基于无人机遥感影像的建筑物轮廓目标检测系统设计

使用CCD成像元件系统和基于动态扫描检测系统受到噪声影响,导致轮廓检测不完整,为解决这一问题,提出了基于无人机遥感影像的建筑物轮廓目标检测系统设计;依据系统总体架构可确定系统分为数据采集模块和处理模块;选择TLC2543A/D转换芯片,使控制字从数据输入终端连续输入;使用半导体激光传感器测量位置信息,在雪崩光电二极管上成像;采用MCS-51单片机内部数据存储器,将正常运行程序传送到高层,以便CPU读取程序;选择371-4615型号CPU板,协调控制整机;设计轮廓目标检测流程,采用激光三角法测量方法计算待测建筑物轮廓目标距离,避免检测背景噪声影响;提取建筑物斑块,拐角点定位,完成建筑物轮廓目标检测;由实验结果可知,该系统不会受到噪声影响,能够确定建筑物轮廓和拐角,对建筑物轮廓目标识别具有一定参考意义。

高角度分辨率MIMO雷达目标轮廓检测

虚拟阵列技术能极大地提升MIMO雷达的角度分辨率,使其能满足与视觉融合感知的需求。由于实际场景中目标多点融合散射雷达波,目标轮廓检测依然比较难实现,由此本文重点研究算法检测MIMO雷达目标轮廓。以奈曼-皮尔逊准则为核心的CFAR算法可以有效滤除背景杂波信号,常用于探测目标在距离和速度维度的轮廓。提出MUSIC与CFAR融合算法及FFT DOA与CFAR融合算法以预设的角度分辨率检测目标轮廓。基于自动驾驶环境MIMO雷达信号处理仿真平台验证以上算法:模拟2辆自行车在雷达车辆前方10m处穿过,此时具有128个虚拟阵元的MIMO雷达使用MUSIC与CFAR融合算法可准确地检测出目标的轮廓范围介于[-21°:-12°]和[7°:16°],与目标实际角度范围一致,FFT DOA与CFAR检测性能略差。

基于Snake模型的图像目标轮廓自动跟踪方法

针对实验数据像素灰度的分布特点 ,提出了一种对目标轮廓线进行有效和可靠的搜索和跟踪策略 .由于数据中病变组织与其邻近组织像素灰度差别相对明显 ,首先通过采用一种改进的轮廓自动跟踪方法对目标轮廓进行跟踪 ,将得到的轮廓线经采样得到其离散控制点作为Snake轮廓搜索和跟踪算法的输入 ,既克服了Snake方法对初始轮廓线控制点分布的局限性 ,又避免了采用单一轮廓跟踪方法跟踪目标轮廓线的不确定性 ,提高了分割病变组织的速度和准确性 。

基于单水平集的多目标轮廓提取

多目标轮廓提取是图像分割的重要研究内容.文章在Chan和Vese的无边界主动轮廓模型(简称CV模型)的基础上,提出基于单水平集的多目标轮廓提取算法.CV模型只能实现单目标的轮廓提取,主要原因是不能使水平集函数驱动的轮廓线在某些目标区域正确分裂,没有有效利用轮廓线的拓扑分裂信息.通过修正CV模型,引入标记模板,用于追踪零水平集的分裂情况,对不同的准目标区域区别处理;引入图像区域均值模板,用于估计可能淹没在背景区域中的目标区域,促使水平集函数在上述目标区域充分变形,使对应零水平集充分分裂,实现多目标轮廓提取.并且文章提供了一系列不同条件下的实验结果,并与其它类似的研究成果进行比较,结果表明,该文的工作是有意义的.

基于轮廓几何稀疏表示的刚性目标模型及其分级检测算法

刚性目标轮廓具有明显几何特性且不易受光照、纹理和颜色等因素影响.结合上述特性和图像稀疏表示原理,提出一种适用于刚性目标的分级检测算法.在基于部件模型(Part-based model,PBM)的框架下,采用匹配追踪算法将目标轮廓自适应地稀疏表示为几何部件的组合,根据部件与目标轮廓的匹配度,构建描述部件空间关系的有序链式结构.利用该链式结构的有序特性逐级缩小待检测范围,以匹配度为权值对各级部件显著图进行加权融合生成目标显著图.PASCAL图像库上的检测结果表明,该检测方法对具有显著轮廓特征的刚性目标有较好的检测结果,检测时耗较现有算法减少约60%～90%.

一种自动提取目标的主动轮廓法

提出一种新的广泛应用于数字图象分析和计算机视觉的主动轮廓 ( Snake)模型 ,引入作用方向可以自适应变化的外加强制力 ,使控制点能够不依赖于初始轮廓而快速地收敛到目标的真实轮廓 ;初始轮廓自动确定 ;控制点的数目可以自适应地改变 ;能够在背景比较复杂的图象中实现对目标轮廓的提取 .用该模型对空中目标的红外图象进行的实验结果表明其具有很好的鲁棒性和实用性 .

