基于多帧聚类的紧凑型HFSWR虚假点迹识别方法

紧凑型高频地波雷达发射功率低,目标检测时信噪比低、虚警率高,会产生大量虚假点迹,影响后续目标跟踪性能。为了滤除虚假点迹,利用目标的运动特性,提出了一种多帧聚类与极限学习机分类两级级联的虚假点迹识别方法。首先,利用基于最优邻域尺寸的多帧聚类方法,将连续多帧中与待识别点迹属于同一潜在目标的点迹聚类成簇。然后,计算簇内待识别点迹与其相邻帧内点迹的距离-多普勒速度的差分值,以其为特征利用极限学习机辨识虚假点迹。实验结果表明,所提方法能够准确将属于同一目标的点迹聚类,虚假点迹识别率达到95%。

基于多帧聚类的紧凑型地波雷达海上目标航迹起始方法

紧凑型地波雷达是专属经济区内海上船只目标监测预警的重要手段。由于其发射功率低、目标回波信噪比低,在对海上船只目标检测过程中较低的检测概率极易导致目标漏检,采用序贯类方法难以及时起始航迹。对此,本文通过分析杂波和目标的地理位置以及径向速度随时间变化的特点,提出了一种基于多帧聚类的紧凑型地波雷达海上目标航迹起始方法。该方法利用目标和杂波在连续多帧内运动特征的差异,在具有噪声的基于密度的空间聚类算法(Density-Based Spatial Clustering of Applications with Noise, DBSCAN)求解聚类ε邻域的过程中增加运动特征约束,将各船只目标在多帧内的点迹聚类为不同的簇,实现海上船只目标点迹与杂波点的区分,将簇内点迹按时间顺序顺次连接得到起始航迹。利用仿真与实测紧凑型地波雷达数据开展了航迹起始实验,结果表明,与逻辑法相比,本文方法得到的航迹起始时间平均提前了5.95 min,丢点率平均降低了12.68%,解决了海上弱目标航迹起始时间滞后的问题,适用于杂波区目标与雷达远端船只目标的航迹起始。

基于深度学习的多帧遥感降质图像三维重建算法

为提升多帧遥感降质图像对比度以及图像质量,提出一种基于深度学习的多帧遥感降质图像三维重建算法。采用三角函数变换方法并结合高通滤波器,增强多帧遥感降质图像对比度;再以包含生成器和判别器的生成对抗网络为基础,在判别器中引入自注意力层,设计自注意力机制残差模块,生成自注意力生成对抗网络模型;最后将增强后的图像输入模型进行学习和训练,获取多帧遥感降质图像的全局特征后,实现多帧遥感降质图像三维重建。测试结果表明,所提算法具有较好的多帧遥感降质图像增强能力,能够提升图像对比度,并且渗透指数(PI)均在0.92以上,重构效果良好。

基于字典学习的星空图像多帧超分辨融合方法

目的:研究一种针对星空图像的多帧超分辨融合方法。方法:首先通过字典学习构建基于星空样本的高低分辨率自适应学习字典对,对输入低分辨星空图像进行稀疏分解,根据稀疏分解系数和高分辨字典重构得到高分辨率星空图像;然后采用时序多帧融合去噪的方法,对高分辨率星空图像进行噪声消除,融合得到信噪比更高的高分辨率星空图像。结果:根据本文设定的无参考图像信噪比计算公式对超分辨融合效果进行评价,3组实验融合图像相较于基于字典学习的超分辨重建图像信噪比分别提升0.76,0.99,0.38。结论:本文提出的方法能够实现星空图像的多帧超分辨融合,并有效提升融合图像的信噪比。

基于JESD204B的多帧同步实现技术

ADI公司的AD9680是一款14位、双通道、最大采样速率为1 GSPS且支持JESD204B接口的模数转换芯片。JESD204B接口是目前流行的高速ADC芯片采用的数据通信接口之一,具有传输速率高、抗干扰能力强和芯片间同步方便等优点。在实际工程中,当要求多片AD9680相位同步时,经常会遇到各种各样的问题。借助AD9680设计了一款多通道采集模块,描述了一种基于JESD204B协议的多帧同步实现技术,探讨了同步采集技术实现时容易碰到的一个问题,并为之提供了一个简单有效的解决方法。

基于多帧信息的多传感器融合三维目标检测

为提高三维目标检测中多传感器融合的效果,并利用前后帧之间的特征关联,提高目标检测的准确率,提出了一种基于多帧信息的多传感器特征融合三维目标检测网络.首先通过基于指导点的特征映射模块,将图像相机视角特征转换为鸟瞰图特征,并通过自适应融合模块对点云特征和图像特征进行融合;之后利用历史帧跟踪信息,融合多帧特征;最后采用基于CenterPoint检测头进行目标检测.在nuScenes数据集和实车上对三维目标检测网络进行了测试,试验结果表明该网络具有更高的精度和实时性.

