基于改进背景加权的Mean-Shift目标跟踪算法

针对采用核加权直方图的方法计算目标模板与候选区域目标特征无法实现对运动目标的准确定位这一问题, 提出了一种利用改进背景加权增强直方图显著性的鲁棒Mean-Shift跟踪算法。在传统Mean-Shift的框架下, 通过计算目标和背景特征直方图bin值, 得到两者特征显著性大小, 将其代入传统相似性度量中, 定义新的背景加权系数, 进而更好地提高目标与背景的区分度, 减少背景信息对目标定位的干扰。通过算法改进前后的实验结果以及跟踪误差和正确跟踪率的比较发现,跟踪效果得到明显改善。     

基于光流场估计的自适应Mean-Shift目标跟踪算法

针对Mean-Shift算法在目标跟踪中出现由于目标运动速度过快或尺度明显变化以及目标遮挡时导致跟踪失败的问题,结合光流场估计,提出了一种自适应Mean-Shift跟踪算法。本文方法在基于传统均值漂移矢量法的同时,引入光流法,在目标上找寻特征点,通过特征点前后变化的信息,修正跟踪窗口中心位置和大小,再根据Bhattacharyya系数二分法分别自适应得到更为精确的窗口长宽;而针对目标被静止物体遮挡,通过色差分析观测目标被遮挡区域,利用Bhatta-charyya系数重新捕捉目标。实验结果表明,本文方法在对目标移动方向较明显或由透视变化而导致的尺度变化具有较其他算法更优异的表现。将本文方法应用到铁轨跟踪实际中,测试结果表明,结合本文方法可显著提高轨道跟踪的可靠性。     

基于改进粒子滤波算法的红外小目标检测跟踪

将粒子滤波算法引入到红外小目标的检测跟踪领域,为解决重要性函数选择和粒子退化问题,结合蚁群搜索算法与粒子群优化算法改进标准的粒子滤波.改进后的粒子滤波能有效减少粒子数,降低运算量,避免了粒子迁移线性化,且无需重采样.分析论证了该算法的基本原理,着重叙述了粒子迁移的过程.通过跟踪实拍红外图像以及仿真图像验证,表明该算法能够成功跟踪信噪比低,背景复杂,运动非线性强的红外小目标,对目标消失、遮挡情况也有一定的适应能力.     

基于频域特征提取的红外小目标跟踪算法

针对红外小目标的目标特性,像素少,强度弱,特征提取困难的问题,本文分析了两种常用的特征提取算法,提出了一种在频域范围内进行红外小目标特征提取的改进粒子滤波算法。分析了在背景中加入目标点后频域的变化,指出了从频域进行目标提取的可行性。实际的仿真结果表明,使用频域的特征提取能够比较好地描述目标,区分目标和背景,具有很好的跟踪性能。     

一种基于红外图像的小目标跟踪置前检测算法

为在低信噪比、强杂波的环境下提取目标，人们提出了跟踪置前检测(TbD)的小目标检测方法。讨论了红外图像杂波剔除和用最优非线性滤波器跟踪置前检测的算法，给出了算法模型和基本步骤，利用这种算法可有效地进行杂波抑制和对小目标跟踪置前检测。     

基于改进LCM的红外小目标检测算法

如何在复杂背景和低信杂比条件下准确检测到小目标对于精确制导武器的发展和红外预警等具有重要意义。为了在复杂背景条件下提高图像信杂比并有效地检测出小目标,提出一种基于中心域与邻域灰度对比度的红外小目标检测方法。通过计算输入图像的对比度图和显著度图,提高了目标对比度同时抑制背景杂波;在此基础上自适应设定阈值分离出小目标。实验结果表明:与传统LCM（Local Contrast Measure）方法相比,所提出的方法能够取得更高的检测率和较低的虚警率,尤其是对于复杂背景下的弱小目标检测,相对于对比算法,优势更明显。     

基于改进Mean-Shift的颜色直方图地板块跟踪算法

针对传统Mean-Shift算法中密度估计在速度、光线等因素影响下存在丢失目标的缺陷,在Mean-Shift算法基本原理的基础上,提出一种目标颜色直方图和Mean-Shift迭代算法相结合的跟踪方法。将该算法应用于地板块跟踪领域,研究了在遮挡物以及光线影响下该算法的可行性和跟踪效果。仿真和实验结果表明,该算法兼备跟踪快速、识别准确、稳定性好等优点,优于传统的Lu-cas-Kanade算法、Camshift算法,为地板块跟踪算法的研究提供了一个新的思路。     

