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。     

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。     

基于高斯混合概率假设密度滤波的扫描型光学传感器像平面多目标跟踪算法

高斯混合概率假设密度(GM-PHD)滤波是一种基于随机有限集理论的次优贝叶斯多目标跟踪方法,本文研究了该算法在扫描型光学传感器像平面的多目标跟踪问题.针对典型的锥扫模式和推扫模式,根据其扫描特性建立目标的运动模型和测量模型.介绍高斯混合概率假设密度滤波的基本原理.针对原算法在强杂波环境中的低效率问题,借鉴传统多目标跟踪...     

一种提升鬼影抑制性能的改进视觉背景提取算法

运动目标检测为视频帧生成指示运动目标像素的二值图,因此,正确判别待检测场景中的运动目标像素和背景像素是运动目标检测算法的主要任务。本文针对传统场景提取算法背景模型初始化导致的“鬼影”问题,提出了时域区间参考模块,该模块通过时域区间内像素的统计值生成背景参考值,在像素判别阶段利用候选前景像素与该参考值的差异进一步确定前景像素。实验结果表明,本文提出的方法对传统视觉背景提取算法性能进行了提升,对“鬼影”有较强的抑制作用,提高了检测准确度,具有较好的检测性能。     

泊位引导系统中运动物体的检测与分类

重点研究了基于视觉检测方式的机场泊位自动引导系统的图像预处理算法。提出改进的基于混合高斯模型的运动检测算法,有效抑制了分割运动缓慢且成像面积比较大的物体时易出现的“拖尾”现象。提出了基于颜色色度信息的阴影检测算法,成功地检测出运动物体的阴影。在此基础上设计了分类器,区分泊位飞机与泊位场景中其他运动物体。在实际机场泊位自动引导系统中的应用证明了所提出算法的有效性和实用性。     

基于高斯混合模型的航迹抗差关联算法

针对雷达系统误差时变、上报目标不完全一致等复杂场景下目标航迹关联问题，采用高斯混合模型（GMM）与航迹间拓扑信息相结合的方法实现航迹抗差关联。将航迹关联问题转化为图像匹配中的非刚性点集匹配问题，建立对非同源航迹具有鲁棒性的高斯混合模型，根据航迹间的邻域拓扑信息决定高斯混合模型中各高斯组成部分的权重，利用期望最大值（EM）算法求解高斯混合模型的最优闭合解，在期望步（E-step）阶段求解航迹的对应关系，在最大化步（M-step）阶段求解非同源航迹比例，最后进行航迹关联判决以获得关联结果。仿真结果表明，该算法在不同系统误差、目标分布密度、探测概率等环境下具有较好有效性和鲁棒性。     

复合高斯杂波中距离扩展目标的迭代近似GLRT检测器

 研究了结构化的复合高斯杂波(CGC)背景中距离扩展目标自适应检测问题。针对异质杂波背景中的近似广义似然比检验(AGLRT-HTG)检测器应用于CGC背景中时存在一定的信杂比损失问题,结构化的复合高斯杂波采用自回归过程建模,结合近似广义似然比检验(AGLRT)方法和迭代估计思想,提出了CGC背景中距离扩展目标的迭代近似广义似然比检测器(RAGLRT-CGC)。从理论上分析了极限情况下RAGLRT-CGC虚警概率与检测门限关系的解析表达式。仿真结果表明,在CGC背景中,RAGLRT-CGC对不同多主散射点目标具有较好的鲁棒性,并且检测性能明显优于AGLRT-HTG。     

基于时空显著性建模的空中飞行器跟踪方法

以复杂背景下空中飞行器的鲁棒视觉跟踪问题为研究背景，为解决现有跟踪方法目标表征模型不够精确，算法鲁棒性严重受到目标形变、宽高比变化、复杂背景等因素干扰的问题，提出了建模跟踪场景中独立物体的显著性特性，用于构建精确的目标模型。提出的显著性估计方法有别于传统的单帧检测方法，利用跟踪算法提供的背景先验知识以及多帧图像观测数据，使用时空联合的方式进行建模估计，其结果用来指导目标跟踪算法选取有效视觉特征，建立精确目标表征模型，减小背景区域对算法模型的干扰。实验表明，提出的方法为上述难点问题提供了有效的解决方案，对空中飞行器的跟踪精度与鲁棒性优于大多数最先进的主流方法，在其他类型的目标跟踪任务中也有十分优越的性能表现。     

子空间干扰加高斯杂波背景下基于 GLRT的斜对称方向检测器设计

文章研究了背景为子空间干扰加高斯杂波的距离扩展目标方向检测问题。杂波是均值为零协方差矩阵未知但具有斜对称特性的高斯杂波,目标与干扰分别通过具备斜对称特性的目标子空间和干扰子空间描述。针对方向检测问题,利用上述斜对称性,根据广义似然比检验(Generalized Likeli-hood Ratio Test,GLRT)准则的一步与两步设计方法,设计了基于 GLRT的一步法与两步法的距离扩展目标方向检测器。通过理论推导证明了这 2种检测器相对于未知杂波协方差矩阵都具有恒虚警率。对比相同背景下已有检测器,特别是在辅助数据有限的场景下,文章提出的 2个检测器表现出了优越的检测性能。     

一种新的混合高斯模型的学习算法

混合高斯模型是背景对消中一种非常有效的方法.本文提出了一种有效的混合高斯模型的学习算法.与以前的方法不同在于:a.根据最大似然准则,在线的更新模型的参数;b.定义了遗忘因子和学习率因子,并根据它们实际的物理含义,得到了更一般的形式.运用这种算法对模拟视频数据和真实视频处理,结果表明,本文提出的学习算法无论在收敛速率,还是在准确性方面,都要优于以前的方法.     

