Automatic Detection of Solar Radio Spectrum Based on Codebook Model

Space weather can affect human production and life,and solar radio burst will seriously affect space weather.Automatic detection of solar radio bursts in real time has a positive effect on space weather warning and prediction.Codebook model is used to simulate solar background radio to achieve automatic detection of solar radio bursts in this paper.Firstly,channel normalization was used to eliminate channel difference of original radio data.Then,a new automatic detection method for solar radio bursts based on codebook model was proposed to detect radio bursts.Finally,morphological processing was implemented to obtain burst parameters by detecting binary burst area.The experimental results show that the proposed method is effective.

结合背景更新和亮度范围的改进Codebook模型算法

传统的Codebook背景模型算法是在RGB颜色空间下建立的,该算法计算复杂、分割质量不高且抗扰动能力较差。首先利用YUV颜色空间下亮度与色度分离的特性,建立Codebook背景模型,其次针对背景模型的亮度范围定义不合理的问题,采用码本中码字的Y分量均值重新定义亮度范围,最后在运动目标检测过程中使用双层码本与短时滑动窗口相结合的背景更新方法提高抗干扰能力。实验表明,改进算法的亮度范围能够随背景变化不断更新。与传统的Codebook背景模型算法相比,该算法能够有效更新背景,同时提高检测的准确性。

基于背景Codebook模型的前景检测算法

很多背景场景都包括复杂的运动目标,解决这种问题的较好方法是获取每个像素或者一组像素的时间序列模型,这类模型可以很好的处理时间起伏。但是,计算复杂度高而且耗时。为了获得与自适应滤波相当接近的性能。采用Codebook来建模场景中感兴趣的状态,选择RGB颜色空间模型,学习一个覆盖组成图像像素三个通道上的Codebook,可以有效的解决像素剧烈变化的问题,从而鲁棒探测出场景的前景目标。通过实验结果表明,提出的基于Codebook背景模型的目标检测方法比传统的目标检测算法具有更高的精确度和鲁棒性。

基于Codebook的视频火焰识别算法

为了提高视频火焰识别的准确度,提出了一种基于Codebook的火焰识别方法,创新地在YUV空间使用Codebook背景模型检测火焰区域,定期更新背景,综合火焰的动静态多特征进行火焰识别。首先,提取视频中的每一帧图像,利用原始图像中R、G、B三个分量间存在的线性关系作为颜色模型,初步提取火焰颜色区域;然后,为了利用YUV颜色空间的有利特性,将颜色空间从RGB转化到YUV,使用Codebook背景模型进行背景学习、背景差分,提取出具有火焰颜色的动态前景;最后,利用火焰面积变化率、区域重叠率、质心位移这3个特征来训练反向传播(BP)神经网络,通过训练好的神经网络判断视频图像是否存在火焰。选取相机位置以及方向固定的视频进行实验,所提算法在复杂的视频场景中的识别准确度达到96%以上。实验结果表明,所提算法有效提高识别的准确度,同时降低多种干扰物场景的误判率。

基于Codebook背景建模的视频行人检测

针对视频序列,Codebook背景建模算法能检测出其中的运动物体,但却无法识别行人。而大部分基于支持向量机(SVM)训练的行人分类器,需要通过滑动窗口遍历图像检测行人。为加快行人检测的速度,提出将传统的行人分类器融入到Codebook背景建模算法中,通过背景建模算法为行人检测提供候选区域,减少搜索范围,降低了行人误检率;并根据行人的特点,构建临时块模型定期将满足条件的前景区域更新到背景模型中,解决了Codebook背景建模算法不能应对光照突变的问题。实验结果表明:所提算法能应对光照突变所带来的干扰,实现视频行人实时检测。

基于Codebook的运动补偿内插方法

为提高帧率转换的有效性,提出一种基于Codebook的视频运动补偿内插方法。该方法应用传统块匹配方法得到运动矢量,利用Codebook模型实现背景区域和前景区域的分割并对前景区域的运动矢量进行可变块处理,同时使用块合并算法保证前景区域物体边缘结构信息的完整性,通过矢量中值滤波器和矢量平滑对前景区域进行处理以消除重影现象和方块效应。实验结果表明,与线性插帧、矢量中值滤波、轻决策运动估计方法相比,该方法能得到更加精确和鲁棒的前景区域,满足人们对视觉效果的高质量需求。

