一种基于红外对比度提升的高动态范围压缩技术

如何将红外探测器采集的高动态范围的数据压缩为低动态范围图像数据的同时,能尽可能地保留图像的信息,提高图像的对比度一直是一个技术难点。针对这一问题,本文提出了一种新的红外图像压缩方法。该方法引入了直方图信息,通过对直方图进行分割,区分背景区域像素和目标区域像素; 然后计算压缩映射模型; 最后结合分割后的直方图对图像的像素采用不同强度的对比度增强。本文算法利用直方图区分背景区域像素与目标区域像素,在增强图像对比度时,能有效抑制背景噪声。通过实验对比,结果表明,本文所提出的算法更能较好地突出图像的细节,增强图像对比度。     

光学相关复杂背景低对比度目标的识别研究

复杂背景的低对比度目标识别一直是目标探测跟踪的关键技术之一。针对光电混合联合变换相关器,以多小波变换为基础,应用GHM多小波对目标联合图像处理,并采用多尺度非线性方法,通过非线性函数有效地改变各尺度上的细节分量,从而改变图像对比度,达到增强目标图像的目的。对复杂背景的低对比度目标图像进行了大量计算机模拟实验和光学相关实验,结果表明,这种基于多小波图像增强算法,对复杂背景的低对比度目标能够获得明亮的相关点,提高低对比度目标的识别率。作为实例,文中给出航行中低对比度船的图像识别。     

激光干扰对CCD跟踪性能影响的图像尺度分析

分析CCD成像跟踪系统的组成及常用跟踪算法,针对激光干扰图像的特点,结合机器视觉中背景杂波的量化方法,提出一种基于小波能量与平方和根的图像尺度,并将其应用于激光干扰对成像跟踪性能的影响分析。该尺度利用小波能量尺度在成像跟踪系统方面以及平方和根尺度在目标局部对比度方面各自的优点,适用于激光干扰后跟踪算法性能的评估。激光视场内干扰与视场外干扰的实验结果表明,该尺度能够较好地反映激光干扰图像对于CCD成像跟踪算法性能的影响,初步验证了尺度的有效性。     

提高夜视融合目标可探测性的颜色对比度增强方法

根据人眼视觉系统特性,分析了场景理解和目标探测对彩色融合的要求,并据此提出了一种通过颜色对比度增强来提高目标可探测性的夜视融合方法.该方法使热目标呈红色,冷目标呈蓝绿色;根据红外图像特征,引入了一种和红外图像各像素亮度与图像平均亮度的偏离相关的颜色对比度增强因子,利用该因子可增强目标与背景的颜色对比度,弥补颜色传递彩色融合方法在颜色对比度上的不足,能有效提高目标可探测性.实验表明该方法既能突出红外目标,又能保持丰富的背景细节,在增强场景理解的同时提高了目标可探测性.     

近红外多视场白天测星分析

近红外多视场恒星探测系统采用3个探测器同时进行恒星探测,分析了近红外波段白天恒星-背景对比度随探测参数的变化情况,对不同视场对比度进行对比,结果表明:随着探测天顶角的增大,恒星-背景对比度呈线性增大;太阳天顶角大于探测器天顶角以后,恒星-背景对比度随太阳天顶角近似于指数增长;一定高度时,对比度随探测器高度的增加近似指数增加;而随着探测方位角的增大,恒星-背景对比度呈高斯分布;三个视场内同一时刻的背景辐射比在主视场0探测方位角时达到最小,探测到的恒星-背景对比度随主视场探测方位角变化呈对称分布,为星等修正奠定较好的基础。     

尺度估计和多特征融合的目标跟踪算法研究

针对核相关滤波器跟踪算法(Kernel Correlation Filter,KCF)在特征提取单一以及尺度估计不足而导致跟踪效果不佳的问题,本文提出了一种多特征融合的尺度自适应核相关滤波目标跟踪算法.首先,使用帧差法将相邻帧图像对应像素值相减得到差分图像;其次,提取差分图像的方向直方图特征,与目标的均一局部二值纹理特...     