一种改进的Mean-Shift实时车辆跟踪算法

针对传统Mean-Shift算法存在无法有效的估计目标方向及变速运动目标这一缺陷,提出了一种改进的Mean-Shift自适应跟踪算法,在传统算法基础上增添了next帧目标预测功能,并应用于智能交通系统。该算法首先提取运动历史信息,并建立数学模型,据预测理论对next帧目标位置进行预测,使其作为Mean-Shift迭代初始,提高迭代效率。实验表明,本文跟踪算法具有良好的实时性和鲁棒性,受车辆方向和速度变化影响较小。     

一种基于背景抑制的红外小目标检测新算法

红外图像小目标检测技术,是红外搜索与跟踪系统的一项核心技术。本文提出了一种新的红外图像小目标分割算法,采用背景抑制及双窗口自适应门限分割等技术检测目标,分析了算法的实时检测能力,并给出实物平台下的检测实例。大量的实验结果表明,此新算法能取得较好的小目标分割效果。     

多步预测融合Mean-Shift的运动目标跟踪算法研究

对运动目标跟踪时,主流Mean-Shift(均值偏移)算法对环境的影响较为敏感.针对目标遮挡时准确跟踪这一问题,提出了多步预测融合Mean-Shift的优化运动目标跟踪算法.在目标跟踪的过程当中采取Bhattacharyya coefficient(巴氏系数)辨别目标是否出现了遮挡.当目标产生遮挡的情况,采取多步预测算法,根据目标前一帧的特征信息对下一帧中目标位置信息进行判断.当运动目标离开遮挡时,则继续采取Mean-Shift实施后续跟踪.通过对不同场景下的视频序列实行测试,其结果表明该算法可以对发生遮挡后的目标进行连续、稳健的跟踪.     

基于改进Mean Shift算法的细胞追踪方法研究

针对经典Mean Shift算法不能有效追踪快速移动细胞的缺陷,提出了利用Mean Shift和卡尔曼滤波器相结合的方法快速移动细胞进行追踪。算法以卡尔曼滤波器预测出细胞的位置作为Mean Shift算法的初始位置,然后再利用Mean Shift算法追踪得到的细胞位置作为下一帧的卡尔曼滤波器的输入参数。实验结果表明,对于细胞图像的追踪,该方法较经典Mean Shift算法有着更高的准确率。     

基于Mean-Shift算子的多尺度视频跟踪算法研究

为了提高靶场光测设备视频跟踪算法的稳定性、准确性以及抗干扰性,开发了基于Mean-Shift算子的多尺度视频跟踪算法,对该算法所采用的小波变换、小波包及Mean-Shift目标跟踪算法进行了研究。阐述了整个跟踪算法的原理及多分辨率图像选择依据;介绍了小波变换和小波包原理,说明了利用小波包将视频图像分解为多分辨率图像的方法;介绍了Mean-Shift算子的原理以及对目标特征进行归一化表示;最后说明了利用Mean-Shift算子对归一化目标的搜索区域进行预测的算法。实验结果表明,本算法跟踪过程平稳、准确,且抗干扰能力强,收敛速度快。试验数据表明,经过小波变换的Mean-Shift算法的收敛速度提高约66%,搜索准确性提高约34%。基本满足了靶场测量中对视频跟踪算法更高的要求。     

一种新的基于分块直方图的mean shift跟踪算法

在经典的Mean-Shift算法中使用颜色直方图来描述目标,而这种颜色直方图中却存在大量空的颜色直方图区间,且没有融入图像的空间信息,在遇到与跟踪目标颜色分布相近的背景或目标时会造成跟踪丢失。针对颜色直方图的不足提出一种分块颜色直方图构建方法以融入空间信息,对得到的分块直方图进行简化,去除空闲的直方图区间。实验中对颜色分布相似的物体发生遮挡进行跟踪试验,并与经典Mean-Shift算法跟踪结果进行对比。实验结果表明,这种新算法能更稳定、准确地跟踪目标。     

