基于三角形匹配的空间小目标检测算法

由于天基平台拍摄天空图片时,背景和相机同时发生相对运动,造成相邻帧之间无法通过简单的帧差法得到运动的小目标,造成了空间目标检测的难度。在分析星空图像模型的基础上,提出了一种提取特征点组成匹配三角形的图像配准方法。首先对图像进行预处理,通过最优阈值的选取对单帧图像进行分割,去除背景噪声。将星点按面积大小划分,对符合条件的星点组成特征三角形并在相邻帧中进行匹配得到运动参数。在配准时为了减小计算量,忽略背景插值只针对星点坐标矩阵进行处理。最后通过多帧轨迹关联检测出目标的运动轨迹。仿真实验表明,在运动的序列图像中,该方法能实现高检测率和低虚警率的实时检测。     

基于扩展卡尔曼滤波的空间小目标跟踪算法

由于天基平台拍摄天空图片时,背景和相机同时发生相对运动,造成相邻帧之间无法通过简单的帧差法得到运动的小目标,造成了空间目标检测的难度。在分析星空图像模型的基础上,提出了一种提取特征点组成匹配三角形的图像配准方法,该方法通过最优阈值的选取对单帧图像进行分割,去除背景噪声。将星点按面积大小划分,符合条件的星点组成特征三角形并在相邻帧中进行匹配得到运动参数。在配准时为了减小计算量,忽略背景插值只针对星点坐标矩阵进行处理。最后通过多帧轨迹关联检测出目标的运动轨迹。仿真实验表明,在运动的序列图像中,该方法能实现高检测率和低虚警率的实时检测。     

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.     

一种空间观测图像的仿真生成方法

提出一种天基观测空间目标可见光图像仿真方法,观测平台及目标的运行速度和空间位置信息由卫星工具包（ STK）生成,成像过程由Matlab编程实现。该方法的优越性在于利用STK的可视化功能,控制观测平台和目标的轨道参数,使目标能够进入观测相机的视场,而Matlab具有强大的图像处理函数库,在序列图像生成过程中,可方便地对图像添加各类噪声和效应,使图像更加真实;生成的仿真图像主要用于空间目标检测算法的研究。最后分析了仿真图像中空间目标和恒星的运动性质,为完善空间目标检测算法的性能提供了依据。     

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。     

基于多核DSP平台的交通视频运动目标检测跟踪实现

为解决实际交通智能监控系统中视频传感器平台因移动或外部因素的影响发生晃动,导致视频运动目标检测跟踪性能下降的问题,文章提出了基于改进SIFT算法的精确配准动目标检测跟踪方法。该算法采用经典SIFT特征对图像配准,以此为基础实现高效、高精度的图像帧间差分运动目标检测,并采用自适应阈值分割算法完成对差分图像的分割,且通过区域合并策略解决分割产生的断裂及空洞问题,同时采用目标局部邻域特征和置信度判定准则,实现对运动目标的检测和持续稳定的跟踪。最后,基于多核DSP处理平台,通过实验验证了该算法应用于智能交通视频动目标检测跟踪的有效性。     

低秩稀疏分解下多尺度积的运动目标检测方法

针对基于矩阵分解的运动目标检测方法易受自然场景中背景的小幅抖动和摄像头抖动等因素影响的问题,提出了一种利用多尺度积的低秩稀疏矩阵分解算法。算法假设,静态背景视频序列中,每帧图像背景可近似视为处于同一低秩子空间中,图像前景则可视为偏离低秩空间的残差部分。首先对图像序列进行滤波、仿射变换等预处理得到视频序列观测数据矩阵;然后对数据矩阵进行低秩稀疏分解得到序列图像的低秩背景部分和每帧图像的稀疏前景部分;最后对稀疏前景部分采用小波变换模极大值与多尺度积方法检测目标边缘,并进行形态学处理,得到准确的运动目标。实验结果表明,算法检测到的运动目标清晰、完整,能有效地处理光照变化、摄像头小幅度抖动、图像背景局部小幅度变化等情况下的运动目标检测。      

一种强背景下点目标检测算法及硬件实现

白天观测条件下高亮度的天光背景使空间目标淹没在强的背景噪声中,而且由于目标运动角速度高,背景起伏大,帧间数据相关性较小,只能采用单帧数据进行处理.为了有效的检测到空间目标,扩展目标观测时段,针对背景噪声强、数据量大的实时检测难题,提出了适合硬件实现的空间弱小目标检测算法.该算法;(1)将目标图像进行平场归一化;(2)利用形态学.Top-Hat算子对归一化后的图像进行目标增强;(3)利用均值滤波对归一化后的图像进行背景估计;(4)图像差分及采用恒虚警方法检测出目标.该算法能在单帧条件下有效地消除强背景的起伏变化及短曝光所引起的快门效应,可将空间点目标可靠地检测出来.最后,文中给出了该算法的硬件实现的并行处理结构,有效减少数据处理时间.通过实测数据的试验结果表明,该算法的检测概率高于单一滤波算法,且能够对信噪比约为2的空间点目标进行可靠的检测,具有很好的实时性能.     