Multipath mitigation method based on Gaussian mixture model in RF relative measurement

Radio Frequency (RF) technology represents a high-precision relative navigation solution that has significant potential for application to earth-orbiting satellites. In precision applications, multipath errors dominate the total error because observables, which are used to estimate carrier-phase integer ambiguity, are not always subject to a Gaussian distribution when dual-frequency ambiguity estimation methods are used in the presence of multipath. As it has been shown that ranging observables obey a Gaussian mixture distribution, this study proposes improvements to the accuracy of estimation based on multipath mitigation founded on the Gaussian mixture model. To this end, such a model is created for integer ambiguity resolution in the presence of multipath, using which the theoretical error in dual-frequency ambiguity estimation is derived. Expectation Maximization (EM), which aids dual-frequency ambiguity estimation, is subsequently proposed to reduce the effect of multipath errors. Finally, two experimental scenarios are implemented to test the performance of the proposed method. The results show that EM-aided dual-frequency ambiguity estimation reduces the range error to approximately 20% in comparison with simple dual-frequency ambiguity estimation. Therefore the proposed technique is effective for multipath mitigation in RF relative measurement.     

Coherent detection of radar targets in a non-gaussian background

The problem of detecting radar targets against a background of coherent, correlated, non-Gaussian clutter is studied with a two-step procedure. In the first step, the structure of the amplitude and the multivariate probability density functions (pdfs) describing the statistical properties of the clutter is derived. The starting point for this derivation is the basic scattering problem, and the statistics are obtained from an extension of the central limit theorem (CLT). This extension leads to modeling the clutter amplitude statistics by a mixture of Rayleigh distributions. The end product of the first step is a multidimensional pdf in the form of a Gaussian mixture, which is then used in step 2. The aim of step 2 is to derive both the optimal and a suboptimal detection structure for detecting radar targets in this type of clutter. Some performance results for the new detection processor are also given     

基于混合粒子滤波的激光惯导系统误差的补偿

针对激光陀螺捷联惯导系统在动态尤其是高动态环境下的姿态误差显著增大的问题,提出了一种基于改进高斯混合粒子滤波的纯方位跟踪算法。算法基于混合粒子的卡尔曼滤波和粒子滤波的特点,用有限的高斯模型来近似后验状态密度、系统噪声和观测噪声的分布通过EM的算法设计实现模型的降阶,一定程度上克服了EM算法迭代的结果需要依赖初始值、可能收敛到局部最大点或可能收敛到参数空间边界的缺点,从而改善了粒子携带信息的衰减问题。通过仿真与试验结合,在纯动态应用环境下的姿态与定位精度补偿效果,与传统Kalman滤波相比,算法在保持高精度估计能力的同时,具有较强的鲁棒性,是解决非线性系统状态估计问题的一种有效方法。     

基于复Shearlet域高斯混合模型的SAR图像去噪

 结合双树复小波的平移不变性、多分辨率性和剪切波变换的灵活可选的多方向性,提出一种新的图像表达方法——复Shearlet变换。针对合成孔径雷达(Synthetic Aperture Radar,SAR)图像的相干噪声特点,建立了复Shearlet系数域的高斯混合模型(Gaussian Mixture Model,GSM),在此基础上应用贝叶斯最小二乘法进行系数估计,最后进行复Shearlet反变换得到去噪以后的SAR图像。仿真结果和分析表明:本文提出的算法相比其他变换域去噪算法,不仅去噪后的图像的峰值信噪比(Peak Signal to Noise Ratio, PSNR)有所提高,而且去噪后的图像更平滑,且与Shearlet域高斯混合模型相比,本文算法速度快了两倍多。     

A nonlinear IMM algorithm for maneuvering target tracking

In target tracking, the measurement noise is usually assumed to be Gaussian. However, the Gaussian modeling of the noise may not be true. Noise can be non-Gaussian. The non-Gaussian noise arising in a radar system is known as glint noise. The distribution of glint noise is long tailed and will seriously affect the tracking performance. We develop a new algorithm that can effectively track a maneuvering target in the glint environment The algorithm incorporates the nonlinear Masreliez filter into the interactive multiple model (IMM) method. Simulations demonstrate the superiority of the new algorithm     

一种超声速状态下机载推进系统模型的建模方法

为了满足机载航空推进系统模型对精度、实时性及数据存储量的苛刻要求，提出了一种机载模型建模方法.对传统的机载稳态模型建立过程中使用的相似准则进行了充分讨论，得出了一种具备更高建模精度的相似准则.在新的相似准则基础上，建立了包含泰勒展开式中非线性2阶项的高精度稳态变量模型，有效解决了分段线性稳态变量模型在大包线、变状态条件下精度难以保证的问题；为了解决超声速状态下安装推力与发动机净推力差别较大的问题，建立了考虑外流特性的简化进气道模型，给出了一种计算安装推力的方法，即由简化发动机模型计算安装推力中符合相似准则的部分，由进气道模型计算溢流阻力、放气阻力及发动机推力中不符合相似准则的部分.仿真结果表明:基于新的相似准则所建立的机载模型具有大包线、变状态适应性，输出参数误差均在0.5%以内.      

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...