基于Tophat变换的复杂背景下运动点目标识别算法

提出了基于Tophat变换复杂背景下运动小目标识别算法。对于单帧图像采取形态学上Tophat滤波,进行低频背景抑制。为增强目标点,再进行差分多帧叠加,在最后的叠加帧上采用双向链表进行轨迹识别,根据轨迹点的相关性以链表深度为域值进行轨迹判决。实验结果验证此方法可以较好地从复杂背景下提取运动小目标。

基于TopHat分割和曲线模型的三车道检测方法

为了解决传统三车道检测过程中算法易受干扰、车道线拟合不准确、两侧车道误判等问题,提出了一种基于顶帽算法(Top Hat)分割和曲线模型的三车道检测方法.利用车道线的形状和颜色特征,在图像预处理阶段提出了一种变内核Top Hat的车道线分割算法.在车道线识别阶段,首先,提出了一种基于加权最小二乘法(weighted least squares,WLS)的消失点拟合方法以约束霍夫变换;其次,在极坐标中以DBSCAN(density-based spatial clustering of applications with noise)聚类法对直线聚类并匹配三车道模板;再次,以该模板为基础建立车道线感兴趣区,在每个感兴趣区内搜索并以三次曲线模型拟合车道线;最后,对于不确定的边侧车道,提出了一种基于随机投种法的边侧车道可行驶性判定方法.算法检测率以及漏检率结果显著优于传统三车道识别算法.实验结果表明:该算法具有良好的准确性及稳定性,更适用于三车道环境.

基于TopHat加权引导滤波的Retinex矿井图像增强算法

煤矿井下光源分布不均、整体光线弱导致图像亮度低、不清晰,传统Retinex算法在处理矿井低照度图像时存在细节丢失、边缘模糊和光晕等问题。针对上述问题,提出了一种基于TopHat加权引导滤波的Retinex算法(THWGIF-Retinex)对矿井图像进行增强。首先将图像从RGB空间转换到HSV空间,并将其分离成色调、饱和度、亮度3个通道分量。其次,利用TopHat变换改进加权引导滤波的权重因子,进而从亮度分量中提取出图像的光照分量,实现光照分量的边缘增强。然后,采用自适应Gamma校正函数校正光照分量和饱和度分量,并通过Retinex算法从光照分量中获取反射分量,进一步提升图像光源处的细节和色彩效果;最后,合并色调分量、校正后的饱和度分量、反射分量并转换到RGB空间,得到增强的矿井图像。从主观评价和客观评价2个方面对THWGIF-Retinex算法、多尺度Retinex(MSR)算法、加权引导滤波的Retinex(WGIF-Retinex)算法进行对比验证。主观评价结果表明:对于无强光直射的矿井低照度原始图像,经THWGIF-Retinex算法增强后的图像色彩还原度较高,且图像边缘更清晰,视觉效果明显增强。对于有强光直射的矿井低照度原始图像,THWGIFRetinex算法对光晕有很好的改善效果,且在还原暗区域的细节信息和清晰度上优于WGIF-Retinex算法。客观评价结果表明:对于无强光直射的矿井低照度图像,经THWGIF-Retinex算法增强后的图像信息熵提高了12.50%,平均梯度提高了109.07%,标准差提高了52.44%,无参考结构清晰度(NRSS)提高了45.46%。对于有强光直射的矿井低照度图像,与MSR算法相比,经THWGIF-Retinex算法增强后的图像信息熵提高了1.24%,平均梯度提高了81.44%,标准差提高了18.23%,NRSS提高了36.67%;与WGIF-Retinex算法相比,THWGIF-Retinex算法在信息熵方面有所降低,但在平均梯度和NRSS方面有较大改善,分别提高了72.34%和23.87%。

一种基于小波变换和Tophat变换的车牌定位算法

针对现有车牌定位系统中采集到的图像质量较低的特点,提出了一种基于小波变换和Tophat变换的车牌定位算法来增强图像对比度、抑制背景以提高车牌识别的准确率。首先,以小波变换为工具,结合反锐化掩模(UM)方法,使得车牌图像的整体对比度得到有效增强;其次,对图像进行二值化操作和连通域分析;接着,利用中低频描绘子重构VPM;最后,结合部分中低频描绘子和统计量组成描述区域纹理的模式向量,输入支持向量机归类。从实验和数据分析得出,这种新的算法不仅使车牌图像的对比度得到了有效增强,而且使图像的噪声得到了明显的抑制,适用于自然场景中的车牌识别。

基于TOPHAT-PCNN的图像车辆目标检测方法研究

对传统的车辆目标检测方法进行改进,提出了一种基于形态学高帽变换(TOPHAT)与脉冲耦合神经网络(PCNN)相结合的车辆目标检测方法.首先对交通图像进行形态学高帽变化提取图像的目标区域、然后分析了PCNN特征对车辆图像与非车辆图像的区分度,统计了熵特征和脉冲点火特征分别对原始图像和TOPHAT图像的有效性,选取了迭代平均熵作为车辆检测的有效特征,并采用滑窗的方式进行车辆检测,最后利用边缘密度信息对检测出的车辆目标进行后续验证.实验从有效性和准确性两方面进行验证,实验图片来自实际交通路口,结果表明:该方法能够有效地进行车辆目标检测,同时与其他车辆目标检测方法相比,具有检测率高、误检率低,消耗时间少等特点,能够较好的实现智能交通中车辆目标的快速检测.

