序列图像中弱小运动目标检测方法

通过研究利用远距离拍摄获得的飞行目标运动轨迹的图像序列,分析图像的特点,研究目标自动识别的方法。采用基于块匹配技术的配准图像,对原始图像进行配准;采用基于能量累加的背景去除技术,获得包含目标及噪声的图像序列;采用自适应阈值分割技术,得到包含目标及噪声点的二值图像;利用目标帧间相关而噪声帧间不相关的特点,根据目标的速度梯度和方向梯度,对二值图像中所有的点进行帧间相关性判断,获取目标点。实验结果表明,该方法能够有效地在飞行目标运动轨迹的图像序列中准确识别出弱小运动目标。

空时自适应杂波分类抑制与弱小运动目标检测

提出了一种新的方法应用于一类重要的高维信号检测问题:在强杂波干扰下检测数字图像序列中位置和速度未知的弱小运动目标.通过对输入序列时域灰度矩进行学习,将像素分成两类———静杂波和动杂波.分别对其采用非参数时域滤波和LS自适应滤波进行去除,从而将原始数据转化为准SPGWN模型.杂波抑制后,根据单帧多像素目标模型假设,采用在空、时域联合集成信号能量的检测算法,能有效地改善信噪比并且有利于实时实现.理论分析和对真实数据的大量仿真试验验证了本方法的有效性.

基于背景自适应预测的红外弱小运动目标检测

介绍了一种检测背景杂波中弱小红外目标的新方法．该方法根据背景红外辐射空间分布上的相关性，采用ＬＭＳ自适应空间预测滤波技术对背景空间红外辐射分布进行预测，并根据预测误差检测红外运动目标．本文还介绍了改进预测效果的方法，并以实际录取图像的处理结果。

深空可见光图像中弱小运动目标实时检测

针对深空可见光图像背景特征与目标特性,提出了迭代质心的方法自适应地搜索恒星灰度质心作为特征点并构造基于恒星空间分布的特征模型,实现亚像素级精度的图像序列配准,通过8-邻域联通聚类分析的路径判别法,解决了弱小运动目标实时检测.

基于多特征融合的弱小运动目标识别

利用单个特征识别强噪声中的弱小运动目标,常因所提取的目标特征与噪声特征易混淆而导致高的虚警率。提出一种新的基于多特征融合的弱小运动目标识别方法。分析了弱小运动目标的连续相关性、面积及质心位置偏移这三个特征的可靠性及提取方法,对获取的特征值进行归一化后采用多特征融合的方法构造更具有鲁捧性的联合特征,确定了以具有最大多特征融合值为真实目标的决策方法。通过与采用单一特征的目标识别方法进行比较,证明了提出的多特征融合方法能更准确地识别弱小运动目标。

基于动态规划的红外弱小运动目标的实时检测方法研究

文章针对低信噪比下红外弱小运动目标的特点,提出了一种正向动态规划算法。分析了算法的检测性能,并对算法实现中的一些关键问题进行了讨论。实验表明,该算法适应性强,能有效地完成对低信噪比下弱小运动目标的实时检测、识别与跟踪。

基于时空域融合滤波的弱小运动目标检测算法

针对CCD光电序列探测图像中的弱小运动目标检测问题,提出了一种运动星空背景下的基于时空域相结合的弱小运动目标检测算法,在空域上采用形态学Tophat滤波降低噪声增强目标,在时域上利用运动背景补偿和多帧差分滤波增强目标的运动特性,通过基于Hough变换的方法进行目标轨迹识别,完成目标检测。实验结果表明,该算法充分考虑了时域和空域中弱小运动目标的特性,能有效地在低信噪比条件下检测出复杂运动背景下的弱小运动目标。

一种可见光成像弱小运动目标识别算法

对弹体抖动情况下可见光波段低信噪比目标的检测技术进行了研究,提出了一种和最大值滤波与改进型Hough变换结合的目标检测算法,并对算法进行了计算机仿真,给出了仿真结果.

