期望最大化聚类的高光谱亚像素目标检测

针对高光谱目标检测中复杂背景的影响,提出一种基于期望最大化聚类的亚像素目标检测方法,利用背景分解来描述复杂背景.首先,采用期望最大化聚类法实现高光谱图像的背景分解.然后,将背景子空间模型应用于分解得到的场景.由于分解得到的场景更加单一,因此该方法更适合于复杂背景下的亚像素目标检测.将提出的方法应用于实际的高光谱图像,实验结果表明这种方法具有更好的检测性能.

城市道路视频中小像素目标检测

视频图像中的小像素目标难以检测。针对城市道路视频中的小像素目标,本文提出了一种改进YOLOv3的卷积神经网络Road_Net检测方法。首先,基于改进的YOLOv3,设计了一种新的卷积神经网络Road_Net;其次,针对小像素目标检测更依赖于浅层特征,采用了4个尺度检测方法。最后,结合改进的M-Softer-NMS算法来进一步提高图像中目标的检测精度。为了验证所提出算法的有效性,本文收集并标注了用于城市道路小像素目标物体检测的数据集Road-garbage Dataset,实验结果表明,本文算法能有效地检测出诸如纸屑、石块等在视频中相对于路面的较小像素目标。

基于相邻帧差法的输电线路异物目标检测研究

针对输电线路异物目标检测时存在因目标区域阈值设定不准确导致准确率低的问题,提出一种基于相邻帧差法的输电线路异物目标检测方法。首先,针对输电线路异物提取问题进行分析。然后,以相邻帧差法为基础,采用仿射聚类算法进行优化聚类,从而实现实际目标像素的精确提取。最后,利用试验证明所提方法的先进性。试验结果表明,所提检测方法可使像素提取的准确率提升30%左右、异物识别的准确率提升23.48%。所提检测方法将相邻帧差法与仿射聚类法相结合,对输电线路电线周围异物目标特征提取过程进行创新,完成了异物目标的识别及检测。该研究提升了输电线路在线监测的有效性,为后续输电线路异物检测、异物预警提供了参考。

基于深度学习的无人机多目标自动跟踪系统

为有效提高无人机目标像素水平,实现无人机对待测目标的准确跟踪,设计了基于深度学习的无人机多目标自动跟踪系统。设计核心管控电路,调节无人机操纵平台的作用能力,再利用目标节点处理模块,将其他应用元件结合起来,完成无人机多目标自动跟踪系统的硬件设计。构建深度学习网络,通过求取目标节点特征的方式,推导方向跟踪向量的具体数值,完成基于深度学习的无人机跟踪目标检索。对比实验结果,应用该研究方法无人机目标像素在水平、竖直方向上的数值都达到了200 pix以上,验证了该系统能够准确跟踪待测目标。

一种基于变化检测技术的SAR图像舰船目标鉴别方法

该文引入变化检测思想,利用SAR图像中海杂波和目标之间的灰度差异,通过对潜在舰船目标切片的目标像素和背景像素进行分离,计算目标像素聚集度(TPAM)特征,实现对高亮像素在图像切片中聚集程度的定量评估,从而鉴别目标切片中是否包含有舰船目标,有效去除杂波虚警。首先,基于感兴趣区域(ROI)切片中心为目标像素及四周为海杂波的合理假设,构建似然比变化检测量获取差异图像;然后,利用KSW熵阈值选择方法实现差异图像中目标像素和海杂波像素的自动分离,生成二值图像;最后,利用切片中心像素为种子点,对二值图像进行区域生长,计算目标像素聚集度特征,并判断目标切片是否包含舰船目标。基于RADARSAT-1 SAR实测数据的实验结果表明,该文方法得到的目标像素聚集度特征计算简单、稳健性好、可区分度高,具有良好的鉴别性能,能够去除大部分海杂波干扰产生的虚警,有效地降低目标检测虚警率。

空天背景下红外多光谱弱小运动目标检测

针对多光谱红外图像序列中未知光谱辐射强度、位置和速度的弱小运动目标检测问题,建立与之相应的框架模型,对于这种含参信号的复合假设检验,采用广义似然比检验(GLRT)得到了该问题的检测算子,同时利用速度滤波器组在实际应用中实现了该检测算子.采用人工合成的多光谱红外图像序列对其进行测试,评估该算法的有效性,结果说明,该算法对于低信噪比条件下的弱小运动目标具有良好的检测效果.