数学形态学中的Tophat和Bothat变换的实现

给出了一种在VC++6.0集成开发环境下实现数学形态学中的边缘检测算子Bothat和Tophat的应用程序,能使程序快速有效地执行,增强了算法的可移植性。

考虑图像颜色小波纹理特征的工业炉温度检测关键技术

工业炉温度检测对工业炉运行状态分析具有重要意义,因此提出考虑图像颜色小波纹理特征的工业炉温度检测方法。首先,结合Retinex算法和TopHat变换对工业炉图像展开增强处理,提高特征提取精度;其次,在图像颜色空间变换的基础上获取工业炉图像的颜色特征,在小波变换的基础上获取工业炉图像的颜色小波纹理特征;最后,在最小二乘支持向量机中输入颜色小波纹理特征,实现工业炉温度的检测。实验结果表明,所提方法的图像增强效果显著、温度检测精度高,且温度检测时间控制在0.3 s以内。有效提高工业炉温度检测效果,具有较高的实用性。

全场离散Tophat过滤操作的快速算法

Tophat是一种常见的过滤器,但是在实际计算机应用中,较大过滤尺度的全场过滤操作效率很低。本文针对全场离散Tophat过滤操作设计了新型快速算法,分别在三维和二维情形下给出了算法描述,在三维情形下,将普通运算的复杂度O(n^3△~3)降为O(n^3);二维情形下,将普通运算的复杂度O(n^2△~2)降为O(n^2),即复杂度与过滤尺度无关,只与过滤场的大小有关,该算法可极大提高过滤计算的效率,在一些大规模数据库(如Johns Hopkins大学的湍流数据库)服务中具有广泛的应用前景。

基于TopHat背景建模的运动小目标检测算法分析

针对复杂背景下的运动小目标实时检测问题,提出一种对TopHat滤波结果进行建模的检测算法,并设计出快速计算方法。利用灰度形态学TopHat滤波抑制背景增强目标,在滤波图像序列上执行最大值操作,构建当前帧的背景图像,然后使用当前帧TopHat滤波图像减去背景图像得到前景图,最后采用适当阈值从前景图中提取目标信息。实验结果表明,与MoG2、ViBe+两种经典算法相比,提出的算法针对定量范围内的运动小目标具有1.4倍、3.39倍的性能提升和1.5倍、2.06倍的速度提升。

光电图像序列运动弱目标实时检测算法

针对光电探测图像序列中的运动弱小目标实时检测问题,提出了一种基于时空域融合滤波的弱目标检测算法。算法在空域上利用形态学Tophat滤波抑制背景增强目标,在时域上通过改进的帧间差分方法增强运动目标,两者融合后经自适应门限分割与航迹关联确认目标。实际录取数据分析结果表明,算法全面考虑运动弱小目标在时域与空域方面的特性,能更有效地从复杂背景中检测低信噪比运动弱小目标,减小了虚警率,抗噪声干扰能力强。

基于时空域融合滤波的红外运动小目标检测算法

针对红外警戒与跟踪系统中的实时弱小运动目标检测问题,提出了一种基于时空域融合滤波的小目标检测算法。算法在空域上利用形态学Tophat滤波抑制背景增强目标,在时域上通过改进的帧间差分方法增强运动目标,时空域处理结果融合分割后,根据目标运动的连续性和规则性,利用相邻帧中可能目标点之间的位置关系判别目标。算法全面考虑到了运动小目标在时域与空域方面的特性,时空域融合增强后可大大提高目标信噪比。通过实际录取的云层背景飞机目标红外数据检测表明,时空域融合滤波方法能更有效地从复杂背景中检测低信噪比运动小目标,减小虚警率,抗噪声干扰能力强。算法易于硬件实现,能够有效地应用于红外搜索与跟踪系统的实时目标检测中。

基于红外双波段数据融合点目标检测算法的实现

在红外系统中,采用单波段的目标检测,通常不能很好地满足系统要求,考虑到红外系统的双波段探测特性,提出了一种基于双波段的红外点目标检测算法,并进行优化,采用迭代方式,容易得到次优的融合后的探测概率。实验表明,该融合后的检测概率与单波段探测概率相比有较大幅度的提高,并且即使在一个探测器水平退化的情况下,仍能优于单波段的探测器。系统仿真实验显示采用该融合算法有着相当稳健性和较大的应用价值。