基于二维频域投影的弱小运动目标检测方法

针对光学成像弱小运动目标难以准确快速检测问题,提出了基于图像序列行列最大投影的二维频域运动小目标检测算法。首先,为了减少计算复杂度和使目标背景分离,将经过背景全局运动补偿后的视频向二维频域投影并去除频率为零的成分,从而获得含弱小运动目标和噪声的图像序列;其次,通过行列序列最大投影,得到信噪比提高的含弱小运动目标的行列图像;然后,通过主运动滤波和图像重构,检测到滤除配准误差和噪声的弱小运动目标;最后,针对强噪声干扰下的弱小运动目标检测问题进行了仿真实验,仿真结果表明,所提算法不仅可有效的检测出弱小运动目标,而且相对单一的行列分解图像在二维频域内有更高的检测信噪比。

弱小运动目标空时增强检测的仿真研究

提出了一种序列图像中弱小运动目标空时增强检测技术并进行了计算机仿真研究。目标被假设为在单帧图像上具有一定尺寸,利用二维空域模板对目标能量进行增强并作二值化处理。根据目标最大速度条件,在二值化后的图像序列中搜索可能目标轨迹,并与预定义的轨迹表(track table)进行匹配从而获得检测结果。该技术最大的优势在于同时在空域和时域对目标作增强处理,大大改善了信噪比,十分有利于实时实现。理论分析和大量仿真实验表明该技术在5帧图像集成时能稳定检测SCNR=2dB、大小超过3×3的弱小运动目标。

基于SVD的改进混合高斯模型弱小运动目标检测算法

为了在提高弱小运动目标的检测准确度的同时满足实时性要求,提出了一种基于SVD的改进混合高斯模型弱小运动目标检测算法。针对普通混合高斯模型阈值选取没有针对性的问题,运用基于奇异值分解(SVD)的动态阈值调整更新方法,提高混合高斯模型对弱小运动目标检测准确度。实验结果表明,该算法能够准确、高效地检测特定弱小运动目标。

复杂背景下红外弱小运动目标检测的新方法

提出了一种用于检测不同类型复杂背景下红外弱小运动目标的新方法。该方法能够根据图像信息自动选择背景预测算子;同时,针对不同类型复杂背景中目标和背景特性的差异,提出了"局部小目标可辨识度"的概念,并定义了一种有效的方法将其量化。在此基础上,采用蒙特卡罗实验方法构造了一种新的阈值函数,实现了单帧目标的检测,然后采用移动加权管道滤波提取目标的运动轨迹。实验结果表明,该方法对不同类型复杂背景的红外弱小运动目标具有很好的检测性能。

可见光图像序列中运动弱小目标检测方法研究

为了使制导系统有足够的反应时间,要求在很远的距离上就能检测到目标。在这种情况下,目标在探测器输出图像平面上呈现为斑点目标,且信号强度很弱,这就给目标检测带来了较大的难度。采用了一种先膨胀后累加的处理方法,这种方法首先通过形态学膨胀来增大图像中的目标面积,使得运动目标在不同帧内产生重叠部分,然后再通过多帧累加来增强目标能量;图像序列的邻域判决法也是目标检测的一种常用方法,它利用目标运动的连续性来剔除图像中的虚警点,可以获得较好的处理效果。主要基于以上2种方法来完成目标的检测,并通过数学仿真的方法来对该方法进行验证。实验结果表明该方法能够有效地检测出信噪比不低于2.5的弱小运动目标。

一种空时域结合滤波的运动弱小目标检测方法

依据红外序列图像中弱小目标运动轨迹的连续性,提出一种空时域结合滤波的运动弱小目标检测算法.在分析弱小目标可能的运动轨迹的基础上,构造了一组滤波模板,利用这组模板对时域检测结果进行滤波,确定出弱小目标可能的运动轨迹.并进一步结合时域特征,对运动弱小目标进行累积增强.由于提出的方法充分考虑了序列图像中运动弱小目标的空时域特征,因此具有很好的检测性能.