一种改进的基于距离变换的图像目标轮廓插值方法

本文提出了一种改进的基于欧几里德距离变换的图像目标轮廓插值方法。首先由获取的层间间距相对较大的序列断层图像,经由对图像中目标的轮廓跟踪和对图像中目标的区域填充获得图像目标的轮廓图和区域图,采用欧几里德距离变换求取该序列断层图像目标轮廓的距离图,运用逆距离加权平均线性插值方法求得相邻图像中目标的距离图之间的轮廓图像。运用本文方法得到的中间插值轮廓过渡平滑,并且能够很好地解决极端凹轮廓之间的中间插值轮廓问题,本文的方法具有较高实际应用意义。

基于多特征的目标轮廓跟踪

以核密度方法分别建立了图像颜色与纹理特征的概率密度模型,并用贝叶斯模型估计后验概率作为像素能量。构造的新曲线区域能量泛函分别统计内部能量与外部能量之和,以最小能量曲线对应跟踪目标的曲线。通过计算梯度下降流推进曲线演化,减少曲线能量直至收敛到目标曲线。实验结果证明,所提算法能在连续视频帧中准确地提取刚体以及非刚体目标的外部轮廓。

多目标轮廓Mumford-Shah水平集提取

目标轮廓的快速检测进而提取其几何形状,在图形图像处理中有着重要的作用.提出了一种多目标轮廓的水平集提取方法,对基于Mumford-Shah模型的C-V方法从两方面进行了改进:增加梯度矢量场和曲线法方向的融合作为边界吸引场,生成可以驱动主动轮廓向边缘进化的双向几何变形流,保留原图像分布信息作为区域进化能,解决未考虑局部几何信息造成的区域能量捕捉信息不全,或边缘梯度场和演化曲线法线方向正交时无法实现拓扑结构变化的缺陷;对水平集函数进行修正,使得它在收敛过程中能自动进行调整,确保其满足符号距离函数的要求,扩大初始化前迭代搜索区域,减少初始化次数,提高收敛效率;最后给出所提方法的数字化求解方案.实验表明该方法可行且具有较好的鲁棒性.

基于联合仿射不变弧长的目标轮廓起始点配准

提出了一种仿射不变的快速目标轮廓起始点配准算法,为实现快速目标识别开辟了新的思路.该算法利用基于轮廓曲率和轮廓包围面积的两种仿射不变弧长引出特征描述函数,通过其极值点的幅值和相对位置关系引出幅值误差和相对位置误差并结合二者构造出评价函数.通过循环比对和位置临近对应原则找到使评价函数最小的目标轮廓位置点即为配准的起始点.大量实验结果表明该算法具有高起始点配准率、高抗噪能力和低时间复杂度.

基于多模型融合的SAR图像目标轮廓提取方法

提出一种基于参数活动轮廓模型的多模型融合的合成孔径雷达SAR(Synthetic Aperture Radar)图像目标轮廓提取方法,即在活动轮廓模型Balloon中引入新兴统计分布模型G0分布、基于区域的统计活动轮廓模型和多边缘检测算子模型,获得了一种新的目标轮廓提取方法。基于MSTAR项目的真实SAR图像的实验结果表明,本文所提出的方法能准确地获得SAR图像目标轮廓,可用于执行实际的SAR图像轮廓提取任务,为后续的SAR图像自动识别和特征级图像融合等任务提供了较为优良的输入信息。

Sobel算子在提取视频运动目标轮廓中的应用研究

在计算机视觉领域中,从视频流中获取清晰的运动目标轮廓对于目标的跟踪识别以及行为判断等高层次处理具有非常重要的意义。传统的帧间差分法虽然可以粗略的提取到运动目标,但却未能很好的解决算法留下的"空洞"和"重影"问题。本文首先采用Sobel算子提取每一幅帧图像的轮廓,然后将帧间差分法提取得到的运动目标同该轮廓做"与"运算,从而得到线条清晰的目标轮廓。实验表明,该方法较传统帧间差分法而言,在保证原有轮廓的同时,也能消除移动速度对轮廓的影响。

基于传感器参数和目标轮廓中心的自动配准算法研究

通过对光电成像型反舰导弹的成像过程分析,提出了一种自动配准算法。其基本思路是将图像变换模型分解,逐步简化。可见光和红外图像配准时的变换为仿射变换。首先,利用传感器参数的调整,消除图像间的比例变化,将仿射变换简化为刚体变换;然后,依赖图像信息,用形态学边缘检测的方法求取目标的轮廓中心,以此为控制点消除图像间的平移变化,实现图像的完全配准;最后,通过观察海天线是否重合以及利用均方根误差原则,对算法的配准效果做详细评估。仿真实验表明,该算法准确、快速,配准精度满足目标识别的要求,可以较好地解决异类传感器弱小目标图像配准的难题。

