机器视觉技术的红外弱小目标状态感知方法

为在复杂场景下精准感知多个红外弱小目标,提出基于机器视觉技术的红外弱小目标感知方法。依据搜索窗口与筛选条件,从红外图像中筛选出候选感兴趣区域,采用多目标分割算法,应用显著性特征从候选感兴趣区域中提取感兴趣区域,并提取感兴趣区域的加权灰度均值特征,将其作为Soft-FART网络的输入,通过Soft-FART网络模糊匹配知识库与感兴趣区域的加权灰度均值特征,选取大于警戒条件的目标作为感知到的红外弱小真实目标,并将感知结果输出。实验结果表明,该方法可在不同场景下精准感知红外单独弱小目标和多个红外弱小目标,且在高噪声环境下依然具备较好的红外弱小目标感知性能。

采用尺度空间特征点匹配的红外目标跟踪

针对红外图像信噪比低,对比度不高,目标跟踪困难等复杂情况,提出了一种基于尺度空间特征点匹配的红外目标跟踪算法。设计出一种基于尺度因子变化的高斯卷积模板尺寸自适应调整以及连续帧目标区域双向配准的办法,前帧目标区域特征点匹配出后续帧目标区域特征点,以后者特征点集质心坐标去建立目标跟踪搜索窗,完成在视觉效果差的背景下的红外目标跟踪。实验表明,基于尺度空间特征点匹配的红外目标跟踪算法鲁棒性强,实时性高,能快速而有效地完成对红外目标跟踪。

红外运动小目标检测的小面拟合算法

针对红外图像序列中运动小目标,提出一种基于预测的小面拟合目标检测算法。首先根据图像序列中目标运动的连续性及方向性,采用二阶自回归模型预测目标的搜索窗口。然后根据天空背景红外图像中小目标灰度高于背景的特征,利用小面拟合模型对搜索窗口的局部区域作灰度曲面拟合,提取搜索窗口内灰度极值点作为目标,提出了相应的目标检测算子。对红外图像序列的实验表明,该算法可有效检测天空背景下红外运动小目标,算法的实时性和抗干扰能力优于传统的目标检测方法。

融合常规运动目标和突然机动目标的图像跟踪系统

当舰载或机载光电传感器晃动、掉帧或者目标做复杂战术机动时,跟踪目标在相邻帧间会突然改变原来的运动轨迹,此时如何有效跟踪突然机动目标是一个难点问题。首先利用基于组合基于(speeded up robust features,SURF)特征描述子的二帧差分法进行背景差分,然后再利用卡尔曼滤波给出目标的预测位置,在以此为中心的搜索区域内用Mean shift跟踪方法寻找目标的最佳匹配,同时逐帧根据卡尔曼滤波的先验预测误差协方差判断目标是否出现机动。在检测到目标机动后,利用基于显著密度的高效子窗口搜索方法快速检测视场内的所有可疑目标,最后利用SURF算法进行特征匹配筛选出原始跟踪目标并返回目标位置,实现突然机动目标的自动可靠跟踪。仿真实验表明,新系统无论针对常规运动目标还是突然机动目标都能保证又快又准的跟踪效果。

一种提高足球机器人性能的新型视觉算法

在机器人足球比赛中,要识别的目标颜色越来越多,易出现识别错误。为了解决机器人足球比赛色标识别困难,介绍了一种新的视觉系统设计方法,提出了一种按假想机器人尺寸避免碰撞的方法,对机器人只需识别队标,既减少要识别的颜色样本,又增加了目标跟踪的准确性。该文论述了设计的各个环节。试验表明,设计方法合理有效,鲁棒性好。

移动机器人实时目标跟踪系统设计与实现

针对单目视觉移动机器人目标跟踪的实时性和鲁棒性要求,提出了基于Kalman滤波器的改进Camshift算法检测和定位目标。将Kalman预测值作为目标初始位置,补偿摄像头和目标相对运动导致的目标在图像中的偏移。在系统"跟丢"后判断目标丢失的原因,根据原因自适应拓展搜索窗口作为Camshift算法的下一帧初始搜索窗口。为了验证改进算法的有效性,自主研制了一种应用该算法的履带式机器人实时目标跟踪系统。实验结果表明:该系统具有很好的鲁棒性和实时性。

基于显著密度的高效子窗口搜索的精准目标检测算法研究

准确性和实时性是影响目标检测性能的两项重要指标。为了在多种复杂场景中进行快速精准的目标检测,提出了一种融合超复杂傅里叶变换(HFT)显著性计算、高效子窗口搜索(ESS)和大津法(OTSU)的精准目标检测算法。该算法首先将输入图像进行HFT显著性计算,得到显著图,然后在显著图的基础上通过高效子窗口进行全局搜索并初步定位目标,最后利用大津法分割子窗口范围内的图像,并根据子窗口边界的像素值优化子窗口的位置,实现精准的目标检测。实验结果表明,新算法在保证运算速度的同时,显著提高了检测精度。

一种探雷声纳图像分割方法及应用

提出一种适用于探雷声纳图像的疑似水雷目标扫描分割方法。该方法以图像区域生长法为基础,根据探雷声纳的成像原理及水雷目标的图像特性,对区域生长法中的参数做了特别设定,分搜索和定位两步对图像中疑似目标进行扫描分割,讨论了搜索和定位两种扫描窗口的尺寸及扫描方法。将该方法应用于实际探雷声纳图像,可得到符合预定信混比要求的疑似目标区域,为基于探雷声纳图像的水雷自动判别奠定了基础。

动背景中高速掠过点目标的双窗口捕捉算法

为解决动背景下高速掠过点目标的实时探测问题,探讨了一种新的算法:首先采用基于帧间差分向量一阶范数的目标检测算法对图象进行预处理,实现大面积背景抑制,提取可疑目标点;然后,对提取的可疑目标点采用双窗口搜索算法捕捉运动点目标。该算法简单,运算量小,易于实现。实验结果验证了算法的有效性。

基于Kalman预测和Mean-shift算法的视频目标跟踪

提出一种用Kalman滤波理论和Mean-shift算法结合的视频目标跟踪方法,解决了目标变形、部分遮挡和运动速度过快问题。在初始帧中,确定跟踪目标并计算H分量直方图,将每帧图像转化为该直方图的概率投影图;在当前帧中,用Kalman滤波预测搜索窗口,并在搜索窗口中用自适应的Mean-shift算法精确匹配跟踪目标。实验结果表明,本文方法对刚体、非刚体和多目标的跟踪都具有良好的自适应性。