基于粒子滤波的红外弱小多运动目标检测

针对低信噪比条件下红外图像序列中的多个弱小运动目标检测问题,提出了一种基于粒子滤波的多目标检测前跟踪方法。首先分析了红外图像的状态及观测模型,然后将弱小运动目标的检测转化为贝叶斯滤波框架下的检测前跟踪,并利用多个粒子滤波器予以实现。为了评估该算法的有效性,采用人工合成的红外图像序列对其进行测试,结果说明该算法可同时处理低信噪比条件下的多个弱小运动目标,检测和跟踪性能良好。

基于TMS320C6201DSP的实时弱小目标检测系统设计

为解决电视跟踪系统中弱小目标检测算法复杂性和系统实时性之间矛盾,设计了以TMS320C6201数字信号处理器(DSP)为核心处理器、基于现场可编程门阵列(FPGA)和PCI总线的实时目标检测处理平台。重点介绍了该平台的基本组成与工作原理。针对弱小运动目标的特点,采用了一种基于灰值形态学滤波和运动关联的检测方法来检验该平台性能。实测结果表明该平台满足电视跟踪系统的实时性要求。

基于fast-LOF与光流轨迹的弱小目标检测算法

研究动态背景中弱小运动目标检测问题,提出了一种基于fast-LOF的光流轨迹分类方法。针对弱小运动目标占据像素少、特征缺失等问题,引入光流轨迹思想,在高维空间检测异常光流轨迹实现动态背景中弱小运动目标检测;针对传统LOF算法复杂度过高问题,引入fast-LOF降低异常检测环节复杂度,保证系统良好的检测效率。以手持摄像机拍摄视频进行实验,实验结果表明,白光场景中算法可以实现复杂大视场中弱小运动目标快速检测,光流轨迹和fast-LOF的结合有效提高了算法性能和检测效率,在视觉检测系统中具备一定使用价值。

基于背景移除的时域目标检测

针对时域目标检测算法中跟踪数据量大、实时实现难度高的缺点,提出一种基于背景移除的时域目标检测方法。该方法首先根据不同像素点的时域起伏特性建立一个统一的模型,进而利用最小二乘法估计出该模型的参数,实现静态背景的移除。然后采用最小值滤波估计出目标信号的检测基准,并进一步分析了像素时域特性偏离该基准的分布特性,最终得到一个合适的目标检测量度。将所给出的算法应用于实际运动弱小目标的检测,实验结果表明,此算法对于复杂背景下的运动弱小目标具有很好的检测性能。

基于复杂地面背景序列图像的运动弱小目标检测

分析了复杂地面背景下序列图像检测弱小目标的困难,研究了一种针对场景较复杂的运动弱小目标检测方法。首先将序列图像分割成等间隔的处理单元,并利用最小二乘匹配进行坐标对齐,然后使用Top-Hat算子处理图像并进行CFAR分割,综合考虑处理单元中的每幅图像,对固定背景干扰进行抑制,最后根据运动弱小目标轨迹进行检测。进行了三组序列图像实验并绘制了ROC曲线,证明该方法是一种有效的弱小运动目标检测方法。

基于光场统计的机场飞鸟目标检测

鸟击作为影响机场安全的主要事故征候,需要准确、稳定的弱小运动目标检测方法用于机场飞鸟检测。应用光场涨落增强低信噪比的飞鸟运动特征信号,再结合局部高斯混合模型对图像增强区域进行前景分割处理,实现宽视场复杂背景下的机场飞鸟目标检测,并完成不同光照条件的机场飞鸟检测实验。实验结果表明:所提算法较传统算法能有效提高机场条件下的远距离、宽视场、低信噪比弱小目标检测率,且具有较好的光学稳定性。