改进的三帧差分运动目标识别算法

针对传统的三帧差分法运动目标检测算法容易出现"空洞"现象,进而导致检测物体不完整的问题,提出一种改进的三帧差分法算法检测运动目标.改进算法先对连续的三帧图像进行预处理得到灰度图像,进而对其两两差分,获得两幅差分图像;利用阈值分割得到二值图像,经形态学的膨胀处理得到新的二值图像,通过逻辑与运算后,最后通过形态学操作的腐蚀...     

基于OpenCV的红外弱小运动目标检测与跟踪

针对信噪比低、背景和噪声干扰严重的红外图像,根据图像序列中运动目标的帧间相关特性以及噪声的不相关理论,基于OpenCV（Open Soure Computer Vision Library）计算机视觉库,提出了一种弱小目标的检测算法,并对检测到的目标进行了跟踪。采用能量累积的方法得到背景,然后从原始图像中去除背景,提高信噪比;利用目标的帧间相关特性以及运动信息去除噪声;最后通过Kalman滤波算法来对检测到的目标进行跟踪。实验结果表明:该检测算法能有效地从序列图像中提取出弱小运动目标,跟踪算法也能实时地进行跟踪并在目标被遮挡时准确地预测出目标位置。     

基于时序多帧投影的空间目标检测算法

为了对星图中空间目标进行检测识别,对基于 SURF（Speed-Up Robust Featrues）算法的星图精确配准技术和美国 SBV（Space-Based Visual）计划采用的 MTI（Moving Target Indicati-or）在轨目标检测算法进行了深入研究,提出一种针对16 Bits 星图的多目标检测算法,具体包括：首先利用 SURF 算法提取序列星图的特征点,根据最小二乘法计算得到的全局运动参数对星图进行精确配准;然后利用一种改进的 MTI 算法对序列星图进行时序多帧投影以抑制背景,得到仅含有疑似目标的序列图像;最后经过目标初始运动状态的建立,速度滤波以及坐标插值得到目标的运动轨迹。利用实拍的20帧序列星图验证算法性能,经本文算法配准后,星像质心的均方误差（RMSE,Root Mean Square Error）最小达到0.3269 pixel,平均值为0.5441 pixel;序列图像中的3个运动目标均被检出,且无虚警。实验结果表明,本文配准算法的精度能够满足时序多帧投影的要求,且目标检测算法符合恒虚警原理。     

基于STK/matlab 的空间目标序列星图仿真

基于STK/matlab 软件,提出了一种能够在复杂星空背景下模拟微弱点状运动目标序列星图的生成方法。首先,系统分析了背景星空模型的建立过程;然后,分析了影响点目标成像的扰动与噪声等因素,使得模拟仿真的序列星图更接近真实物理过程;同时,利用STK 软件,对空间目标建模,预测观测卫星与地球同步轨道上空间目标的相对几何关系,并对高轨目标的可见性进行了系统的分析。给出了一种计算空间目标可见性判据的简便方法;最后,综合考虑了影响高轨目标可见性的各种因素,由STK 生成空间目标轨道的预测数据,采用matlab 程序对其进行了模拟仿真。对模拟空间目标检测、识别与跟踪的研究场景具有一定意义。     

一种运动背景序列星图弱小目标运动轨迹提取算法

提出了一种序列星图中目标的运动轨迹提取算法.利用交叉投影方法提取星点,确定包含星点的区域;提出一种基于自适应窗口选择PIV技术的序列星图全局运动参数估计算法,并对序列星图进行配准,滤除背景恒星;提出一种目标运动轨迹的提取箅法.实验结果表明该算法对于空间小目标(≥1 pixel)在序列图像中运动轨迹不连续的情况可以进行准确的运动轨迹提取,具有较强的鲁棒性.     

