复杂背景中红外多光谱目标检测算法研究

针对多光谱红外探测器,对复杂背景条件下红外弱小目标检测算法进行了研究。根据弱小目标缺乏纹理等相关信息的特点,给出了一种用于多光谱图像的弱小目标检测算法。对多光谱图像,构建数据立方体,对多光谱信息建立稳定的目标特征向量,用多光谱背景抑制滤波器以提升图像信噪比,将一种基于统计判别的低信噪比条件下红外序列图像弱小目标检测算法与传统多级假设检验跟踪(MHT)算法综合,形成了改进的连续帧目标检测跟踪算法,对波门内疑似目标点用引入多光谱信息建立的特征向量进行目标的非监督检测判决。实验结果证明:在低信噪比下该算法能有效检测跟踪弱小目标,在保证检测概率前提下可有效抑制虚警,极大地降低了后续跟踪算法的计算爆炸风险。

行人再识别问题中背景抑制方法的研究

行人再识别是指,在不同时间空间下视角不重叠的摄像机视图中同一行人图像的匹配问题。行人再识别在视频监控方面具有重要的应用价值,是智能监控系统的重要基础。然而,由于摄像头性能不高、监控场景变化、行人的移动性等因素,在现阶段行人再识别存在图像分辨率低、光照背景变化、视角变化、姿态变化等诸多挑战。分析发现直接去除背景会在边界处引入新的梯度信息,从而使得行人再识别模型的性能变差。对此,提出了一种简易的、基于高斯加权的背景抑制方法,能有效抑制背景以提升行人再识别模型的性能。