基于加权插值算法的激光光斑中心检测

激光光斑成像质量是激光制导武器的重要指标之一,而传统的亚像素定位算法,面临抗干扰能力弱,定位精度低和软件实现复杂等问题。为实现实时高精度激光光斑检测,本文提出一种改进的加权插值的亚像素细分算法,通过对图像中光斑范围内一定区域的所有有效像元节点分组进行插值计算,并将各组结果进行加权处理以获得更高的光斑定位,显著提高了精度和稳定性。经过误差分析和实验证明,此算法有效提高激光光斑中心检测抗干扰性能和定位精度。

基于形态学和光流方程的光斑中心计算方法

针对图像序列中微小光斑中心位置的计算,本文提出了一种结合灰度形态学原理和光流估计方程的中心计算方法。在对图像序列逐一进行灰度膨胀后,根据光流方程对连续三帧图像进行位置转换并叠加,完成图像中微小目标的能量增强,从而使传统的重心算法在处理这一类图像时能够达到亚像素精度。经过误差分析和实验证明,这一方法有效的解决了微小目标的中心位置计算问题。

光流向量补偿模型的运动目标检测

针对计算机视觉中的运动目标跟踪与检测问题,特别是运动目标被遮挡丢失和大幅度机动现象,提出了一种基于Lucas-Kanade光流向量补偿算法的运动目标检测方法。该方法利用Lucas-Kanade光流算法计算帧间的光流向量,并选用丢失目标的图像附近若干帧序列图像之间的光流关系,对丢失的光斑目标位置进行估计,以此对序列图像进行补全。实验表明该算法相对于其他传统光流法,提高了光流估算的精确性和可靠性,能更好地检测出运动目标。