时空域滤波方法在红外弱小目标检测系统中的应用

针对远距离红外弱小目标低信噪比的特点,提出一种空域滤波与粒子滤波相结合的目标检测方法。首先在空域进行形态滤波Tophat变换,抑制背景和背景杂波,得到了滤除背景的目标图像,再通过滑窗累积方法进一步增强目标,提高目标的信噪比,增大检测概率。然后根据目标时域运动的连续性和规则性,采用基于粒子滤波预测的邻域目标检测判决方法,达到弱小目标检测的目的。实验结果表明:该方法能够有效地检测出幅度信噪比约为1.7的弱小目标,对背景变化情况下的弱小目标检测具有较好的适应性。

形态学和小波域杂波抑制的微弱目标检测(英文)

本文提出了一种基于形态学和小波域杂波抑制的微弱目标检测方法,该方法将图像序列进行形态学tophat滤波,然后小波变换,再分别对各小波子带作平滑滤波,按各子带对滤波前后小波系数作差分运算,最后经过小波逆变换得到具有微弱目标的残差图像序列。用残差图像tophat结果估计目标潜在区域,在目标潜在域的约束下,对残差图像序列进行时空域数据融合,实现微弱运动目标的检测。仿真实验表明,该方法杂波抑制后残差图像具有很好的白高斯特性,且目标邻域信杂比(SCNR)的平均增益比图像空域平滑滤波和图像频域低通滤波等典型运算的SCNR平均增益有明显改善,目标检测算法在5帧图像集成时能稳定检测出微弱运动目标轨迹。

基于虚拟融合的夜视图像增强与眩光抑制方法

夜视系统已经成为驾驶辅助系统的重要组成部分,但夜间采集的图像在大面积低照度和对面来车强光干扰下表现出明显的光照不均匀性。提出了一种基于多尺度tophat变换和虚拟融合的图像增强和眩光抑制方法,首先采用多尺度tophat估计光照曲面,获得目标图像;进而将目标图像叠加不同的虚拟光照获得多幅光照补偿的多幅图像,根据对比度和曝光品质的指标进行多分辨率融合。实验表明该方法实现了眩光抑制和暗区增强,有效解决了夜视图像光照不均匀性问题,使得处理后图像最远可以辨识200 m处的目标。

基于运动形态学的掠地飞行器视频检测方法

结合数学形态学、视频图像运动分析以及数学统计分析方法,提出了一种用于空中预警控制系统(AWACS)的小型掠地飞行器运动形态学视频检测方法。该方法首先应用形态学tophat滤波提取出视频图像中的可疑目标(SO),并求取SO的运动参数,利用真实目标和类目标干扰的不同运动特性,应用数学统计的方法对各运动参数进行分析以剔除部分类目标干扰,从而获得潜在目标(PT)的灰度分布和运动参数。在应用形态学tophat滤波器进行可疑目标提取中,一种新的金字塔型结构元的引入有效减少了虚警数量。外场试验表明,该检测方法能够有效抑制航拍掠地飞行器视频图像中的地物干扰,降低虚警目标的数量。

基于多滤波算法融合的红外小目标检测

针对海天背景下红外视频图像序列中小目标检测的精度问题,提出一种基于多滤波融合的算法。通过分析红外小目标及背景噪声的成像特征与时空特性,将Tophat算法与改进的Robinson guard滤波器相结合,有效抑制背景、突显目标;采用自适应阈值分割提取候选目标,并使用Unger平滑滤波以及多目标关联滤波剔除噪声和伪目标。多组红外小目标图像序列的检测实验结果表明,提出的算法平均检测率高达99%,在不同场景下均有较高的检测精度。

基于融合分割和LASSO回归的实时车道偏离预警

在有路面污染、标识干扰等复杂高速道路环境下,车道偏离预警系统的鲁棒性和实时性会变差。为此提出一种利用两种算法融合分割和LASSO回归模型进行车道线检测和偏离预警的新方法。首先,分别采用TopHat算法和OTSU算法分割出车道线背景并进行“与”运算融合,据此准确提取出车道信息;其次,分两步检测车道线,第一步基于概率Hough变换进行直线检测,将检测出的车道线位置设为动态ROI区域并进行卡尔曼滤波跟踪处理,第二步是基于LASSO多项式回归模型对车道线再次进行参数估计和拟合,以改善使用最小二乘法时的过拟合问题;最后,根据设置的虚拟车道线和角度模型进行车道偏离预警决策。实验结果表明,所提出的方法在复杂道路环境下的平均正检率为96.07%,检测速率可达到32 ms/帧,即具有良好的鲁棒性和实时性。

基于时空域融合的红外弱小目标检测新方法

针对复杂背景下红外弱小目标的检测问题,提出一种基于时空域融合的检测方法。在空域上,通过灰度形态学Tophat变换抑制背景、增强目标;在时域上,对红外图像序列连续四帧进行沿时间轴一维小波变换,实现目标和背景的分离。然后对时空域融合的目标增强图像进行自适应阈值分割来提取弱小目标。实验结果表明,该方法能有效地检测运动红外弱小目标。