基于概率模型运动检测技术的视频对象分割技术研究

MPEG-4最重要的特点是用音频-视频对象来描述内容和进行编码。这就需要按照视频对象进行视频图像分割,而视频对象具有时域和空域这两大特点,而时域分割又占主要的地位。研究了一种时域分割算法,即研究了一种运动检测技术方案,采用Til Aach,Andre Kaup提出的基于概率模型的运动检测技术,用Gauss模型描述噪声引起的像素值变化,将运动目标和有噪声的背景区别开来。最后,采用二值开闭重建滤波器来去除前景和背景中的“小洞”,从而获取了最终的运动检测掩码。     

结合核相关滤波器和深度学习的运动相机中无人机目标检测

针对无人机与相机快速相对运动造成的运动模糊问题，以及小型无人机外观信息缺失和背景复杂造成漏警和虚警问题，提出了一种新的无人机检测-跟踪方法。针对成像尺寸小于32像素×32像素的无人机目标，提出改进的多层特征金字塔的分类和目标框回归器作为目标检测器，克服漏警。利用检测结果初始化基于核相关滤波的目标跟踪器，并持续修正跟踪结果，跟踪结果为剔除检测器虚警提供依据。在跟踪过程中，引入对观测场景纹理自适应的相机运动补偿策略实现目标重定位。多场景下的实验结果表明：提出的方法在对高速运动小目标的检测和跟踪指标上显著优于传统方法，且运动补偿机制的引入进一步增强了方法在极端复杂场景下的鲁棒性。     

复杂背景下红外弱小运动目标检测的新方法

提出了一种用于检测不同类型复杂背景下红外弱小运动目标的新方法。该方法能够根据图像信息自动选择背景预测算子;同时,针对不同类型复杂背景中目标和背景特性的差异,提出了“局部小目标可辨识度”的概念,并定义了一种有效的方法将其量化。在此基础上,采用蒙特卡罗实验方法构造了一种新的阈值函数,实现了单帧目标的检测,然后采用移动加权管道滤波提取目标的运动轨迹。实验结果表明,该方法对不同类型复杂背景的红外弱小运动目标具有很好的检测性能。     

基于空域特性的低空空域雷达目标检测

为实现基于非相参雷达的低空空域监视,提出一种基于空域特性的杂波抑制算法,通过构造"最优分类面"来区分复杂低空空域雷达图像中的小弱目标和杂波,极大改善了非相参雷达的低空探测能力。首先,采用背景差分与固定阈值分割建立前景和背景统计模型。然后,基于该模型提取空域特性,建立马尔可夫随机场模型,从而自适应地调节"最优分类面"中的阈值。前景模型数据反映了待检测像素的聚集程度,背景模型数据反映了其相对位置。将本算法分别应用于X波段和S波段航海雷达获取的图像序列。检测结果表明:本算法在检测到低空空域小弱目标的同时,能够将虚警率保持在较低的水平,优于恒虚警检测等经典算法。最后,将本算法与已经实现的目标跟踪算法相结合,实现了一整套完整的低空空域雷达目标检测与跟踪算法。     

基于改进型CFAR的SAR图像目标检测算法

针对传统的双参数恒虚警率(Constant False Alarm Rate,CFAR)算法存在的虚警率高、实现过程繁琐、算法执行效率低等问题,提出了一种改进型的CFAR检测算法。该算法根据SAR图像的统计直方图,对可疑的目标像素进行预筛选,再用2个滑动窗口对像素进行判别。改进型的CFAR检测算法简化了原检测算法的结构,降低了检测结果的虚警率,提高了算法的计算效率,并在国际公开的雷达数据集上进行软件与DSP硬件的应用验证,测试表明该算法的有效性。     

一种基于背景自适应的运动目标检测与跟踪算法

背景图像差分法是运动目标实时检测中常用的方法,但缺乏背景图像随监视场景光照变化而及时更新的合理方法,限制了该方法的适应性。对此,文章首先提出了一种自适应背景更新方法;然后利用最大类间方差法实现运动目标的自适应阈值分割,并利用基于形态学方法的连通区检测算法检测运动目标;最后以Kalman滤波为运动模型实现对运动目标的连续跟踪。实验结果表明:所提方法可随着光照条件的变化,实时、准确地检测出运动目标并实现稳定跟踪。     

基于邻帧差分近邻反相特征的红外运动点目标检测算法

基于运动点目标在邻帧差分图像中所具有的近邻反相特征,即运动点目标的两个位置相邻近、灰度值一正一负,提出一种在复杂背景下,基于红外序列图像的运动点目标检测算法.本算法利用该特征在邻帧差分图像中检测反相点对,进而构造反相点对矢量图,最后依据累积反相点对矢量图中多矢量首位相接的连续性检测出运动的点目标.文中给出并证明应用本算法能以概率1检测到运动点目标的收敛性定理.对典型复杂背景下10幅1000帧图像的仿真结果表明,当信噪比大于或等于1.5时,可以有效检测出运动点目标.     