二阶广义总变分约束的太阳图像多帧盲解卷积

盲解卷积是常用的自适应光学图像事后重建方法之一。为提高盲解卷积对太阳(自适应光学)图像的重建效果,本文提出了基于二阶广义总变分的空变多帧盲解卷积算法。该算法首先利用交替最小化和半二次分裂方法求解本文提出的二阶广义总变分约束的空不变多帧盲解卷积模型;然后针对非等晕大视场太阳图像特性,利用重叠分块与加权拼接实现空变盲解卷积扩展。在一米新真空太阳望远镜(NVST)观测的真实太阳图像上进行的重建实验与分析表明,本文算法在主观视觉效果和客观指标上均具有较好的图像重建效果。

基于点云多帧融合的相邻障碍物聚类分割方法

相邻障碍物的分割是无人驾驶领域的技术难点,低线激光雷达点云稀疏,无法聚类远距离物体,但激光雷达线束越多越昂贵。为了实现低成本聚类分割相邻障碍物,实验场景选取常用交通场景对象相邻的人/人、人/车,提出了一种基于多帧融合的相邻障碍物分割方法。基于惯性测量单元、激光雷达融合多帧点云,解决了低线激光雷达因分辨率低而无法聚类远距离相邻行人的问题。提出改进的欧式聚类,加入自适应阈值和向量角度约束两个新的分割标准,提高相邻障碍物的分割效果。实验结果表明,该方法具有成本低、聚类精准等特点,与单帧传统欧式聚类算法相比,该方法针对相邻障碍物分割的准确度提升约30.7%,对低线激光雷达在障碍物聚类以及后续的检测具有一定参考意义。

基于视频多帧融合的医学超声图像超分辨率重建方法

医学超声成像是临床诊断中应用最广泛的成像方式之一。目前超声图像普遍存在分辨率和对比度较低的问题,并且成像过程易受噪声污染。图像超分辨率重建技术被广泛用于改善超声图像的质量。然而,已有的研究工作缺乏对超声视频帧之间互补信息的充分利用,因此效果并不理想。针对此问题,提出了一种基于视频多帧融合的医学超声图像超分辨率重建方法。首先,构建了一个基于卷积神经网络的无监督多帧融合模型,该模型通过对连续的多帧图像进行特征融合,得到具有丰富信息的融合特征图像;然后,建立一个基于无数据知识蒸馏的轻量级图像超分辨率重建模型,通过训练融合特征图像得到教师超分辨率网络,利用训练好的教师网络和生成对抗网络获取的训练数据得到轻量级学生超分网络,最终得到高质量的医学超声图像;最后,在大型超声数据集上进行实验,采用两种图像客观评价指标以及图像分类任务进行评估。结果表明,所提方法与8种已有的图像超分辨率重建方法相比,在提高超声图像分辨率的同时,获得了包含更多信息且具有更高对比度的超声图像。此外,所提方法得到的超分辨率图像在分类网络的识别准确率可达到97.30%,明显优于其他方法,可提高临床诊断效率与准确性。

基于帧间相关性的动态多帧视频质量增强

视频压缩可以减小视频的大小以提高传输效率,但压缩过程中会造成一定程度上的失真和噪声。目前主流的多帧质量增强模型在方法上过于单一,仅使用前后峰值帧或相邻帧进行简单增强,缺乏灵活性。基于上述问题,提出了一种基于帧间相关性的动态多帧质量增强(DMFQE)方法。该方法是采用了两步增强策略,首先,将待增强帧分别输入所设计的光流补偿网络和帧预测网络进行质量增强;然后,将得到的光流增强帧和预测增强帧进行卷积后输入图像重构模块进行重构,获得最终增强帧。实验结果表明:在每一帧上,DMFQE比HEVC/H.265平均多获得0.36 dB PSNR增益;在LDP的编码模式下,DMFQE比单一的多帧质量增强模型MFQE、MFQE2.0拥有更好的有效性。

