基于运动信息的视频图像空间目标检测

针对卫星拍摄的以深空为背景的视频图像中空间运动目标的检测问题进行了研究,提出了一种基于运动信息的目标检测算法。首先,通过均值滤波对图像进行降噪处理；然后,采用基于局部统计的可变阈值来分割单帧图像,使用灰度重心法计算像点坐标。当卫星凝视目标区域时,恒星可以认为是静止的,而目标依旧在运动,基于此,可检测出空间运动目标。基于某型卫星在轨拍摄的视频图像验证了算法的有效性。     

一种实现GEO卫星自主导航的方法

针对目前关于GEO卫星自主导航方法中存在的精度低、成本高、实现复杂、可行性一般的问题,提出了一种基于多天体目标信息实现GEO卫星自主导航的方法。使用星敏感器敏感恒星信息和紫外地球敏感器敏感地球信息,建立了高精度GEO轨道动力学模型,并设计了EKF算法、UKF算法以及MCMCUPF算法进行导航解算。理论分析和仿真验证表明,提出的方法精度高、实现易,是一种切实可行,有效的卫星自主导航方法。     

变背景下斑点状散布目标自动识别算法

从自动目标识别原理出发,通过对变背景下斑点状散布目标特性的分析,发现了该类目标图像中背景、噪声和斑点状散布目标的固有规律。进而,从图像像素灰度这一最基本的要素着手,研究了如何在大量的序列图像中搜索目标帧位置的方法。然后,基于目标轮廓提取和串行边界分割技术,解决了变背景下斑点状散布目标自动识别的难题。实验结果证明:该算法具有高效、快速、稳定、适用等优点,并为相关领域内的应用提供了宝贵的参考价值。     

自适应强杂波抑制与点状动目标检测

研究了基于自适应图像杂波抑制的微弱点状动目标检测技术。首先利用四叉树算法,将原始的非平稳图像分割成多个准平稳的图像子块,然后对各子块进行LS自适应背景杂波估计与抑制,从而获得准高斯白噪声背景;再利用目标运动连续性假设,将目标在相邻多帧上的位置状态模型化为高阶马尔可夫数据链,建立轨迹状态空间;根据该模型采用多帧沿轨迹非线性集成算法进行检测。既克服了传统的三维匹配算法造成搜索次数巨大的弱点,同时也避免了二维投影检测带来的信噪比下降。理论分析和大量仿真实验证明了其有效性。     

基于视频图像序列的3-D场景生成方法

平面序列图像的立体化表述和任意视点成生是实现３－Ｄ场景的关键技术。利用便携式摄像机沿着不同运动轨迹,连续对目标物体进行拍摄,可获得不同层次的包含有双目视差深度的平面视点序列图像。从获取的序列图像中选择不同的视点,即选择参考帧,利用与参考帧相邻的帧图像,估计参考帧位置的深度信息。采用自适应匹配算法,将各种层次的深度信息分配给图像的不同区域,形成具有不同深度层次的图像深度表示图,建立３－Ｄ观察场景。最     

无人直升机视觉着陆中的运动状态估计算法

对无人直升机(UH)视觉着陆中基于视觉图像处理的运动状态估计问题进行了研究。介绍了视觉着陆原理,分析了运动估计、特征图像处理与着陆控制间的关系,推导并建立了UH相对着陆平台位姿估计算法、线速度与角速度估计算法。相邻两帧图像对应特征点像点位置为位姿估计算法提供数据,一帧图像特征点像点位置及其对应像点平移速度为线速度与角速度估计算法提供数据。利用UH着陆控制仿真数据模拟UH着陆运动过程中像点位置及其对应平移速度的视觉图像处理结果。仿真验证了运动状态估计算法,结果表明所提出的运动状态估计算法能有效地利用视觉图像处理结果数据估计出UH的位置、姿态、线速度和角速度。     

改进的图像相关匹配算法

将遗传算法用于低对比度小目标图像相关匹配跟踪,提出了改进的快速图像相关匹配算法。结合图像匹配本身的特点,采用新的编码方式克服了二进制编码的缺点。采用NPROD匹配准则在同样的匹配效果条件下,提高了匹配精度,该算法在计算速度上较原始算法提高了至少12倍以上,同时该算法还具有每帧图像匹配计算时间基本恒定的优点,便于在实际系统中采用。实验结果表明该方法可以有效地跟踪低对比度小目标。     

航拍视频拼图中基于梯度域的多帧图像融合方法

图像融合是视频拼图中获得高质量合成图像的重要步骤。利用梯度信息引导插值融合重合区域较小的两幅图像已经取得较好的效果,然而对于视频拼图而言,相邻两帧图像之间重合区域大,且多帧图像之间交叠重合,给这种方法的实际应用带来限制。为解决这一问题,设计梯度域内同时融合多帧图像的策略,利用图像的自然边界将拼图平面进行区域划分,在各区域内分别定义引导矢量场和边界条件,实现各划分区域的一次性融合。为克服拼图平面的过划分问题,提出相应的帧选择方法和区域合并算法。将该策略用于视频拼图实验,获得了视觉效果良好的合成图像,并提高了融合效率。     

基于联合双边滤波的融合图像跟踪算法研究

为了提高跟踪精度,提出一种基于联合双边滤波的融合图像自动跟踪算法.采用帧问差分法并通过形态学处理获得运动目标大致区域,在此基础上采集目标区域及相邻背景区域的代表颜色集合,由此生成草图作为联合双边滤波的引导图,进而生成完整的目标描述,通过边缘检测获得精确的跟踪结果.实验结果表明,方法能够获得清晰准确的跟踪结果,能够较好地避免跟踪中的漂移问题,且算法复杂度低,跟踪精度高.     

基于背景补偿技术的运动目标检测研究

基于运动补偿技术,研究了动态背景视频中运动目标的检测。首先,介绍了几种视频成像模型;然后,选取六参数投影模型,结合基于图像灰度的参数估计方法和基于图像特征的参数估计方法,运用Levenberg-Marquardt算法进行图像运动参数的估计;最后,对补偿后的当前帧和参考帧作差分检测出运动目标。通过Matlab仿真试验验证了本文算法的有效性。