基于恒星配准的空间点目标检测算法

针对以往文献在处理空间目标图像时使用的配准帧差方法,存在不能配准旋转背景以及没有充分利用目标运动特征等问题,提出了一种基于恒星配准的检测方法.该方法以恒星为控制点,利用刚体变换模型配准相邻帧,再通过帧差分离出可疑目标,最后通过最近邻航迹关联法确认真实目标,其中为了有效区分相邻帧中的目标点,对原始帧差法做了一些改进.最后利用增加了人工仿真点的实摄观测图像对算法进行实验,结果表明,该方法能较好地配准旋转背景序列图像,可以有效检测出空间点目标.     

基于遥感图像融合的目标检测算法

在一些遥感图像中由于目标不清晰或背景复杂,使得目标的检测变得困难.图像融合可以把来自多传感器的图像信息综合起来,提高对图像信息分析和提取的能力.通过把同一目标的不同传感器获得的图像数据利用小波包变换进行融合,这种方法能够很好地将多源图像的细节融合在一起,得到目标较为清晰的融合图像.在此基础上利用数学形态学的方法进行目标检测,得到了满意的效果,证明了这种方法的有效性.     

图像序列的目标检测

动态图象中的目标检测在实际应用中具有重要的意义。差图象是目标检测的基础，本文给出了一种运用差图象的多种特征进行了检测的方法，在特征空间的基础上，使用预测技术抗干扰。实践表明，此方法具有一定的实用性，并且在实际应用中取得了满意的效果。     

视频监控系统中运动目标的检测和阴影抑制

提出了一种室内静止摄像机条件下的运动目标检测和阴影抑制方法。该方法采用一种自适应的背景估计方法来实时更新背景,用基于概率分类法检测运动目标,并在联合HMMD色彩空间和光度特征来抑制阴影之后,用Sobel边缘检测来修正运动目标。实验结果表明,该方法能够有效地检测运动目标和抑制阴影。     

红外序列图像的小目标检测

在红外序列图像中识别规则变化小目标时,传统Top-hat算法是常用的目标检测方法,但是可能会检测到很多虚假目标,而且目标发生变化时不能稳定检测。为了准确检测目标,提出一种红外序列图像中规则变化的小目标检测方法。首先对序列图像利用SIFT算法提取特征点,然后利用RANSAC算法进行特征匹配,拼接形成全景图像,结合对单帧图像利用改进的Top-hat算法进行小目标检测,并且标记,最后根据标记的统计结果得到真实目标位置。     

基于数学形态学的视频图像序列中的运动目标检测

R.Keshet（Kresch）提出了完备半格中的数学形态学,并给出了在视频图像序列中运动对象检测的应用.本文利用运动补偿、形态学方法和模板填充提出了复杂背景下的运动目标检测算法,并验证了算法的有效性和正确性.     

利用不变矩去除恒星的空间小目标检测方法

相邻帧配准差分去除恒星方法,在处理16位灰度图像时,由于高亮度恒星的插值误差大于目标灰度与背景之差,导致差分不能有效去除恒星干扰。针对该问题,引入模式识别中的不变矩概念,提出基于不变矩的空间小目标检测方法。该方法从恒星之间的相对位置入手,避开通过灰度差分消减恒星的过程。利用相邻帧中恒星不变矩相等的特性,寻找三颗恒星作为参考恒星组;向参考恒星组逐一加入未知星点,通过判断增加星点后不变矩是否仍相等来提取恒星;利用目标运动的连续性和一致性从剩余星点中提取目标。通过对仿真恒星点配准差分说明问题的由来,利用实摄序列图像对配准差分法和不变矩方法对比实验,结果表明,配准差分法无法去除的恒星可以通过不变矩方法去除,该方法能够从16位灰度图像中有效检测出小目标。     