TOF激光相机六自由度位姿变换估计

相对位姿估计是机器人视觉领域的研究热点。通过两帧数据来估计相机的六自由度位姿变换。充分挖掘TOF相机优势, 提出了多个有效算法, 用以保证估计精度。采用迭代最近点(ICP)算法估计位姿变换, 为了克服ICP算法迭代发散问题, 利用尺度不变特征点对估计初始值。为了提取有效特征点, 根据统计学原理尺度化灰度图像, 提高图像对比度。为了提高相机的测量精度, 根据曝光时间越长, 测量精度越高的原理, 提出了融合多帧数据算法, 使得融合后的数据帧中每个像素值均是在最长合理曝光时间下采集得到。同时提出了度量两个六自由度位姿变换差异的算法, 并首次利用其跟踪ICP迭代过程。实验证明提出的算法可以有效估计相机六自由度位姿变换。     

基于偏置电压自适应调整的红外图像增强技术

根据国内常见的微测辐射热计器件结构原理及读出电路,研究了偏置电压与噪声等效温差的关系,推导了偏置电压与探测器输出电压的线性方程.提出了基于直方图统计的偏置电压调整模型,降低探测器的噪声等效温差,增强图像对比度,使此种类型的红外探测器能够用于各种目标场景的探测.实验证明,偏置电压自适应调整技术应用于红外图像实时处理系统中...     

基于小波多尺度综合的低对比度目标识别

光电混合联合变换相关器能够对目标进行自动探测识别和跟踪。为使联合变换相关器对低对比度目标进行有效探测与识别,提出了一种基于小波多尺度综合的边缘提取新方法,对输入图像进行预处理。计算机模拟实验和光学实验证明,该方法使相关器在输入图像对比度低、信噪比较低时仍然能够产生较强的相关峰输出,扩展了光电混合联合变换相关器的应用范围。     

扫描型探测器光敏元尺寸设计研究

针对国外进口长波4×288扫描型探测器,通过分析其光敏元在扫描过程中探测到的图像像素信号强度和相邻图像像素信号的混叠影响,给出了探测器光敏元尺寸与探测器焦平面上图像像素尺寸之间的相互关系,为新型扫描型探测器阵列光敏元尺寸设计、成像积分时间占空比设计提供了参考.     

基于粒子滤波的空-地目标跟踪算法

针对空-地目标跟踪中目标大幅度变速运动而引 起的跟踪失败问题,基于Kristan等人提出的双步(TS)动态模型框架,对空-地目标跟 踪中目标运动特点进行分析与建模,改进TS模型中 的保守模型以适应加速运动,提出适于描述大幅度变速运动的加速度双步(TSA)动态模型作 为粒子滤波(PF)跟踪算法的动态模 型,实现对粒子状态的精确预测,进而达到使用较少粒子即可对目标鲁棒跟踪的目的。对空 -地目标跟踪的测试视频进行测 试,结果表明,本文算法可对大幅度变速运动目标稳定跟踪,正确跟踪率为92%,对目标 尺寸约为25pixel×30pixel时的处理帧率为29frame/s。本文算法具有较好的鲁棒性与实时性。     

双层特征优化的视觉运动目标跟踪算法

视觉监控中运动目标跟踪容易受到遮挡、目标快 速运动与外观变化等因素的素影响,单层特征难以有 效解决这些问题。为此,提出一种像素级与区域级特征组合优化的视觉跟踪算法。首 先在像素级利用 目标和背景区域颜色特征的后验概率对目标与背景进行初步判别;然后对候选区域进行超像 素分割,并依据 像素级的判断结果,在超像素区域内利用投票决策模型对目标与背景信息进行统计分析,得 到精确的目标位 置分布;最后结合均值漂移迭代搜索得到目标的准确位置,并利用双层判别结果对目标跟踪 过程的遮挡情况 进行检测,同时动态更新目标以及背景区域信息以适应目标外观与场景变化。与典型算法进 行对比的实验结 果表明,本文算法能够有效应对目标遮挡与快速运动等因素的影响,适用于复杂场景条件下 实时的运动目标跟踪。     

基于OTSU算法的图像分割有效性研究

基于阈值分割的二维OTSU算法的基础上,提出了关于二维OTSU算法的快速实现。该算法既利用了图像的像素点灰度信息,同时又利用了像素点的邻域空间相关信息。对于低对比度、低信噪比的目标,二维最大类间方差算法具有较高的分割效果。实验结果表明,二维最大类间方差算法的快速实现方法使图像分割的有效性得到很大提高,极大地扩大了二维OTSU算法的适用范围。     