融合五帧差分和codebook模型的运动目标检测

针对传统codebook算法在复杂背景下抗干扰能力差以及传统帧差法易出现目标空洞的问题,提出了基于codebook模型的背景差法同五帧差法相结合的运动目标检测提取算法。该方法首先建立YUV颜色空间下codebook背景模型,将获得的背景帧与当前帧进行对比,得到前景图像;随后对连续的五帧图像进行预处理、差分二值化和形态学处理后,得到相应的前景图像;最后将基于codebook模型的背景差法和五帧差法所得到的前景图像进行像素的或运算,得到运动目标的精确区域。实验结果表明,该算法有效减少了目标图像中的噪声和阴影,可精确地检测出运动目标,具有良好的鲁棒性。

基于图像块码本模型的监控视频背景参考帧生成方法

为解决背景参考帧受前景污染严重,以及传输背景参考帧导致的码率突增等问题,针对背景较稳定的监控视频,提出一种以图像块为基本单元的渐进式背景参考帧生成方法。所提方法建立了基于聚类的图像块码本模型,利用基于感知哈希的码元匹配,将视频序列中处于同一位置的图像块进行聚类;利用背景图像区域特性准确检测背景码元;利用码本模型从不同帧中检测出背景图像块生成完整的背景参考帧。实验结果表明,所提方法编码效率相比标准HM16.20在亮度分量上提升17.89%,有效提升了背景参考帧生成质量,且时间复杂度满足视频实时性需求。

基于视频监控的违章停车检测算法

针对传统违章停车人工检测方式准确率低、成本高等缺点,提出一种基于视频监控的检测算法。利用码本模型对背景进行建模,用以检测监控场景中的运动目标,通过计算联通区域面积来滤除其他物体对监控车辆的干扰,并根据车辆停留时间将车辆分类,一旦发现违停车辆,系统会发出报警。实验结果表明,该算法准确率高、实时性好。

智能监控系统中的运动目标检测算法

为解决现有视频监控系统中目标检测算法无法应付复杂的室外环境且计算量和存储量较大等问题,将像素从RGB空间转换到YUV空间建立基于码本的背景模型,并单独对每个码字中的亮度分量进行高斯建模,提取运动目标的轮廓后,用连通区域算法对图像进行形态学处理。典型测试序列和ROC数据的对比实验结果证明该算法是高效和实用的,且易于在DSP或FPGA等嵌入式系统上实时实现。

一种改进的基于平均背景模型的运动目标检测算法

通过实验仿真分析探讨了基于背景差分法的两种运动目标检测算法(平均背景模型法和codebook模型法)的性能和存在问题,并在此基础上提出了一种改进的平均背景模型的算法.算法采用当前图像与背景相减后差分图像的灰度直方图进行阈值的选取,同时引进新的背景更新方法,由分割得到的前景图像来控制背景更新的区域.实验结果表明,改进后的算法在与原算法使用相同的初始帧数的基础上,目标检测的完整性和有效性均有所提高,且能够适应背景缓慢变化的场景.

一种基于改进码本模型的快速运动检测算法

从视频序列中分割出运动目标是计算机视觉应用领域中一个基础和关键的任务.针对现有码本模型(codebook model)在RGB颜色空间下不能很好地契合其计算特性,且无法兼顾抗扰动能力和分割质量的问题,提出一种基于改进码本模型的快速运动检测算法.首先将像素从RGB空间转换到YUV空间来建立码本模型;然后单独对每个码字中的亮度分量进行单高斯建模,使得整个码本具有高斯混合模型(Gaussian mixture model)的特性.典型测试序列和扰动检测率(perturbation detection rate)曲线的对比实验表明,该算法是高效和实用的.

一种基于HSV颜色空间的新码书模型

为了有效消除复杂动态背景对运动物体检测的影响,提出一种新的基于HSV颜色空间的码书模型。该模型的特点是:1)引入具有较强前后景区分能力的HSV颜色空间,有效减少伪目标的检测;2)采用四元素码字,实现较前人九元素码字更快的训练和更低的存储;3)设计新的码字学习和更新策略,实现简单和快速的码字学习和运动目标检测。同时提出新的算法评价方法:覆盖率—准确率曲线,以反映运动物体检测算法对连续视频序列的检测性能。使用覆盖率—准确率曲线评价的实验结果证明,所提出的码书模型可以有效检测复杂背景下的运动物体。

改进的基于码本模型目标检测算法

为克服基于码本模型的目标检测算法在光照变化条件下对检测结果产生的影响,提出了一种融合卡尔曼滤波思想的改进码本算法。该方法在计算图像像素亮度变化时选用了YUV颜色空间,使空间坐标轴与亮度变化方向一致,使亮度变化的计算量平均下降了44.9%。同时在建立码本模型时为每个像素初始化一个卡尔曼滤波器,该滤波器利用前后两帧图像亮度信息预测与修正当前像素值,对光照变化有较好的适应性。仿真实验结果表明,该算法与YUV码本模型、RGB码本模型以及GMM算法相比在亮度变化的条件下对噪声的抑制作用更强,体现出更好的自适应性。