基于改进蝙蝠算法的红外光谱特征选择

特征选择是红外光谱定性与定量分析中的重要环节之一。为了解决传统特征选择方法可调参数多、收敛速度慢、精度低、易早熟等不足,对基本蝙蝠算法进行了离散化改进以适用于离散优化问题,同时结合Lvy飞行搜索策略,提出了一种新型的红外光谱特征选择算法。采用三个红外光谱数据集对提出的算法进行了验证,同时与遗传算法、模拟退火算法、无信息变量消除法等进行了比较分析。实验结果显示,该方法可以快速地搜索到全局最优值,能有效地提高波长选择的准确性和稳定性,被选择的波长物理、化学意义明确,采用选择的特征波段建立的定量模型优于用全谱建立的模型。同时,三个不同相态、不同光谱范围的数据集表明,所提出的算法具有较大的适用范围与实用价值。     

基于改进双向扩散滤波的红外背景抑制算法

针对复杂背景下红外弱小目标图像背景抑制难题,提出了一种基于曲面拟合的双向扩散滤波红外背景抑制新算法。采用高斯Facet模型拟合邻域图像曲面,采用综合方向导数梯度(IDDG)算子描述拟合图像的灰度特征,进而对双向扩散滤波进行改进,并将其与IDDG算子相结合,发展出了具有解析形式的改进的双向扩散滤波算法,给出了该算法关键参数的自适应选取方法。与传统的背景抑制算法相比,本文算法对图像灰度特征的描述更准确,并能据此在前向扩散和后向扩散之间自适应地切换,从而实现了在抑制背景杂波的同时增强目标能量,且能够克服传统算法处理椒盐噪声方面的缺陷。理论分析与仿真实验表明,本文算法对包含强纹理结构的复杂背景杂波具有良好的抑制作用和稳健的适应作用,对于信噪比为0.8的图像,可获得21.6的信噪比增益。     

改进的YOLOv4红外图像行人检测算法

在夜视红外行人检测的定位任务中,样本取样机器处于高点俯拍,使得所拍摄到的行人目标体积较小.此外,行人时刻处于活动状态,与摄像头的距离不同,导致检测时同类目标在图中的大小有一定的差异.基于YOLOv4算法,本文提出了一种改进的YOLOv4红外行人检测算法,对YOLOv4的网络结构进行了优化.采用形变卷积为核心组件,构建形变特征提取模块提升对于目标特征提取的有效性;针对形变卷积对特征提取网络模块进行优化.结果表明,改进后的算法在整体鲁棒性、召回率、F1-Score等评价指标方面均优于其它算法.     

基于改进YOLOv7的机载红外弱小目标检测算法

随着现代化战争的技术升级,机载红外探测领域对更快更远更准地发现目标的需求日益强烈。为满足机载环境下对红外弱小目标高精度高帧率的检测,本文提出了一种基于YOLOv7改进的目标检测算法,以YOLOv7目标检测算法为基础,进行了修改网络结构和加深卷积层数来使特征提取更多的小目标信息特征；并对骨干网络获取的特征层引入注意力机制来提高神经网络对小目标的感知能力以及提高小目标所在区域的权重占比；使用EIOU损失函数替换原本的CIOU损失函数,提高了收敛速度和定位精度。实验结果表明,相较于原算法YOLOv7,在极小损失帧率的情况下,改进后的算法mAP可以达到9849,相较原始算法提升了124,有助于提升对机载红外弱小目标的检测准确率。     

基于改进遗传算法的电力设备红外图像分割研究

针对传统的遗传算法对目标图像感兴趣部位(ROI)分割存在收敛速度慢、耗时长、分割过当等缺点,提出一种改进遗传算法的分割方法,该方法采用最佳熵阈值法确定分割阈值,从而减少计算量,缩短耗时。通过Matlab仿真实验所得结果表明,改进后的遗传算法在电力设备红外图像分割的时间和效果上均优于传统算法。     

Study on infrared image super-resolution reconstruction based on an improved POCS algorithm

Aiming at the disadvantages of the traditional projection onto convex sets of blurry edges and lack of image details, this paper proposes an improved projection onto convex sets (POCS) method to enhance the quality of image super-resolution reconstruction (SRR). In traditional POCS method, bilinear interpolation easily blurs the image. In order to improve the initial estimation of high-resolution image (HRI) during reconstruction of POCS algorithm, the initial estimation of HRI is obtained through iterative curvature-based interpolation (ICBI) instead of bilinear interpolation. Compared with the traditional POCS algorithm, the experimental results in subjective evaluation and objective evaluation demonstrate the effectiveness of the proposed method. The visual effect is improved significantly and image detail information is preserved better.