图像序列弱小目标能量积累检测研究

低信噪比运动小目标实时检测是成像探测应用中的难题。在分析目标检测不同层次处理方法的基础上,针对计算量最大的目标能量积累检测层次提出一种采用指数衰减和方向加权动态规划能量积累检测算法。该算法解决了常规能量积累检测算法实时性差、检测概率低的问题。算法简洁,易于硬件实现,实时性好。给出了算法的实验结果和结论。

序列超声图像边缘检测与跟踪的改进Snake模型

提出了一种序列超声图像边缘检测与跟踪的离散动态模型.在基于动态规划的Snake模型中,引入目标边缘的形状信息改进了内部能量约束形式;充分利用序列图像相邻层间的灰度相关信息弥补了传统Snake模型中图像梯度能量对噪声敏感的不足.实验结果表明,改进的Snake模型仅需少量的用户交互就能快速、准确地从超声序列图像中检测、跟踪出目标物体的边缘,在医学图像分析中具有一定的实用价值.

一种低信噪比图像序列小目标实时检测算法

图像序列弱小运动目标的实时检测,是成像探测制导系统中的关键技术之一。提出一种基于动态规划与轨迹关联的目标实时检测算法。该方法利用指数衰减和运动方向加权动态规划积累目标能量,然后进行门限判决和对候选目标进行轨迹关联检测,从而剔除假目标,给出真目标信息。该算法结构简洁,易于进行软硬件分割实现,实时性能好。实验表明该算法能实现对深空背景中信噪比大于1.8、速度范围0～1像素/帧多个目标的有效检测。

基于动态规划的序列图像自动分割

序列图像在计算机辅助手术和放射治疗的三维重建中起着重要的作用，它要求在可行的计算代价下，实现图像序列的最优化自动边缘跟踪本文提出基于动态规划的最优化方法。

基于改进动态规划的主动声呐序列图像检测方法

动态规划是序列图像小目标检测的常用方法,该方法假设各帧图像间目标转移过程为马尔可夫过程,将能量累积计算量由原本的按图像帧数幂指数增长变为成倍增长,大大减小了计算量,使计算目标多帧累积能量变为可能。为了提高算法检测能力,该文根据动态规划算法原理及惩罚函数特点对算法进行了改进,使原本的二阶规划过程变为三阶,使指标函数更加有效地累积,有效提高了相同虚警概率下的检测概率。还利用该算法设计了主动声呐序列图像检测过程,并进行了仿真,验证了算法的有效性。