一种新的B-Snake算法在目标轮廓跟踪中的应用

用Snake算法跟踪移动目标时,有时会产生目标轮廓与背景中另一些物体靠近的现象,如果不加约束,那么一些控制点将可能因被吸引到背景边缘而产生错误。另外,目标产生移动或旋转时,因轮廓控制点会产生交叉而导致轮廓跟踪失败。为克服此类问题,提出了一种新的有效的目标跟踪算法,可以跟踪静止或运动目标的2维轮廓曲线。该算法先利用三次B样条曲线连接控制点,以初始化物体的边界,然后通过Snake最小能量函数把控制点吸引到轮廓的边界。在Snake跟踪算法中,由于是采用和下一点相连向量与控制中心相连向量的夹角正弦值的正负来避免控制点的交叉,而控制中心的位置则通过αβγ滤波能有效地估计出来,因而能准确地跟踪运动的目标。该算法运用到静止的或移动的头部轮廓跟踪的实验证明,该算法不仅对目标轮廓跟踪具有较好的效果,且运算时间短、复杂度低。

基于图像增强与边缘检测的弱特征目标轮廓检测算法

为了解决当前目标轮廓检测算法在边缘特征微弱、背景复杂环境下的轮廓提取精度较低的不足,设计了基于图像增强与边缘检测的目标轮廓检测算法。首先,基于拉普拉斯离散公式与二维傅里叶变换公式,构造了联合图像增强算子;然后,基于二阶导数梯度特征,设计了目标边缘检测算子,实现对目标周长、面积等参数的测量。实验数据显示:与当前目标轮廓提取算法相比,面对不利于测量工作的恶劣环境时,所提算法具有更高的提取精度与稳定性。

偏置场下光栅图像的目标轮廓特征点检测方法

文章目标是解决有偏场环境下带有光栅图像的目标轮廓特征点检测问题。针对目标轮廓特征检测中存在的有偏光照环境和光栅模式,提出了一个两步解决方案。首先采用一种新的基于有偏场估计的图像模糊聚类迭代算法,对原灰度图像进行分割;接着,利用Harris特征检测器提取分割后目标图像的候选特征点,并在Harris特征检测算法中提出了基于特征响应函数直方图的罚值选择方法。实验结果表明,在光栅纹理和偏置场并存情况下,该文提出的方法优于传统Harris角检测器,解决了传统Harris角检测在该特定环境下所面临的精度下降问题。文章提出的算法可用于偏置场环境下光栅图像目标形状分析。

具有部分多目标轮廓提取特性的单水平集方法

C-V模型只能实现单目标图像的轮廓提取,造成这种后果的主要原因是C-V模型过多地考虑了演化曲线内外部的信息,反而造成了曲线的不正确演化。针对这点,提出了一种新的更为简单的水平集方法,该方法对初始曲线位置选取没有特殊要求,演化过程中符号距离函数也无需重新初始化。运用该方法,给出了几幅不同性质图像的实验结果,结果表明,方法不仅能保证单目标轮廓的正确提取,还具有部分多目标轮廓提取的特点,而且需时少,具有一定的抗噪性。

基于统计势能的水平集特定目标轮廓提取方法

介绍一种基于统计势能的水平集特定目标轮廓提取方法。首先通过计算统计势能得到水平集曲线与目标边界相关程度,然后由此推导出区域决策影响因子并将其引入到水平集函数演化方程中,最终实现利用目标区域信息提高水平集目标轮廓提取质量。红外图像目标轮廓提取实验结果表明,该方法能够有效地克服目标轮廓提取中存在的边界泄漏问题。

基于弦理论的目标轮廓提取方法

为保证目标轮廓的连续性,以弦理论为基础,在满足Dirichlet边界条件下,建立目标轮廓能量泛函模型.通过把目标轮廓曲线看作离散粒子相互作用组成的系统,构造粒子运动的响应函数,模拟粒子间的相互作用,采用增量法,逐步搜寻满足条件的轮廓曲线,在满足能量泛函最小时,提取出目标轮廓.实验结果表明:通过设置相关参数,能够有效提取出目标轮廓曲线,保证轮廓曲线的完整性,使得曲线支持无级缩放.该算法只须给定两个端点就可提取一条开目标轮廓曲线,减少了目标轮廓提取人工交互次数,提高了工作效率.

基于背景边缘抑制和GVF Snake的运动目标轮廓提取

针对现有的目标轮廓提取算法存在的问题,提出了一种结合背景边缘抑制和GVF Snake的运动目标轮廓提取方法.该方法首先改进了基于背景减的背景边缘抑制方法,然后将其与GVF Snake方法相结合,提取运动目标轮廓.实验结果表明该方法能准确提取出完整的运动目标轮廓.