基于改进纹理特征的红外目标跟踪算法

针对红外图像背景复杂、杂波干扰严重、相似目标混淆导致的目标跟踪丢失问题,本文提出了一种改进的低维度纹理特征OCS-LBP(Oriented Center Symmetric Local Binary Patterns,即方向中心对称的局部二值模式)。首先,利用此特征可以高效地获取目标图像中每个像素块的梯度方向和幅值信息,提高了跟踪过程的鲁棒性;其次,利用核相关滤波算法结合提取的OCS-LBP特征对目标图像区域进行模型训练;最后,根据训练好的模型检测下一帧图像中目标的具体位置。本文在10组红外视频序列上进行了测试,实验结果表明,本文算法的精确度和成功率相比于第二名算法分别获得了2.9%和9.9%的提升,同时在实验设备上算法的平均跟踪速度相比于第二名算法提升了14.15 frame/s。从实验结果可以看出本文提出的算法在红外目标跟踪上表现出较好的鲁棒性、准确性和实时性,具有一定的研究和实用价值。     

基于先验知识MinMax k-Means聚类算法的道路裂缝研究

在多种公路病害中,经常造成重大工程事故和经济问题的裂缝引起较大关注。公路路面图像通常包含各种物体,例如油渣、污垢、车道标记、植被碎片和其他非路面伪像,因此需要从杂乱的背景中区分裂缝,增加裂缝检测难度。为解决上述问题,提出基于先验知识的MinMax k-Means算法进行裂缝检测。该算法在聚类过程中分配与簇内方差大小成正比的可自动修正的权重,并引入先验知识以处理聚类结果对聚类中心初始位置敏感问题。除此之外,预处理采用含裂缝图像块的均值比不含裂缝的均值小的方法预标记图像块,并从垂直和水平两个方向扫描均值矩阵,大大提升聚类结果的准确性。使用相同样本,将所提算法与标准k-Means算法比较,可知所提算法有更好的准确性和有效性。