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。     

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.     

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。     

一种基于光流拟和的航拍视频图像全局运动估算方法

在多分辨率光流估算的基础上,提出了一种基于光流拟和的方法用于对航拍视频图像中的全局运动进行估算。在利用光流对全局运动模型拟和时,针对光流估算的不确定性以及图像中独立目标运动的干扰,提出了一种光流分块拟和与评估的方法用于剔除光流场中不利于全局运动估算的干扰数据,从而有效提高了全局运动的估算精度。航拍视频图像配准与独立运动检测的仿真结果均验证了算法的有效性。     

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。     

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。     

基于立体视觉的监控视频人体目标跟踪

针对普通单目监控视频无法得到视频中目标深度信息的问题,以及人体目标在视频画面中因大小变化而不能被准确检测的问题,提出了一种综合双目视觉测距进行视频中人体目标的检测和跟踪的算法。算法可以根据人体目标在视频画面中的大小,按全部人体、人体的肩部以上区域、人脸的顺序进行检测,并显示被检测出的区域相对于摄像机的距离。完成在视频画面中标记检测区域,并显示检测区域和摄像机之间距离的任务。     

基于运动形态学的掠地飞行器视频检测方法

 结合数学形态学、视频图像运动分析以及数学统计分析方法，提出了一种用于空中预警控制系统(AWACS)的小型掠地飞行器运动形态学视频检测方法。该方法首先应用形态学tophat滤波提取出视频图像中的可疑目标(SO)，并求取SO的运动参数，利用真实目标和类目标干扰的不同运动特性，应用数学统计的方法对各运动参数进行分析以剔除部分类目标干扰，从而获得潜在目标(PT)的灰度分布和运动参数。在应用形态学tophat滤波器进行可疑目标提取中，一种新的金字塔型结构元的引入有效减少了虚警数量。外场试验表明，该检测方法能够有效抑制航拍掠地飞行器视频图像中的地物干扰，降低虚警目标的数量。     

基于图像质量度量准则的空间目标平动补偿

为了获得空间目标的微动信息,需要对雷达回波中的高速平动分量进行精确补偿。针对空间目标高速运动对微动信息提取的影响问题,首先分析了空间目标平动对微多普勒频率的调制影响,得到目标高速平动,特别是平动加速度、平动加加速度对微多普勒频率趋势性调制现象将干扰微多普勒频率提取的结论。在此基础上,利用目标平动直接导致目标多普勒频谱展宽的特点,提出了一种基于图像质量度量准则的空间目标平动参数估计方法,并根据估计出的平动参数实现运动补偿。最后,采用空间目标多散射中心模型,进行平动补偿分析,仿真结果验证了该方法的有效性。     

基于预警卫星系统的临近空间飞行器跟踪简

 系统地研究了如何对临近空间飞行器进行有效实时跟踪的问题,并提出了一种基于约束总体最小二乘与自适应交互式多模型（CTLS-AIMM）滤波相结合的实时跟踪滤波算法。首先考虑到临近空间飞行器的特点,选择使用红外预警卫星系统探测目标飞行器,并使用约束总体最小二乘算法（CTLS）对目标进行粗定位;然后在粗定位信息基础上,使用自适应交互式多模型滤波算法（AIMM）对目标飞行器进行实时跟踪。在AIMM中,根据临近空间飞行器机动特性,合理选择目标模型集,并使用迭代最小二乘算法对模型参数进行自适应调整。通过仿真,验证了该跟踪滤波算法的可行性。     

基于预警卫星系统的临近空间飞行器跟踪

系统地研究了如何对临近空间飞行器进行有效实时跟踪的问题,并提出了一种基于约束总体最小二乘与自适应交互式多模型（CTLS-AIMM）滤波相结合的实时跟踪滤波算法。首先考虑到临近空间飞行器的特点,选择使用红外预警卫星系统探测目标飞行器,并使用约束总体最小二乘算法（CTLS）对目标进行粗定位;然后在粗定位信息基础上,使用自适应交互式多模型滤波算法（AIMM）对目标飞行器进行实时跟踪。在AIMM中,根据临近空间飞行器机动特性,合理选择目标模型集,并使用迭代最小二乘算法对模型参数进行自适应调整。通过仿真,验证了该跟踪滤波算法的可行性。     

改进的特征匹配雷达视频运动目标跟踪算法

针对密集杂波和复杂多目标情况下,特征匹配跟踪算法定位跟踪精度较低的问题,提出一种改进的特征匹配雷达视频运动目标跟踪算法。首先,从单帧雷达图像检测结果中提取目标的面积、位置、不变矩信息,在运动目标得到判定后,利用卡尔曼滤波的预测位置以及上一帧特征信息进行目标匹配;然后,根据匹配位置和预测位置给出目标估计位置,并进行特征信息更新;最后,输出目标的特征信息、位置信息和运动参数。利用某型导航雷达上采集的实测数据验证了算法的有效性。     

低信噪比图像目标检测技术研究——Ⅰ.数据流程与背景感知

提出了一种将背景区域感知与目标特征分析相结合的自动提取图像目标的层次化数据处理流程;探讨了线性预测估计和非线性均值滤波两种常用背景估计技术和自适应空间滤波的形态学背景感知方法。实验测评表明,形态滤波算法对背景的自适应感知能力强,能真实贴切地反映图像背景的起伏变化规律。     

基于稀疏分解的空间目标双基地ISAR自聚焦算法

空间目标双基地逆合成孔径雷达（ISAR）成像中,双基地角时变会造成二维图像的散焦。针对此问题,在三大同步理想可实现的条件下,以平稳空间目标为研究对象,分析了空间目标双基地ISAR成像原理,研究了双基地角时变对二维图像散焦的影响机理,提出了利用稀疏分解实现高精度自聚焦的算法。首先,将半双基地角的余弦进行泰勒展开;其次,结合目标的平动及转动条件,将成像相位项用多项式建模;然后,利用稀疏分解算法估计多项式的二次项系数,据此构建补偿项完成相位补偿。算法利用L-曲线准则选取正则参数,基于目标尺寸的先验信息构建冗余基的高分辨因子,利用推广的正则化欠定系统聚焦求解（FOCUSS）算法实现稀疏表示系数的估计,在恰当选取词典分辨率的条件下,算法可实现二次相位项的精确补偿,仿真实验验证了算法性能优于常用的非参数化自聚焦算法。