基于不变矩特征的红外成像制导跟踪算法研究

随着红外成像制导技术的发展,它对制导跟踪算法的精度和实时性的要求越来越高。制导系统已被要求在20 ms的时间内输出跟踪结果。某些跟踪算法虽然效果较好,但达不到实时输出。经典的制导算法-相关跟踪算法主要基于像素灰度特征进行跟踪,无法解决跟踪过程中由于目标的旋转、膨胀以及仿射变换带来的跟踪点漂移问题。为了解决经典相关跟踪算法无法解决图像旋转时的跟踪稳定性问题以及目标图像急剧膨胀时的跟踪点漂移问题,研究了图像不变矩的特征。利用图像不变矩的旋转-伸缩-平移不变性,选择合适的不变矩特征用于跟踪。通过用归一化的乘法相关函数以及基于相关系数值的模板更新策略设计跟踪算法,解决了复杂背景及强噪声条件下不能对尺寸和形状发生变化的目标进行稳定跟踪的问题。     

嵌入式视觉运动目标跟踪技术研究

传统的PPM（Posterior Probability Measure）视觉运动目标跟踪算法,在目标发生尺寸变化时,会因跟踪窗不能自适应地改变尺寸而导致目标跟偏甚至跟丢的现象.因此本文在深入研究PPM跟踪算法的基础上,基于PPM跟踪算法的运算特点,提出了一种能袁征被跟踪目标尺寸大小的PPM缩放指标,进而设计了跟踪窗口自适应的PPM跟踪算法,实验显示,改进后的跟踪算法能得到较好的跟踪效果.基于TMS320DM642对嵌入式视觉目标跟踪系统的结构和功能进行设计,对改进后的PPM跟踪算法进行了DSP移植,最终实现了一套嵌入式视觉目标跟踪系统.     

Robust appearance-guided particle filter for object tracking with occlusion analysis

A major challenge for most tracking algorithms is how to address the changes of object appearance during tracking, incurred by large illumination, scale, pose variations and occlusions. Without any adaptability to these variations, the tracker may fail. In contrast, if adapts too fast, the appearance model is likely to absorb some improper part of the background or occluding objects. In this paper, we explore a tracking algorithm based on the robust appearance model which can account for slow or rapid changes of object appearance. Specifically, each pixel in appearance model is represented using mixture Gaussian models whose parameters are on-line learned by sequential kernel density approximation. The appearance model is then embedded into particle filter framework. In addition, an occlusion handling scheme is invoked to explicitly indicate outlier pixels and deal with occlusion events, thus avoiding the appearance model to be contaminated by undesirable outlier ‘thing’. Extensive experiments demonstrate that our appearance-based tracking algorithm can successfully track the object in the presence of dramatic appearance changes, cluttered background and even severe occlusions.     

一种高效的分布式多传感器多目标跟踪算法

现有的多传感器多目标跟踪算法大都基于马尔科夫-贝叶斯模型,需要诸如目标运动、杂波、传感器检测概率等先验信息,但是在恶劣的环境中,这些先验信息不准确并导致目标跟踪精度下降.为了解决该情况下的多目标跟踪问题,我们提出了一个高效的分布式多目标跟踪算法,该算法通过泛洪(Flooding)共识算法在分布式网络的传感器之间迭代的传...     

基于匹配跟踪置信度的自适应对应像素距离图像匹配跟踪算法

本文结合最小绝对差度量(MAD)和(Hausdroff)距离度量两者的基本思想的优点,提出了一种新的对应像素距离相似性度量方法和自适应模板图像匹配跟踪算法,设计了帧间和帧内匹配跟踪置信度,提出了基于匹配跟踪置信度的自适应对应像素距离图像匹配跟踪算法.并对基于匹配跟踪置信度的自适应对应像素距离图像匹配跟踪算法的匹配跟踪性能进行分析,实验结果表明:该算法具有较强的抗噪、抗畸变能力和匹配跟踪稳定性,具有较高的匹配精度和匹配概率.     

基于自适应分层结构的压缩分布场跟踪算法

为了提高分布场跟踪算法的运算效率,增强其在复杂背景下的鲁棒性,提出基于自适应分层结构的压缩分布场跟踪算法.该方法充分考虑目标区域像素值分布情况,引入k-means算法对首帧标记的目标区域进行聚类分析,根据聚类结果自适应的产生分布场结构.针对分布场模型维数较高的缺点,融合压缩感知方法对分布场进行压缩,降低模型维数,提高算法效率.此外,改变原始分布场跟踪算法采用的局部搜索跟踪策略,利用随机抽样的方式来提高算法跟踪精度.实验结果表明,提出的算法与当前流行的跟踪算法相比,具有更好的表现.