Research on Gaussian distribution preprocess method of infrared multispectral image background clutter

This paper introduces a sliding-window mean removal high pass filter by which background clutter of infrared multispectral image is obtained. The method of selecting the optimum size of the sliding-window is based on the skewness-kurtosis test. In the end, a multivariate Gaussian distribution mathematical expression of background clutter image is given.

改进的SAR图像双参数CFAR舰船检测算法

双参数CFAR检测中设置了目标窗口、保护窗口和背景窗口3个窗口,并且窗口的大小,滑动步长都要进行经验训练得到,效率低,对距离很近的舰船SAR图像会产生漏检。针对这些不足,该文提出了一种改进的双参数CFAR检测算法,该算法只取目标窗口和背景窗口,通过把泄露到背景窗口中的舰船部分去除并对背景窗口中的剩余部分进行均值和方差估计来检测舰船,并且将窗口滑动步长取为目标窗口尺寸。相对双参数CFAR算法,结构得到了简化,检测结果的虚警率减小,对距离很近的舰船不会产生漏检,计算效率得到了改善。仿真结果表明了方法的有效性。

基于边缘的背景差法在车流量检测中的应用

针对视频车流量检测容易受车辆阴影和车辆变道影响的问题,笔者提出了一种基于边缘信息的背景差车流量检测方法。该方法利用边缘信息作为车辆的检测特征,实时自动提取和更新背景边缘并采用动态开窗的方式来进行车辆计数。实验结果表明,与传统背景差法相比,该方法受车辆阴影和车辆变道影响较小,检测准确率达97.3%,是一种实用有效的车流量检测方法。

一种基于局部K-分布的新的SAR图像舰船检测算法

提出了一种基于局部K-分布的新的SAR图像舰船检测算法.取目标窗口和背景窗口,通过把泄露到背景窗口中的舰船部分去除,对背景窗口中的剩余部分统计均值和方差,最终得到杂波分布概率模型进行恒虚警检测.相对于K-分布CFAR检测算法和基于局部窗口的K-分布CFAR检测算法,该算法能够适应杂波的局部变化,对距离很近的舰船不会产生漏检.仿真结果表明了方法的有效性.

短程线主动轮廓跟踪算法的研究——在复杂背景和非刚性运动目标跟踪中的应用

在复杂背景下对多个非刚性目标进行跟踪是计算机视觉中的一个难点 在短程线主动轮廓模型的基础上 ,利用力场正则化方法 ,并加入运动边缘信息 ,提出了一种在复杂背景下多个非刚性目标进行跟踪的方法 该方法由运动检测和跟踪两部分组成 :运动检测利用运动边缘信息对运动目标的运动做出检测 ,让轮廓曲线运动到目标轮廓附近 ;跟踪利用当前帧中的静态边缘信息对运动检测的结果加以修正 而跟踪这一步引入的偏差将在下一帧的运动检测中得到修正

钢轨表面缺陷图像自适应分割算法

针对钢轨表面缺陷提取时的灰度分布不均与杂散光干扰问题,在背景差分法的基础上提出了一种钢轨表面缺陷图像自适应分割算法.首先,通过统计钢轨图像中各行像素灰度特征,结合其均值与标准差分布曲线快速提取钢轨表面区域;然后,进行区域与边缘特征的均值窗口自适应选取;最后,根据均值模糊原理建立背景图像模型并进行图像差分,实现了钢轨表面缺陷分割.实验结果表明:提出的轨面提取算法快速、有效;钢轨表面缺陷自适应分割算法在凸显图像中缺陷部分的同时,有效减少了光照变化和反射不均的影响.该方法对测试图像的召回率和准确率分别达到了95.4%和81.3%.

在微机上对大型网络的显示和操作管理

在许多分布问题的管理操作中,需要同时对车辆的运行路线进行人工和自动控制、操作和管理。建立计算机化的公路网络,主要应考虑如何迅速显示图形,以便进行控制、操作及管理。管理人员将依靠这个计算机化的公路网络来执行一系列的决策支持功能. 这些功能将大大增强最优解的有效性和可接受性,并增强了管理人员的信心. 本文发展了一个图形显示和控制操作管理系统,它适用于很大的公路网络,可达近千个节点和近千条'弧',可在普通的IBM-PC机上实现上述功能. 同时,本文提出一个简化的模型描述在IBM-PC机上执行上述功能的软件.

复杂背景下运动目标的光学相关识别

在应用光电混合联合变换相关器实现运动目标相关识别的过程中,针对目标与模板由于运动所产生的差异和复杂背景影响相关器识别率的问题,采用了一种以高斯函数的一阶导数做小波多尺度边缘提取和形态学膨胀进行边缘加粗处理相结合的方法。这种方法可充分利用小波多尺度的特点,使得提取后的边缘在抑制噪声的同时,能保留更多的细节信息,明显改善复杂背景下运动目标的相关识别问题。对以低对比度和小目标为特点的动态序列进行光学相关实验,结果表明,这种方法能有效增强探测目标的相关峰亮度,验证了算法对复杂背景下运动目标识别的可行性。