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。     

用RTR技术研究固体发动机燃烧室中粒子运动轨迹(Ⅱ)图象处理技术应用

针对采用RTR技术获取固体火箭发动机（SRM）燃烧室中凝相粒子运动图象的特点，应用了背景减影、图象增强、图象分割、噪声过滤、图象叠加等图象处理手段对其进行处理，获得了较清晰的粒子运动轨迹图象。结果表明图象处理技术是开展利用RTR技术进行SRM二相流研究的关键环节之一。     

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。     

航拍视频帧间快速配准算法

 为应对相机运动的影响,提出了一种快速有效的无人机(UAV)视频相邻帧图像配准算法。通过空间分布约束和角点量限制来筛选有效的FAST特征点,引入自适应阈值提高特征点检测的环境适应性,采用训练得到的不相关采样点集对特征点进行二值描述,以获得准确快速的特征描述,并通过最近邻算法根据汉明距离获得特征匹配对,最后运用RANSAC方法得到帧间仿射变换模型参数,消除相机运动带来的影响,为后续运动目标检测与跟踪提供保障。实验结果表明该算法快速、稳定,具有较高的环境适应性,能够满足无人机系统视频图像配准的要求。     

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。     

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。     

视频内窥镜技术在火箭管路上的应用

为检测火箭增压输送管路内表面缺陷,提高管路质量,开展了内窥镜技术在火箭管路内表面应用技术研究。介绍了内窥镜设备技术特点,内窥镜管路检测存在问题,设备探头选择和尺寸测量校准的工艺方法,对检测出的内表面缺陷类型进行归类总结,对难以定性的缺陷利用电镜和金相等技术进行微观分析。结果显示:采用视频内窥镜检测技术对火箭管路内表面进行检测时,应根据增压输送管路的内径尺寸优先选择直径较大的探头;采用标定缺陷对比法进行测量校准,其测量准确,现场检测适用性强;检测缺陷图像清晰,效果稳定,内表面缺陷类型定性准确,检测效果满足工艺要求。     

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。     

光学动目标的检测算法

本文阐述了一种用于空间非稳态泊松背景和噪声条件下光学运动目标的检测算法。该算法可用于恒星背景下对流星,小行星和卫星目标的光学探测,用最大似然法降低恒星干扰。可以看到:通过选择检测门限来保证恒虚警率,所得到的这种算法与目标的信号强度无关。本文对这种算法进行了分析,给出了在几种虚警率条件下的检测概率。     

基于CFD的直升机旋翼噪声计算

应用CFD技术和气动声学的时域理论,研究直升机旋翼悬停流场及气动噪声.噪声计算以旋翼流动解为基础,采用了气动声学时域理论,文中对该理论进行了推导和说明,并给出了旋翼旋转噪声的预测算例.     

复杂条件下的运动目标检测方法研究综述

运动目标检测是当前研究热点之一,被广泛地应用于计算机视觉、视频处理等领域。将运动目标检测的三种常用方法进行对比,总结其各自的适用性及局限性。针对光照变化、背景存在干扰运动、前景色与背景色接近等复杂条件,综述了相应的多种解决方案,并指出了方案算法的局限性,对复杂条件下运动目标检测方法的发展方向进行展望,从而为相关工作的进一步研究指出了方向。     

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。     

MTI data clustering and formation recognition

Image exploitation technology approaches have generally focused on the detection and spatial analysis of stationary groups of objects on the ground using various sensors. While spatial arrangement is clearly necessary in analyzing military formations, it is usually not sufficient. Typically the arrangement must be examined within some context in order to interpret a pattern of deployment. For moving objects the spatial arrangement of the group relative to the direction of motion is key to recognizing the formation. By examining ground moving target indicator (MTI) radar data over time, motion can be inferred and used to establish a context for interpreting the spatial arrangement of the data. New techniques that exploit the multitemporal nature of MTI data are described. The first is a space-time clustering technique that locates compact groups of objects that persist in time. The technique Is an application of Marr and Hildreth's edge detection methodology to the dual problem of region segmentation, or more accurately, volumetric segmentation of space-time. The second technique is based on the use of the Hough transform for recognizing moving formations such as columns, wedges, and lines abreast by analyzing the shape of clustered MTI detections (specifically the orientation of linear arrangements within the group) with respect to their direction of motion. Preliminary results from simulated MTI data sets are presented     

Detecting small moving objects using temporal hypothesis testing

This paper addresses the problem of detecting small, moving, low amplitude objects in image sequences that also contain moving nuisance objects and background noise. We formulate this problem in the context of a hypothesis testing procedure on individual pixel temporal profiles, leading to a computationally efficient statistical test. The technique assumes we have reasonable deterministic and statistical models for the temporal behavior of the background noise, target, and clutter, on a single pixel basis. Based on these models we develop a generalized likelihood ratio test (GLRT) and perfect measurement performance analysis, and present the resulting decision rule. We also propose a parameter estimation technique and compare its performance to the Cramer Rao bound (CRB). We demonstrate the effectiveness of the technique by applying the resulting algorithm to real world infrared (IR) image sequences containing targets of opportunity. The approach could also be applicable to other image sequence processing scenarios, using acquisition systems besides IR imaging, such as detection of small moving objects or structures in a biomedical or biological imaging scenario, or the detection of satellites, meteors or other celestial bodies in night sky imagery acquired using a telescope     

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。     

Video surveillance applications using multiple views of a scene

Automatic video surveillance techniques are used to detect intruders within a scene. This task is mostly reduced to the problem of detecting moving objects evaluating image sequences of a monocular camera. An essential problem of this monocular approach is its inability to measure the 3D-size and 3D-position of objects reliably, as object size and velocity are estimated within the 2D-image plane. To include 3D-information about the scene an approach using a second camera is proposed in this paper which combines the evaluation of the measurement data of the two cameras using an efficient 3D-scene model. Here, two cameras are used with an overlapping field of view, which represents an installation often used in existing video surveillance applications. It is shown that using the combined evaluation of the two cameras, the false detection rate in the case of moving shadows, leaves, birds and insects or blindings can be further reduced compared to a pure monocular evaluation     

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。