预决策金字塔层数的欧拉视频微弱运动放大算法

欧拉视频放大算法(EVM)将受人眼局限而观察不到的微弱运动放大;但放大视频质量随使用的金字塔层数及微弱运动幅值的不同而有明显差异。为提高视频放大效果,放大之前对输入视频提取运动前景,找到黑色像素数最大图像帧,求出该帧非0像素数占图像帧总像素数的比例;根据阈值判断金字塔层数,再进行EVM处理。研究表明,根据视频运动前景中非零像素与总像素比例,预判断欧拉视频放大金字塔层数,有效改善了单一金字塔层数EVM算法的放大效果。

基于DPCA和多分辨分析的SAR微弱运动目标检测

图像域偏移相位中心天线(DPCA)方法可显著抑制双孔径合成孔径雷达(SAR)的静止杂波,但对消处理后的剩余杂波和噪声仍可严重影响微弱目标检测性能。该文提出采用二维多分辨分析在DPCA处理后图像域进一步抑制干扰,显著改善了SAR微弱运动目标的检测性能。数值仿真验证了新方法对杂波和噪声二种干扰成分的抑制性能。

离焦模糊图像序列微弱运动目标自动检测仿真

为了增强模糊图像序列微弱运动目标检测的稳定性与适应性,针对当前图像序列微弱运动目标检测方法中存在的背景噪声抑制能力较低,导致图像运动目标检测效果较差以及存在像素点空洞等问题,提出一种基于小波分解的离焦模糊图像序列微弱运动目标自动检测方法。利用小波分解法对图像进行分解,计算各分解层小波系数的局部方差并引入模糊区域,结合区域内小波系数的噪声隶属度进行小波系数缩减,利用缩减后的小波系数进行图像重构完成去噪;对于去噪后的图像序列,将背景作为图像主体,在图像序列光流场中进行背景移动向量检测及补偿,获得图像微弱运动目标移动区域,利用动态聚类完成运动目标自动检测。仿真证明,所提方法的检测效果较好,具有更好的适用性。

基于稀疏表示的杂波建模和微弱运动目标探测

雷达回波中,微弱运动目标会被强杂波掩盖,造成目标探测困难。文中提出基于匹配追踪稀疏表示方法的雷达微弱运动目标探测算法,采用训练的过完备字典线性组合对杂波进行建模并解决稀疏表示问题,提高了杂波建模的准确性,利用杂波模型抑制杂波,可以从杂波背景中有效地探测微弱目标。仿真结果表明:文中提出的算法优于传统的目标探测方法,可以提高杂波抑制和微弱运动目标探测性能。

严重方位模糊下的合成孔径雷达微弱运动目标聚焦与参数估计方法

针对现有运动目标聚焦方法存在的对多普勒模糊敏感、信噪比要求高、不能较好地实现无模糊运动参数估计的问题,提出一种严重方位模糊下的合成孔径雷达微弱运动目标聚焦与参数估计方法。首先,构造方位谱压缩函数压缩目标方位谱带宽;其次,应用二阶Keystone变换补偿距离弯曲;随后,通过所构造的距离走动补偿函数与吕氏分布变换(LVD)完成剩余距离徙动和多普勒徙动的补偿,进而实现目标能量聚焦;最后,结合参数粗估计结果,设计一种LVD域的无模糊参数精估计准则。仿真结果表明:该方法不受方位多普勒谱分裂与LVD域多普勒模糊的影响,具有较强的抗噪性,与Radon分数阶傅里叶变换的方法和基于非线性变换的方法相比,信噪比损失分别降低了约2dB和15dB。

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。

一种视频强杂波两级空域滤波抑制方法

为便于对复杂视频强杂波背景下的微弱运动目标进行检测,提出了一种两级空域滤波强杂波抑制方法。采用局域均值去除(LMR)作为一级滤波,将原始图像变换为较大局域内均值和方差缓变的二维广义平稳过程,再通过基于二维 AR 模型参数估计的二级滤波器自适应滤除残余杂波。实验结果表明,对于一般噪声条件下的视频目标图像,利用该方法处理后得到的残留噪声呈现出很好的高斯性和独立性,并且输出目标信号杂波噪声比(SCNR)的平均增益达到 1.33dB,有利于进一步的检测。

一种小波域平滑滤波的杂波抑制方法

本文提出了一种小波域平滑滤波的杂波抑制方法,该方法将原始图像变换到小波域后,分别对各小波子带先作平滑、后作差分处理以最大限度地滤除背景杂波和噪声,然后再对图像进行小波逆变换,达到有效抑制背景的目的.实验结果表明,该方法处理后得到的残差图像呈现出很好的高斯性和独立性,并且目标邻域信号杂波比(SC-NR)的平均增益比对图像直接平滑滤波的邻域信号杂波比(SCNR)的平均增益提高2dB左右,算法性能明显优于图像域平滑滤波的传统方法.

基于小波域DCT变换的杂波抑制方法

针对复杂背景中微弱运动目标检测困难的问题,提出了一种基于小波域DCT变换的背景杂波抑制方法。该方法根据背景杂波和运动目标的不同频率特性,采用低频小波子带频域滤波的方法得到有效抑制背景杂波的残差图像,从而达到抑制背景杂波的目的。该方法首先对原始图像进行小波变换,接着对低频小波子带进行二维DCT变换,再用高斯低通滤波器对DCT变换结果进行滤波,然后对滤波结果进行IDCT变换,最后对滤波前后的低频小波子带作差分处理,对差分结果进行小波逆变换。实验结果表明,该方法处理后得到的残差图像呈现出很好的高斯性和独立性,并且目标邻域信杂比(SCNR)的平均增益比图像直接频域滤波的目标邻域信杂比平均增益提高2 dB以上,算法性能明显优于传统的图像频域滤波算法。

基于显微放大算法的桥梁模态参数识别试验

提出了基于运动信息显微放大算法的非接触式桥梁模态参数识别方法,以高清高速摄像机为非接触式传感器,获取试验桥在两种工况下主梁结构动力响应影像序列数据。依据欧拉规则的运动信息显微放大算法对试验桥微弱运动信号进行空间分解、时域滤波、运动信息放大及重构处理,提取放大后图像中的试验桥主梁中跨区域的微弱模态振型,最后将非接触式影像与加速度传感器获取的微弱模态参数进行对比分析。试验结果表明:两种方法获取的模态参数基本吻合,两种工况下频率的平均误差分别为1.05%、2.11%,振型相关性为94.3%,满足频率精度和结构振动测试要求,为研究桥梁结构在外部环境激励下的微弱模态参数提供了一种全息、便捷、可视化的识别方法。

基于Fuller核的背景杂波抑制方法

提出了一种基于Fuller核非参估计的背景杂波抑制方法.通过对输出结果的信号杂波噪声比(SCNR)增益以及残留噪声的独立性检验对其性能进行了评价.针对一些典型实际图像进行计算机仿真,验证了该方法的有效性.

基于帧间双向互关联的点状多目标检测算法

针对图像序列中点目标个数的不确定性和目标航迹的初始化问题,研究了一种利用概率加权和多帧图像间的目标双向互关联特性的先跟踪后检测技术算法:首先对组合帧图像进行基于阀值的首次检测,再对目标群概率加权得出目标的初始位置,利用帧间目标的双向互关联特性对各自目标的航迹初始化。仿真实验结果表明,该检测算法计算量小,实时性好。