激光惯性约束下多帧影视图像视觉传达模型构建

原有构建方法在多帧影视图像分析中,无法对图像光点的重叠位置进行标记,导致视觉传达模型中的色彩表现出现错位,影响图像的视觉传递效果,研究激光惯性约束下多帧影视图像视觉传达模型构建方法。基于激光惯性约束构建观测矩阵,对图像的视觉信号进行处理;以视觉信号的感知关键点,对应光点信号排布关系,获取图像信号光点势能;以离散函数为转换图像像素值,通过图像梯度表现形式,计算影视图像平均梯度;引入贝叶斯理论框架,配置多帧图像中色相光点,建立视觉传达模型。实验以多帧影视图像的色相为测试条件,将多帧图像转换为不同比例大小的图像,对比视觉传达模型转换后,图像的色相强度表达误差和波动程度。设置多帧影视图像的基色为红色,当图像变化比例为50%时,加入色相比例为80%蓝色时,本模型的强度表达误差可以控制在0.5以内,而传统模型的最大误差为3.0、2.8和2.5。在图像波动程度对比中,本模型在视觉图像转换完毕后,光点含量与实际图像相一致,而传统模型应用后,图像的光点含量会随着图像比例的增加逐渐减少,产生较大的色相波动,说明本方法更加有效。

三维激光扫描的多帧影视图像视觉模型构建

原有方法在图像处理过程中,会将图像噪声点一并进行扫描,导致模型的精度逐渐下降,研究三维激光扫描的多帧影视图像视觉模型构建方法。以共线方程计算方式,解析多帧影视图像中的构像关系,分类多帧影视图像方位元素。采集影视图像中完整的点云数据,对应影视图像的相似点特征,根据视觉转换需求对图像进行分区,并处理非相似的噪声点。基于三维激光扫描技术,确定三维空间点与图像之间的映射关系,通过几何标定理论,以图像成像的逆推过程,构建图像视觉模型,完成方法设计。实验结果表明:在本方法应用下,能够将图像中含有的所有噪点数量进行去除,且百分百完成视频图像的点云信息重建。滤波构建方法在去除噪点数据的同时,会滤过掉部分真实的点云数据,聚类方法以及数字图像匹配方法,无论是点云数据的还原,还是噪声点数据的去除过程,均会丢失掉一部分信息数据,综合说明本方法更具有应用价值。

基于光谱成像的多帧视频图像视觉传达方法

多帧视频图像视觉传达方法存在图像噪声高、图像质量不佳等问题,提出基于光谱成像的多帧视频图像视觉传达方法。通过图像梯度向量获取视频图像,根据视频图像中边缘模糊程度估算图像的深度值,在红、绿、蓝颜色空间上对图像展开编码,构建阶跃边缘函数实现多帧视频图像颜色补偿,通过八叉树对多帧视频图像色彩进行量化,提取图像主色彩特征,根据光谱成像技术确定视频图像关键帧,实现多帧视频图像视觉传达。实验结果表明,所提方法图像质量高,时间消耗仅为3秒,多帧视频图像视觉传达效果好。

多帧动画模糊视频图像后期增强技术仿真

传统模糊视频图像增强技术无法动态优化图像明暗对比度。为此,提出多帧动画模糊视频图像后期增强方法。根据前期准备环节、实际拍摄环节、后期制作环节设计多帧动画模糊视频图像后期处理流程。利用低频滤波器和模板操作分别对图像的频域和空域进行平滑处理,实现图像降噪处理。对平滑处理后的视频图像完成直方图均衡处理,通过扩展视频图像内不同像素值的动态范围,提升图像明暗对比度。实验结果显示采用该方法增强所选视频帧图像后,其整体与局部的对比度显著提升,信息熵更高,图像细节刻画更精确。

基于激光视觉融合的多帧影视图像视觉传达设计研究

连续动态蒙太奇切换下多帧影视图像受到光影扰动导致视觉传达能力不好,提出基于激光视觉融合的多帧影视图像视觉传达设计方法。建立多帧影视图像激光视觉信息检测模型,构建连续动态蒙太奇切换下多帧影视图像的匹配滤波检测模型,根据对动态蒙太奇切换下多帧影视图像的先验视觉谱知识重构,提取多帧影视图像的激光视觉传感特征值,采用激光视觉融合技术实现对连续动态蒙太奇切换下多帧影视图像的噪点抑制和梯度增强,构建多帧影视图像的边缘轮廓检测模型,根据激光视觉融合结果实现对多帧影视图像的纹理边缘滤波和视觉重构,根据视觉重建结果实现对连续动态蒙太奇切换下多帧影视图像的视觉增强和传达设计。仿真结果表明,采用该方法进行多帧影视图像视觉传达设计的融合度水平较高,影视视觉传达能力较好,峰值信噪比较高,说明成像质量水平较高。