基于帧差和背景建模的卫星视频目标检测

传统单一的目标检测方法运用在卫星视频时不能得到理想的检测效果,特别针对一些目标纹理特征匮乏,背景变化明显的卫星视频来说适用性更差。文章提出一种结合背景模型更新的混合高斯背景建模和多帧差分的算法,通过抽取吉林一号卫星视频中某2帧的2个不同场景,对比了多帧差分法、单高斯背景建模法和本文提出的算法,较好地解决了卫星视频微小目标检测中易产生检测率低、虚警率高的问题,提高了检测的正确度、完整度和质量,在遥感卫星视频运动目标检测中具有良好的应用潜力。     

多局部节点异步抗差航迹关联算法

为解决航迹异步与系统误差并存情况下的多局部节点航迹关联问题,提出一种基于区间序列离散度的多局部节点异步抗差航迹关联算法。定义区间型数据集的离散信息度量,给出系统误差下航迹序列区间化方法,通过累次积分计算离散度,结合多维分配进行关联判定。针对多局部节点上报目标不完全一致现象,设置零号航迹管理关联质量。与传统算法相比,无需时域配准,可在系统误差下对异步航迹直接关联。仿真结果表明,算法能在局部节点上报目标不完全一致场景下实现有效关联,且正确关联率随局部节点数目的增加或目标密集程度的增大而提高。     

基于关键点检测的红外弱小目标检测

红外弱小目标检测旨在从复杂的背景中检测出红外弱小目标，该技术在监视预警系统、精确制导等方面具有重要应用价值。针对已有的传统算法存在漏检、误检，深度学习中基于语义分割的检测方法易受“过分割”与“欠分割”影响等问题，提出了一种基于关键点检测的红外弱小目标检测算法（KeypointNet）。主要创新点为：直接优化目标中心点坐标，提高了检测效率，有效地保证了目标的检测率与虚警率；设计了一种从低层级到高层级的特征融合模块，获取了目标的多尺度信息，提升了检测效果。在相关数据集上的实验表明：KeypointNet算法的检测率能够达到97.58%，同时虚警率在2%以下，与其他算法相比取得了最好的效果。     

一种基于类间方差的地平线检测算法

 针对视觉导航中用于微型飞行器（MAV）稳定飞行控制的地平线提取问题,提出一种基于类间方差的地平线检测算法。该算法使用角度和距离两个变量进行图像中直线的穷举,选取像素的蓝色分量作为区分天地的特征,利用类间方差构造判别准则进行直线的最优选择,从而实现地平线的检测。实验结果表明：与基于色彩协方差矩阵的地平线检测算法相比,本文算法对地平线检测的平均角度误差减少1°,距离误差减少3个像素,角度和距离参数的检测正确率分别提高1.98%和4.95%,且具有良好的速度特性。     

基于自适应混合高斯模型的运动目标检测

随着智能视频监控应用领域的不断拓展,为了在各种复杂场景下都能快速稳定地检测出运动目标,众多研究者提出了很多解决方法。鉴于背景减除法自身在算法理论的复杂度小,且对不同场景适应性强的优点,成为运动目标检测研究领域的基础方法。而在背景减除法的各种背景建模方法中,混合高斯模型方法以其适应性强、灵活高效的优点成为该领域的经典方法。详细介绍了背景更新机制中常用的混合高斯模型,并据此研究了基于自适应更新率的高斯背景建模方法,经过对比试验,论证了改进方法在建模速度上的大幅度提升。     

基于动态规划的低可观测目标检测与跟踪

动态规划算法用于检测与跟踪低可观测的运动目标,它是一种“检测置前跟踪”技术,在检测到目标的同时得到目标航迹。通过仿真,给出了动态规划算法的处理结果并分析了动态规划算法的性能。结果表明该算法在低信噪比时可以观察到较好的性能,但是当信噪比进一步下降时,其性能会迅速下降。     

