Infrared Image Small Target Detection Based on Bi-orthogonal Wavelet and Morphology

An image multi-scale edge detection method based on anti-symmetrical bi-orthogonal wavelet is given in theory. Convolution operation property and function as a differential operator are analyzed,which anti-symmetrical bi-orthogonal wavelet transform have. An algorithm for wavelet reconstruction in which multi-scale edge can be detected is put forward. Based on it, a detection method for small target in infrared image with sea or sky background based on the anti-symmetrical bi-orthogonal wavelet and morphology is proposed. The small target detection is considered as a process in which structural background is removed, correlative background is suppressed, and noise is restrained. In this approach, the multi-scale edge is extracted by means of the anti-symmetrical bi-orthogonal wavelet decomposition. Then, module maximum chains formed by complicated background of clouds, sea wave and sea-sky-line are removed, and the image background becomes smoother. Finally, the morphology based edge detection method is used to get small target and restrain undulate background and noise. Experiment results show that the approach can suppress clutter background and detect the small target effectively.     

The glutenin fraction of wheat protein: The importance of genetic background on its quantity and quality

The influence of high-molecular-weight glutenin subunits on the properties of the gel-protein fraction of glutenin proteins in wheat was determined on 20 varieties grown in the 1989 UK Recommended List trials. Both the presence of subunit 1 (chromosome 1A) and the 1B/1R rye translocation were shown to influence gel-protein weight and breakdown rate during mixing. The gel-protein tests were correlated with CBP (Chorleywood Bread Process) loaf volume, but they did not add anything to the correlation between Glu-1 score and loaf volume. Both gel-protein tests indicated that phenotypic variation could be almost as large as genotypic variation. Breakdown rate was able to detect the abnormal properties of Pastiche (weak) and Fresco (extra-strong) that were not observed using established quality tests such as the sodium dodecylsulphate sedimentation volume.     

基于分层模型和鲁棒字典学习的背景差分炸点检测

针对背景差分炸点检测方法中背景模型难以更新背景估计和运算复杂等问题,提出一种分 层模型下基于鲁棒字典学习的背景差分炸点检测方法。为提高运算效率,该方法对图像帧建立3层金字塔分层模型,在每层将图像帧分割为互不重叠块,逐层以图像块为单位通过改进的鲁棒字典学习方法进行背景估计,与当前图像帧作背景差分实现炸点检测。采用炮弹炸点图像序列对所提出的方法进行了实验验证。实验结果表明,与现有炮弹炸点检测方法相比,该方法在准确率、误检率和鲁棒性方面均具有优越性能。     

基于页岩岩石物理等效模型的地层压力系数预测方法

近年来页岩气的勘探开发实践表明其产量与压力系数呈正相关关系,但准确的地震预测难度较大。页岩气储层富含有机质及有机质孔隙,其矿物组分及微观结构相比常规储层更复杂。为此,构建了一种适用于海相页岩的岩石物理模型,并提出了一种基于该模型的页岩地层压力系数预测技术。首先结合页岩储层微观结构特征,针对骨架矿物的差异性,分别采用自洽(SCA)模型和微分等效介质(DEM)模型模拟得到背景介质,结合孔隙及流体等特征,建立等效岩石物理模型;进而通过计算背景介质体积模量及饱和流体等效岩石体积模量,发现两者的差异与实钻井压力系数正相关,并建立地震预测模型;最后推导建立了基于Gray近似弹性阻抗的体积模量直接反演方法,实现了页岩地层体积模量及压力系数的定量预测。实际数据试验表明预测结果与实钻井及后验井吻合度较高。     

基于背景估计的图像预处理技术的性能分析

红外图像预处理是红外小目标检测中的重要组成部分,其基本思想是通过背景估计实现对起伏背景的抑制,提高信噪比。对现今几种常用的背景估计技术进行了理论分析,指出了各自的优点与不足,并通过计算机仿真结果给出了直观的性能对比。对红外图像预处理的进一步研究具有指导意义。     

一种图像背景不平度的线性校正方法

针对图像检测系统中,由于不均匀光照引起的图像背景不平度现象,采用一种准线性方法建立图像不平度的校正模型。通过2次静态实验得到校正系数,并利用查表取值简化线性校正方法,同时对于校正过程中的相关注意事项做了必要的说明。已经在多个工程项目使用证实该方法简化了测量步骤,增加了图像识别精度,实现简便有效。     

基于背景差分的一种运动目标检测方法

针对运动目标检测中,传统背景差分法在运动目标和背景颜色相近时不易检测的缺点,提出了一种检测完整运动目标的方法。该方法对YUV彩色空间下的3个通道分别选取独立的阈值进行初次检测,最大化地利用了视频中图像的色彩信息。在包含初次检测所获运动目标的最小矩形区域内进行二次检测,有效地提高了检测精度。实验证明,相比于常规方法,该方法的检测结果更加清晰完整。     

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。     

基于鲁棒主成分分析的运动目标检测优化算法

针对鲁棒主成分分析(Robust Principal Component Analysis, RPCA)算法中将动态背景误检为运动目标的问题,该文提出一种运动目标检测优化算法。在RPCA算法初步检测出运动目标后,利用动态背景在时间域上满足高斯分布的特性,以及动态背景和运动目标在整个视频流上检出点均值和方差的差异特性,进一步将动态背景和运动目标分离开来。实验结果表明,所提算法能够有效地处理动态背景的问题,并在一定程度上完整检测出运动目标。     

根据大气辐射特征进行目标探测的波段选择

介绍了通过大气光谱特征分析对大气层外目标进行探测的波段选择方法。在考虑目标本身辐射强度、背景大气的辐射强度、目标背景对比度、斜程大气透过率以及探测器的响应特性诸因素后进行波段选择。从而提高对目标的鉴别性能。选择中纬度夏季白天、无云城市气溶胶模式、春夏季气溶胶廓线以及背景平流层廓线和消光的大气条件，利用辐射传输计算软件MODTRAN计算了目标背景亮度、对比度以及透过率的典型光谱特征，并进行光谱特征分析，然后在其他大气模式下对所选波段进行了验证，从而选择出目标探测的最优波段。