展视场红外光学系统的工作原理,针对系统初始化后由于楔形镜装配误差引起的视场偏差对成像的影响,设计了一种校正该光学系统视场偏差的红外成像测量方法。通过计算机视觉技术在目标运动轨迹测量中的应用,把该技术与红外成像系统进行结合;用红外成像系统对运动目标成像,将目标的运动轨迹视为序列离散点,利用计算机视觉技术对这些离散点进行轨迹检测,并采集这些目标连续运动过程中的离散点图像。后期通过对采集的目标运动轨迹原始图像进行像图像处理,运用编程仿真构造目标的实际运动轨迹,最终完成了可扩展视场红外光学系统视场偏差的校正。结果表明,基于计算机视觉技术的红外成像测量方法能够很好地实现运动目标的轨迹测量。     

Aggressive motion detection based on normalised Radon transform and online AdaBoost

A framework for human aggressive motion detection in image sequences captured from a single stationary camera is described. Background subtraction, connected chips linking and mean-shift estimation are used to extract target contour information. The binary rectangle containing contour points of the blob-set is transformed into a normalised Radon matrix. With labelled (normal or aggressive motion) Radon matrix as feature pools an online AdaBoost feature selection is implemented. Using the selected classifiers the human aggressive motion in a frame can be recognised. Experimental results show that the system performs well.     

基于单目视觉和固定靶标的位姿测量系统

利用计算机视觉进行位姿测量的方法广泛应用于机器人系统、运动体控制系统和精密检测系统。研究和设计了一种基于固定靶标的单目视觉定位系统和方法,用最少硬件资源实现精密定位。首先,利用图像匹配的方法检测出平面靶标在图像中的坐标,图像匹配采用SIFT算法和映射匹配方法,之后利用固定靶标的特性求取中心点。实验利用多幅图像样本验证了图像匹配的准确性和鲁棒性。然后,针对呈矩形分布的PnP问题,提出了一种新的求解方法,以靶标控制点的图像坐标和空间坐标作为输入,得到了移动物体与摄像机的三维相对位姿。实验利用五维精密位移台移动目标物体并拍摄多副图像,结果表明位姿测量系统在800 mm范围内达到mm级精度,可以满足应用需求。     

无人机视频图像运动目标检测算法综述

运动目标检测是实现目标跟踪、交通监控、行为分析等任务的基础。但在无人机获取的视频图像中,无人机运动、旋翼震动或外界风力等客观因素使图像出现较为明显的背景、光照等变化,会对运动目标的检测产生影响。因此,如何降低干扰、提高检测精度,让无人机在运动目标检测领域发挥作用在信息时代具有相当重要的意义。无人机视频图像的运动目标检测相比传统运动目标检测,检测思路基本一致,但干扰因素众多。本文以此为切入点,分类综述了适用于无人机视频图像运动目标检测的算法及其改进,主要包括运动估计算法、帧间差法、背景建模法、光流法等传统算法和近年出现的新型算法;通过对无人机运动状态的划分探讨比较了上述方法的优缺点及适用场景。帧间差法更适合处理无人机悬停状态的数据,背景建模法、光流法及新型算法对无人机悬停及巡航状态的数据均可处理;上述算法均不能很好解决光照变化造成误检、漏检现象。所以处理无人机视频数据时,要根据其运动信息及数据特点选择合适的算法,才能获得好的检测结果。     

基于网络解析的像元耦合偏振成像目标检测算法

偏振成像目标检测对于人造目标检测有着重要意义。像元耦合是以四个方向的偏振强度数据作为一个超像元的偏振成像方法。对超像元进行偏振参量解析,会使图像的分辨率变为原始图像的四分之一,不利于小目标的检测。像元耦合图像的偏振参量解析会产生噪声,对小目标的检测造成干扰。本文提出了一个以YOLOv5s为网络基础,添加偏振信息解析模块(Covcat)的目标检测算法。该算法实现了端到端进行像元耦合偏振成像的目标检测,用网络实现偏振解析,利用多卷积信息融合提高特征提取能力,提高目标的平均检测精度(mAP)。使用对空无人机数据集对算法进行验证,实验表明,相比于使用偏振参量解析出的强度图、偏振度图和偏振角图,该算法的平均检测精度分别提升了4个百分点、5个百分点和12个百分点。     

基于双向稀疏光流融合的小目标检测方法

针对动态背景下的小目标检测问题,提出了基于双向稀疏光流融合的目标检测方法.首先采用FAST方法提取当前帧图像中的角点,然后在连续的三帧图像中进行前、后向稀疏光流跟踪,确定正确匹配的特征点对,利用匹配的特征点对计算用于背景补偿的帧间运动参数,最后在背景补偿的基础上进行三帧差分,以检测出图像中的运动小目标.实验结果显示,本算法能够很好地解决背景和目标同时快速运动的问题,为运动目标的跟踪奠定基础.     

基于红外序列图像的特定目标智能检测

红外成像探测技术是目前以及未来军事作战需要倚仗的重要技术。以卫星红外序列遥感图像为处理对象,采用人工智能相关技术对图像数据进行目标检测。针对序列图像检测到的特定目标进行关联分析,并通过目标灰度提取以及运动变化信息来生成特定目标的轨迹报告。实验结果表明,多目标检测的平均正确率为90%,部分场景可以达到95%,误检率为7%;多目标跟踪的平均正确率为91%,误检率为6%,为及时发现和预警特定目标提供了信息支撑。     

基于区域梯度信息的红外小目标检测

红外小目标检测一直是红外图像处理的难点之一,由于多种因素的影响,红外小目标容易被覆盖。分析红外图像特征,采用形态学对图像进行背景噪声抑制,在去除大部分噪声的情况下,首先利用灰度信息确定目标点的位置,然后利用区域梯度信息进而确定目标尺寸大小,对仿真图像进行处理并与K均值聚类法和形态学算法进行比较。实验结果表明:在低噪声情况下,三类算法均能有效地进行小目标检测,但在噪声复杂,信噪比较低的情况下,K均值聚类法未能检测出目标,形态学算法产生了多个虚警,而该算法依然能有效检测出小目标。