采用最大背景估计的星敏感器图像处理方法

星图处理是星敏感器运行的基础,而杂光干扰是影响星敏感器图像处理的主要因素之一,是算法设计需要重点考虑的干扰源。为消除杂光干扰的影响,通过分析星图中目标及背景的特征,根据星点二维高斯分布模型构造了权值参考函数,改进了最大化背景估计模型,设计了欧几里德四象限旋转对称的掩模,辅以图像分割、去噪,构成采用最大背景估计的星敏感器图像处理算法。另外采用了星点提取率、虚警率、极限探测星等、单星定位精度和仿真时序综合评价星图处理算法性能。实验证明该图像处理算法星点提取率高、虚警率低、单星定位精度高、抗杂光干扰性能优异且具有通用性。     

基于OTSU算法的近红外星图目标提取

导航星目标的提取是近红外天文导航中的关键步骤,直接关系到后续的星目标识别和星图匹配.由于天光背景很强,提取星目标极为困难.近红外天文导航在近红外波段对恒星进行检测,即使在白天也可获得足够多用以导航的恒星目标.在分析近红外星图图像特点的基础上,引入能量投影,根据投影峰值确定潜在恒星目标和噪声点的位置;然后根据能量变化,设定待处理区域,并使用最大类间方差(Maximumbetween-cluster Variance,OTSU)算法进行目标和噪声点快速提取;最后使用多帧叠加,剔除噪声点,最终提取出恒星目标.实验结果表明,该算法计算简单,运行时间短,同时具有较高的检测率.该算法能够在复杂的背景中有效地检测出恒星目标,虚警率较低.     

A novel approach for space debris recognition based on the full information vectors of star points

The recognition and detection of space debris has become one of significant research fields recently. Compared with natural images, effective information are very few contained in star images. In the past years, the gray values of star points and the continuity of sequential star images are utilized by numerous algorithms to carry out the recognition and detection through fusion of consecutive star images, which have been achieved good performance. However, with the rapid increase of star image data, those algorithms seem to be inadequate in recognition ability. In this paper, we propose one novel approach based on the full information vectors of star points to recognize moving targets with the machine learning method which is never utilized in space debris recognition field. Besides gray values, we further deeply excavate the characteristics of each star point in a single frame by the equal probability density curve of Gaussian distribution. The elliptical pattern characteristic vectors of star points can be input into the machine learning method for classification of static stars and moving targets in a single frame. Finally, trajectories of moving targets can be determined within 3 frames by the full information vectors. Therefore, traditional processing methods are abandoned and the proposed brand new approach redefines the recognition technical route of space debris. The experimental results demonstrate that moving targets can be successfully recognized in a single frame and the coverage rate of moving targets can reach 100%. Compared with other traditional methods, the proposed approach has better performance and more robustness.     

采用DBT的漂移扫描星图小目标检测方法

针对低信杂比漂移扫描星图中小目标检测易受恒星星像干扰的问题,提出一种基于单帧候选检测及多帧跟踪判决的实时处理方法。分析星图难以多帧匹配去恒星星像的原因,采用单帧处理的方式,通过构造星像端点掩膜滤除单帧检测中的虚假目标。将单帧得到的候选目标进行粒子滤波的粒子生成,运用目标运动信息构造似然函数分布图更新粒子权重,通过粒子滤波实现了漂移扫描星图中的小目标检测。实际低信杂比星图的实验结果和与相关方法的比较表明,所提方法有效提高了弱小目标的检测能力。     

Space object detecting ability improvement method based on optimal principle

In view of the increasing threat of massive satellites and orbital debris to space launch missions, an optimization method of ground-based optoelectronics surveillance system is proposed. Passive optical system can monitor space target at a cost-effective way. This paper analyzes the detection ability of telescope and the optical reflection characteristics of high orbital objects, combined with the motion characteristics and observation conditions of high orbital debris, and thus analyzes the detection and recognition ability of space targets by the ground optoelectronics system. In order to solve the problem of faint targets detection, the optimization principle of star image with low signal-to-noise ratio (SNR) is demonstrated. Compared with the traditional frame difference method, the spatial targets with SNR greater than 3.10 can be identified without changing the aperture of observation equipment.     

红外序列图像弱小目标检测算法

红外图像中的弱小目标因为信噪比和对比度较低,用单帧图像检测很难得到满意的效果,利用多帧图像信息进行检测是有效的手段之一。分析了利用帧间相关性对红外图像中的弱小目标进行检测的方法,提出了改进的算法和对比度相关性的概念。该算法在序列图像灰度起伏情况下,克服了直接利用灰度相关效果不好的缺点,具有良好的抗噪声和背景干扰的特点。算法可以推广到其他类型图像目标的检测中。