采用马氏模型的点状动目标快速检测方法

提出了一种视频序列图像中点状运动目标三维快速检测方法。该方法利用目标运动的时域连续性假设,将目标在相邻多帧上的位置状态模型化为二阶马尔可夫数据链;依照该模型采用沿轨迹集成的检测算法,克服了传统三维检测造成搜索次数巨大的弱点,同时也避免了二维投影检测带来的信噪比下降。理论分析和仿真试验表明,该检测方法能稳定地检测出信号杂波噪声比(SCNR)超过3的缓动点状运动目标,而且在采用5帧集成时计算量比传统的穷尽轨迹匹配检测减少100倍。

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。

图像序列中的自动点目标空时快速检测

提出了一种新的序列图像中点状运动目标空时快速检测方法,该方法假设经过背景杂波抑制预处理后图像已转换为类SPGWN(信号加高斯白噪声)模型。自动目标检测时图像序列被划分为多组检测单元,每单元包含两帧相邻的图像。根据目标速度限制条件,采用在单元内以及两相邻单元间沿轨迹集成像素灰度的检测算法。在付出同等运算量的代价下,克服了二维投影检测性能较差的弱点,同时也具备可检测多速率目标的优点。理论分析和仿真试验表明了该检测方法的有效性。