基于局部色彩传递的多帧影视图像扭曲校正

为了更好地保持图像的连贯性和区分性,提出基于局部色彩传递的多帧影视图像扭曲校正方法,增强图像视觉效果、缩小校正误差。运用Levin算法使多帧影视图像彩色化,并通过联合双边过滤方法优化局部彩色传递的多帧影视图像,避免图像色彩化时边缘和纹理较弱区域产生不稳定因素;采用自适应元网格交叉点坐标提取算法,根据图像扭曲程度自适应建立结构元,提取网格线交叉点坐标,结合Biharmonic样条插值方法实现多帧影视图像扭曲校正。实验结果表明:所提方法彩色化处理后,多帧影视图像更细腻,视觉效果更加理想;所提取图像坐标能有效保留网格交叉点,且与理想网格点交叉坐标误差较小,说明所提出的多帧影视图像扭曲校正方法可行性较强。

基于多帧移位叠加的红外小目标检测方法

由于基于能量积累的各种算法对预检测的目标漏检和噪声密度都比较敏感 ,所以要求预检测在注重目标检出率的同时应尽量减小虚警。例如当噪声密度大于 3%时高阶相关法检测性能大幅下降 ,Hough变换法在噪声密度较大时不但性能下降 ,而且运算量也增加很多。基于此 。

多帧背景差与双门限结合的运动目标检测方法

为有效解决视频监控场景下运动目标快速、精确检测的问题,提出一种多帧背景差与双门限结合的运动目标检测方法.首先改进Surendra背景模型来获取干净的背景图像,根据灰度差分图像确定的两个门限值进行前景目标检测,低门限阈值用于检测出比较明显的前景目标(即粗检测),在粗检测的基础上利用高门限阈值以去除粗检测中存在的噪声目标与伪目标(即细检测),最终实现视频监控场景下运动目标的精确检测效果.针对车辆、行人等不同对象的监控场景下进行实验,验证了本文方法不仅能够有效地抑制噪声及伪目标的干扰,而且能够快速、准确地分割出前景目标.

一种时域降维多帧处理的Radon域弱目标检测

对于低分辨率的警戒雷达,在强杂波背景下检测低空慢速小目标("低、慢、小")是一个具有挑战性的难题.该文提出一种基于时域降维多帧数据联合处理的Radon域"低、慢、小"目标检测新方法.该方法首先通过单帧数据的自适应杂波抑制和多帧数据的有序统计恒虚警滤波器处理,抑制掉部分强杂波;然后,对经过两级杂波抑制后的时间距离域数据进行时间维的降维和平滑;最后,对时间距离像进行Radon变换,将时间距离域的目标检测问题转化为Radon参数空间的特征提取问题,通过设置两级门限提取出微弱目标.由于时域降维处理在Radon域增大了目标相对于杂波的角度偏移量,因此,该方法不仅可检测到低速目标,还能估计出目标速度.实测数据处理结果验证了该方法的有效性.

基于颜色聚类和多帧融合的视频文字识别方法

提出一种基于颜色聚类和多帧融合的视频文字识别方法,首先,在视频文字检测模块,综合考虑了文字区域的两个显著特征:一致的颜色和密集的边缘,利用近邻传播聚类算法,根据图像中边缘颜色的复杂程度,自适应地把彩色边缘分解到若干边缘子图中去,使得在各个子图中检测文字区域更为准确.其次,在视频文字增强模块,基于文字笔画强度图过滤掉模糊的文字区域,并综合平均融合和最小值融合的优点,对在不同视频帧中检测到的、包含相同内容的文字区域进行融合,能够得到背景更为平滑、笔画更为清晰的文字区域图像.最后,在视频文字提取模块,通过自适应地选取具有较高文字对比度的颜色分量进行二值化,能够取得比现有方法更好的二值化结果;另一方面,基于图像中背景与文字的颜色差异,利用颜色聚类的方法去除噪声,能够有效地提高文字识别率.实验结果表明,该方法能够比现有方法取得更好的文字识别结果.