双重自适应码本模型在运动目标检测中的应用

针对经典码本模型在复杂环境下的前景检测存在自适应动态背景能力不足的问题,提出一种双重自适应码本模型算法.该算法分别对前景和背景进行建模和更新,使得前背景可以在预设参数的控制下进行相互转换,消除了背景变化造成的虚影现象;根据命中次数对模型码本中码字的位置进行快速冒泡排序,提高了活动码字首次匹配成功的概率;利用短时滑动窗口的方法对像素变化信息进行存储,实现了像素的均值及偏差的快速实时跟踪,解决了动态背景的模型自适应问题.实验结果表明,文中算法具有较好的检测效果和实时性能,适用于复杂环境条件下的前景目标检测.

基于改进码本模型的视频运动目标检测算法

针对经典码本模型对动态背景适应能力不足及更新算法效率不高的问题,提出了一种用快速冒泡排序和短时滑动窗口改进的码本模型。为了优化码本结构,提高活动码字首次匹配成功概率,设计了一种快速冒泡排序算法对模型码本中码字位置进行快速排序;为了实现像素的均值及偏差的快速跟踪,设计了一种短时滑动窗口算法对像素变化信息进行存储,解决了动态背景的模型自适应问题。实验表明,改进后的算法能够有效适应复杂环境下的背景变化,且具有良好的检测精度和实时性能。

基于YUV空间码本模型的运动检测

以YUV空间码本模型为基础,提出了一种融合码本聚类思想和信号能量分析思想的运动检测算法。先在YUV空间上进行码本建模,然后在码字训练阶段对每个进入码字的像素点的均值以及围绕均值波动的能量值进行统计,最后在前景检测阶段通过能量门限实现前景和背景的分割。实验结果表明,与以往的YUV码本模型相比,该算法除了具备快速实时和准确的特性外,对复杂背景环境中如晃动的树叶、水波和光线的突变等强干扰因素体现出更好的适应能力,并且在阴影的抑制方面也有较强的鲁棒性。

一种自适应双码本模型目标检测算法

自适应码本(SACB)算法在目标物体检测中取得了较好的效果,对周期性晃动有一定抗干扰性,但仍存在"鬼影"现象、对密集型物体晃动抗噪性差、码字清除策略过分依赖于时间等问题.对此提出一种改进的自适应双码本(DECB)算法,通过增加前景像素记忆层构成背景-前景双码本模型,实时地将频繁出现的伪前景加入背景模型中,以消除"鬼影"现象;利用相邻像素的相似时空特性,随机与相邻像素码本匹配以提高对密集型物体晃动的抗噪能力;在码字更新机制中引入生命周期,以降低码字清除策略对时间的依赖性.实验结果表明,DECB算法能够有效消除"鬼影"现象,提高抗噪性且实时性良好.

对码本模型中码字结构的改进

针对码本结构,提出一种简化算法.该算法通过将码字元组中判断该码字是否冗余的元素——最大未使用时间改为由元组的其他变量直接计算而不存储在码字中,去除了该变量所占用的空间,将6元组替换为5元组.实验结果表明,该改进不会对运动目标检测增加额外计算,准确性和实时性不受影响,并可减少码本模型占用的内存.

基于Camshift反馈码本模型的手抓取物跟踪方法

针对Camshift算法在复杂背景下无法自动跟踪目标的问题,提出一种基于Camshift反馈码本模型的运动目标检测和跟踪算法。该算法首先利用码本模型检测前景目标,然后采用Camshift在颜色概率分布图中跟踪前景区域中的目标,通过窗口尺寸比较和直方图相关性判断来解决自动跟踪,通过窗口位置预测和尺寸扩大来改进下一帧Camshift算法的输入搜索窗口,同时并集操作多个目标处理后的矩形窗口,并将其反馈为下一帧码本模型的图像检测区域。最后将该算法应用于手和目标物的抓取状态判断上,具体过程是在静态背景下利用两个摄像头采集到的图像进行手和目标物的检测和跟踪,通过矩形相交性判断抓取次数,以验证跟踪算法的有效性。实验结果表明,通过信息反馈减小了目标检测和跟踪的搜索区域,提高了算法的实时性,在单摄像头下可提高处理帧频130%。