基于TMS320DM642内河船舶目标检测系统的设计与实现

介绍了一种基于3MS320DM642内河船舶目标检测系统的设计与实现。首先讨论了船舶检测系统的硬件设计，该系统采用新一代数字多媒体处理器TMS320DM642。它具有极强的处理能力，可以保证图像信息处理的实时性和准确性。然后在硬件平台的基础上给出了其软件实现，提出了基于形态学重构的内河船舶目标检测算法。该算法先对原图像进行中值滤波，然后取滤波后的图像中亮度值最大的像素作为标记图像；原图像经顶帽变换，并进行迭代阈值分割后的图像作为掩模图像来进行形态学重构，从而实现船舶目标检测。最后将该系统应用于长江三峡的船舶检测，实验结果表明，该系统能实时的满足算法的需要，该算法在复杂背景下，能准确地检测出目标。     

视频序列中的运动目标检测

针对室内安全监控的场景特点,提出一种稳健的运动目标检测方法,对每个背景像素使用多个矢量表示,利用当前帧和背景帧像素的色度分量差分进行运动检测,并选择性地更新背景模型.实验表明,该方法能有效消除背景中振动对象的干扰,提高运动目标检测的准确性,有利于消除由于虚假目标而导致的误报警.     

视频图像中运动目标检测算法的提高

基于士兵对抗射击系统,研究复杂环境下运动目标检测算法的提高,从提高算法处理效率和降低外界干扰对算法准确性影响两方面进行讨论. 对士兵对抗射击系统中大尺寸的视频流图像,先在下采样图像中判断运动目标的位置,再根据运动目标的位置,到原图中进行精确分析,从而提高算法的处理速度. 通过背景融合方法更新图像背景,用不断更新的图像背景结合背景差分法获取运动目标,可以有效消除场景光线变化和相机抖动等因素对检测结果的影响,提高算法的准确性.     

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。     

增强型灰度图像空间实现虹膜活体检测

目的 虹膜作为一种具有高稳定性与区分性的生物特征,使得虹膜识别在应用场景中十分普及,但很多虹膜识别系统在抵御各类演示攻击时无法保证十足的可靠性,导致虹膜识别在高级安全场景中的应用受限,使得虹膜活体检测成为生物识别技术中亟需解决的问题之一。现有的区分真实与假体虹膜最先进的算法主要依靠在原始灰度空间中提取的虹膜纹理深度特征,但这类特征差异不明显,只能辨别单源假体虹膜。为此,提出一种基于增强型灰度图像空间的虹膜活体检测方法。方法 利用残差网络（ResNet）将原始虹膜图像映射到可分离的灰度图像空间,使真假虹膜特征具有明显的判别性;用预训练LightCNN （light convolational neural networks）-4网络提取新空间中的虹膜纹理特征;设计三元组损失函数与softmax损失函数训练模型实现二分类任务。结果 在两个单源假虹膜数据库上采用闭集检测方式分别取得100%和99.75%的准确率;在多源假虹膜数据库上采用开集检测方式分别取得98.94%和99.06%的准确率。结论 本文方法通过空间映射的方式增强真假虹膜纹理之间清晰度的差异,设计三元组损失函数与softmax损失函数训练模型,既增加正负样本集之间的距离差,又提升模型收敛速度。实验结果表明,基于图像空间的分析与变换可有效解决真实虹膜与各类假体虹膜在原始灰度空间中不易区分的问题,并且使网络能够准确检测未知类型的假体虹膜样本,实现虹膜活体检测的最新性能,进一步提升了虹膜活体检测方法的泛化性。     

基于层次聚类的弱小目标检测算法

空间图像具有恒星、目标和噪声特征相似,星点灰度范围大的特点,常见的小目标检测方法无法有效处理该类图像。提出了基于层次聚类的空间弱小目标检测算法,以星点到参考恒星之间的距离变化为依据,根据恒星和目标的运动特性构造相似性度量函数,通过寻找误差平方和曲线拐点的方法寻找最优分类曲面和分类个数,最后以两层复合分类将恒星、噪声和目标分离。实验结果表明,该方法兼容8位和16位灰度图像,可以有效检测出单点和多点小目标。     