动态背景下基于金字塔LK光流的运动目标检测

提出了一种动态背景下基于金字塔LK光流的运动目标检测方法。首先采用Shi-Tomasi角点检测法提取图像的强角点,再用金字塔LK光流法计算下一时刻这些特征点的对应位置,得到匹配的多组特征点对。利用这些特征点对建立仿射变换模型并计算仿射参数,对图像做仿射变换消除背景运动带来的误差,最后用帧间差分法处理得到前景目标。实验结果表明,本方法能够以较好的实时性、稳定地检测和提取动背景下的运动目标。     

星点图像的目标提取算法研究

对于星点灰度重心法等亚像素提取算法来说,需要提取星点区域内的每一个像素。基于扫描的边界搜索法只能获取目标的边界像素,文中对其进行了扩展,通过判断边界像素中最大最小行列数来确定目标区域的具体范围,从而提取目标区域内的每一个像素。针对大视场星点图像目标范围小、相互间距离远的特点,为减小计算量,提出了基于视框搜索的目标提取算法。通过实验证明,基于视框的算法在计算量上比基于边界搜索的算法减少3/4。     

红外航空图像自动目标识别的形态滤波神经网络算法

 提出了一种有实用意义的形态滤波神经网络模型及其自适应 BP学习算法。形态滤波网络的优化设计过程实际上是网络参数 (结构元素 )不断调整、逐步适应图像环境的优化学习过程,从而将目标客体的特征规律反映到网络结构上来,以实现对复杂变化的图像具有良好的滤波性能和稳健的适应能力。为结合运动图像目标的检测需要,采用了渐进收缩误差、适时校正网络权值的动态跟踪学习算法。通过实验结果可以看出,该算法不仅能适应复杂多样的背景环境,而且对运动目标的连续检测能力具有位移不变、伸缩不变和旋转不变的特性。     

基于改进的二维Otsu法的图像分割法

针对Otsu阈值法仅适合图像目标和背景分布呈正态分布且各像素量和方差基本相当的不足,提出了一种基于二维Otsu的改进算法,实验结果表明,该算法比传统Otsu阈值法能够获得较好的分割效果.     

一种基于边缘特征的背景差分运动目标检测方法

针对背景差分运动目标检测中目标边缘不够精确的问题,提出一种基于边缘特征的背景差分运动目标检测方法.该方法结合了均值背景的总体特性和对称帧差的实时性.首先,利用包含同一图像的两幅对称帧差相与结果获取运动目标的准确边缘,并将其作为目标分割的边界限制;然后,利用背景差分方法获取运动目标区域范围,提取目标像索点作为区域生长的种...     

基于运动特征和中心环绕模型的空对地车辆检测方法

平台的移动基于空基车辆检测以其视野广、速度快、适应性强等优点,近些年成为了智能交通和航空应急救援等领域内的一个热点课题。然而,在城市背景的交通环境下,由于复杂背景造成的干扰、车辆运动的不规律性以及光照等条件变化带来的噪声,有效地获取运动对象特征是空对地视觉监视方法面临的一个难题。为有效解决这一问题,提出了结合运动特征的中心环绕模型进行空对地车辆检测的算法。现有的空对地车辆检测算法,大多是针对固定的摄像头的情况下,基于运动特征进行检测,例如光流法、背景差法等。这些方法在对高速公路等背景相对较为简单的环境下获得了良好的检测结果,但当面对城市复杂背景条件或摄像头自身运动的状况时,难以有效地检测出运动目标。而在对颜色、强度等静态特征进行显著度分析的基础上,加入了对运动特征的分析,可以解决在复杂环境下准确提取车辆目标有效特征的问题。试验表明,相较于基于图像相减的检测算法和单一显著度算法,该算法可以获得更高的检测率与更低的误报率。     

海杂波的多重分形判定及广义维数谱自动提取

海杂波中的微弱目标检测历来是一个难题,传统的检测方法一直不能得到较好的检测效果。多重分形理论的引入为海杂波中微弱目标检测提供了一个很好的途径。文章提出了多重分形无标度区间自动识别的改进算法,既保留了该算法的客观性,又降低了它的保守程度,使估计的区间更贴近真实无标度区间,同时实现了广义维数的自动计算。实验证明,该方法优于原方法,结果更为精确。