基于遥感图像的不动产地理信息采集方法研究

现有的不动产地理信息采集方法难以精准地划分不动产边界,导致不动产地理信息采集结果误差较大,为此,提出基于遥感图像的不动产地理信息采集方法。以角二阶矩参量和相关性为基础,提取遥感图像的特征参量,根据其划分采集范围内各个不动产的边界信息,通过匹配目标不动产像素在遥感图像空间维度网格范围内位置,实现对其地理信息的采集。测试结果表明,设计方法的Kappa系数均值为0.687,图像信息采集精度均在97%以上,不动产地理信息采集结果与实际信息基本一致,未出现缺失情况,因此说明所提出的地理信息采集方法可以降低采集误差。

一种改进Mean shift算法的视频监控系统

在TiDavinciDM6446DSP硬件基础上,结合Mean shift跟踪算法本身的特点,针对跟踪物体在大比例或相对时间长的阻挡,以及视频的采集、处理、传输过程可能出现的失真丢包现象,采用改进型的牛顿插值算法,确定目标接近真实位置的最优位置.插入改进后的算法具有很好的实时性和准确性.

用VC++实现图像连通区域标记

一、引言 用图像处理方法做目标检测的一般顺序是:图像预处理、边缘检测、阈值分割、区域标记、形状判断分析.

Subpixel Target Location Techniques for 3-D Coordinate Measuring System

the close photogrammetric 3-D coordinate measurement is a newmeasuring technology in the fields of the coordinate measurementmachine (CMM) in recent years. In this method, we usually place sometargets on the measured object and take image of targets to determinethe object coordinate. The subpixel location of target image plays animportant role in high accuracy 3-D coordinate measuring procedure.In this paper, some subpixel location methods are reviewed and somefactors which affect location precision are analyzed.

基于图像处理的单只猪目标检测方法研究

目标检测是图像预处理的基本前提,目标检测的效果直接影响到图像后期分析与识别的准确性。常用的运动目标检测算法有:帧间差分法和背景减除法。本文在此基础上提出了一种改进的运动目标检测算法。通过对三种算法进行实验验证表明,帧间差分法对于动态环境有很好的适应性,但不能完整的提取目标的所有相关点。背景减除法能够较完整的提取目标点,却又对光照和外部条件造成的动态场景变化过于敏感。采用改进的检测算法,对背景减除法和帧间差分法进行加权,能够提取更为完整的猪体目标。

智能分析技术在安防行业的应用与发展趋势

随着安防技术的发展,安防应用市场的竞争步入白热化阶段,进入后高清时代,当各种各样的监控信息积聚成汪洋大海时,人们更加关注怎样在海量的信息中找到有效的图像,让监控更高效更实用。在这种市场需求的驱动下,智能化逐渐成为市场热点,以高清图像为基础的智能化视频监控系统成了安防市场最具增长潜力的新兴领域。智能分析技术的实现方式近几年,视频图像质量高清化的良好发展为智能算法的实现提供了高质量的视频源,提高了智能分析的准确性。目前安防行业智能分析技术主要集中在两个方向:一是摄像机内嵌智能分析。

数字信号处理器在实时数字图像处理中的应用

本文讨论了实时数字图像处理过程中的难点及目前解决这些难点的几种方法,并结合笔者曾参加的某项课题,介绍了数字信号处理器(Digital Signal Processor)芯片——TMS32010在实时图像跟踪系统中的应用.