基于共生矩阵和形态学的彩色图像边缘检测

针对在RGB空间中难以有效区分颜色相似性的问题,提出了一种基于共生矩阵和HSI空间形态学的彩色图像边缘检测方法。采用二维共生矩阵直方图均衡化方法,解决图像过渡不自然的现象;针对HSI的分量利用形态学方法进行加权分析和图像融合,得到彩色图像边缘。通过MATLAB实验表明,该算法检测准确率高,自适应性好,有较好的检测效果。     

结合自适应空间与CRF的遥感影像变化检测

提出了一种结合自适应空间与条件随机场（CRF）的新框架用于高分辨率遥感影像变化检测,解决了两幅影像配准误差造成的噪声和条件随机场产生的过平滑问题。通过加权自适应空间（WAS）获取差异图像消除了因配准误差造成的部分噪声,采用基于形态学重构的FCM聚类方法（MFCM）构建CRF一阶势减少了斑点噪声;引入带光谱—空间约束的模型改进CRF二阶势,进一步提高了算法的抗噪性能并可防止过平滑现象。与现有方法相比,该算法的检测精度、虚检率和漏检率都得到明显改进,同时较好地保留了边缘信息。     

A new multiple decisions fusion rule for targets detection in multiple sensors distributed detection systems with data fusion

Currently, multiple sensors distributed detection systems with data fusion are used extensively in both civilian and military applications. The optimality of most detection fusion rules implemented in these systems relies on the knowledge of probability distributions for all distributed sensors. The overall detection performance of the central processor is often worse than expected due to instabilities of the sensors probability density functions. This paper proposes a new multiple decisions fusion rule for targets detection in distributed multiple sensor systems with data fusion. Unlike the published studies, in which the overall decision is based on single binary decision from each individual sensor and requires the knowledge of the sensors probability distributions, the proposed fusion method derives the overall decision based on multiple decisions from each individual sensor assuming that the probability distributions are not known. Therefore, the proposed fusion rule is insensitive to instabilities of the sensors probability distributions. The proposed multiple decisions fusion rule is derived and its overall performance is evaluated. Comparisons with the performance of single sensor, optimum hard detection, optimum centralized detection, and a multiple thresholds decision fusion, are also provided. The results show that the proposed multiple decisions fusion rule has higher performance than the optimum hard detection and the multiple thresholds detection systems. Thus it reduces the loss in performance between the optimum centralized detection and the optimum hard detection systems. Extension of the proposed method to the case of target detection when some probability density functions are known and applications to binary communication systems are also addressed.     

大型挠性空间机械臂振动抑制的一种关节控制策略

大型空间机械臂在操作过程中,一个突出的问题是超低频挠性,不仅存在机械臂的弯曲振动,而且还存在关节的扭转变形振动;另外一个不能忽视的问题就是减速器的扭矩传递特性,以及机械臂关节运动与基座扰动（空间站）之问的耦合特性,这就要求根据关节结构和传感器配置实现关节位置控制,同时稳定和衰减机械臂及其关节的低频挠性振动．本文运用集中参数法对空间机械臂的挠性动力学进行建模,设计了工程可实现的单个关节控制策略及其控制律,分析和数值仿真了其稳定性,对未来空间站的大型挠性空间机械臂设计、动力学与控制的研究具有一定的参考价值．     

基于图像空间的快速碰撞检测算法

为了满足日益复杂的虚拟环境中碰撞检测的高实时性要求,提出一种基于图像空间的快速碰撞检测算法,有效利用了图形处理器(GPU)的加速功能。该算法以基于物体空间的凸块层次二叉树技术及方向包围盒(OBB)之间的碰撞检测为前提,可快速排除场景中明显不相交的凸块;然后通过生成的凸块潜在碰撞检测集,在RECODE算法的基础上,得到一种运行效率更高的碰撞检测算法。实验结果表明,在同等复杂的虚拟环境中,尤其是复杂度较高的虚拟环境中,该算法具有更高的碰撞检测实时性,取得了良好的效果。