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。     

基于DSP和FPGA的视频编码器协同设计与算法优化实现

采用DSP和FPGA协同技术设计实现了一个高性能的MPEG-4视频编码器。FPGA模块完成视频采集、YUV分离、数据I/O等功能,而使用DSP专一进行视频压缩编码。针对DSP片内资源特点设计了片内存储器数据分配方案,并根据该方案优化了MPEG-4视频压缩的数据流模式。提出了基于宏块空间复杂度的宏块类型判断算法,有效地降低了视频压缩算法的计算复杂度。测试结果表明,采用MPEG-4视频标准该视频编码器每秒能够压缩39.2帧CIF图像。     

基于DSP平台的机载高清视频编码器设计与实现

针对无人机(UVA)航拍对高清视频的需求,设计并实现了基于数字信号处理器(DSP)平台的MPEG-4高清视频编码器,具有体积小、功耗低和可靠性高的特点.根据DSP片内资源设计了存储器分配方案,优化了编码过程中的数据流传输,降低了数据访问对编码速度的影响.针对视频编码算法中复杂度较高的部分,采用了基于预测的运动估计,减少...     

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。     

基于视频的机场跑道异物检测技术研究

针对基于视频监控的机场跑道异物自动检测问题,对现有的目标检测方法进行研究。首先介绍了现有的目标检测算法,并对各个算法的优缺点、适用性进行了比较分析;其次给出了Canny边缘检测法和背景差分法的模拟实验结果;最后指出了机场跑道异物检测系统检测算法亟待解决的问题。     

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。     

一种基于语义分割的机场跑道检测算法

针对复杂电磁作战环境下无人机自主着陆应用场景,提出了一种基于图像语义分割的机场跑道检测算法,并设计构建了轻量高效的端到端跑道检测神经网络RunwayNet.在特征提取部分,使用空洞卷积对ShuffleNet V2进行改造,得到了输出特征图分辨率可调的主干网络,并利用自注意力机制设计了自注意力网络模块,使网络具备全局跑道...     

对象标识技术研究

概述了对象的概念及特征,介绍了两类用于标识对象的技术,并对这两类技术进行细化,研究了各种技术在实际中的应用,指出它们是OOA的基础.     

基于改进圆域分割方法的混沌微弱信号检测

针对Melnikov方法和Lyapunov指数法在确定Duffing振子混沌阈值时计算繁琐、耗时较长的问题,提出基于改进圆域分割的相图识别方法。以圆域内相点比例为指标,利用其在系统相变时急剧变化这一特性进行微弱信号的检测。改进圆域分割方法的圆域半径取值更加灵活,使混沌阈值的确定更加方便。仿真实验表明,信噪比为-60 d B时检测正确率达89%,验证了该方法的有效性。     

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。     

MAP-CA在视频压缩中的应用

信息时代的重要特征是信息的数字化,但数字化的视频数据量是非常巨大的。为了使数字化的视频信号更有效地传输,对其进行压缩势在必行。应用MAP-CA这个DSP芯片可以对视频图像进行MPEG-4标准的压缩,压缩比可以达到1000:1。在公用电话线上就可以连续传输视频,并能保持图像的质量,最高图像清晰度为768×576,可以达到接近DVD的画面效果。     

基于动态RCS的隐身飞机探测概率研究

动态RCS是影响战斗机突防概率的重要因素。围绕动态RCS这一关键要素,建立了空空动态RCS求解模型,得到了典型机动下战斗机的动态RCS变化规律,并分析了基于动态RCS的典型机动下的雷达探测概率。基于仿真的静态RCS数据库,耦合飞机抖动模型,研究了拉升机动、空间机动以及空空对抗下某型隐身飞机的动态RCS。通过仿真发现:战斗机的机腹、垂尾及尾喷管部位RCS较大,从而导致了较高的探测概率;对于拉升机动,保持较大的航路捷径更有利于隐蔽突防。     

一种基于PXI总线复合视频信号转接卡

介绍了基于PXI总线、多路视频信号转接卡PXI接口电路、转接功能和软件驱动的设计,实现了利用AD8111转接芯片完成了将单路信号转接到所需的通道上进行测试的目的。     

基于巡检方案事件检出概率的长距管线无人机总体设计

人为盗油案件是危害油气管线安全的主要形式之一,采用无人机对管线进行监控具有高效、灵活、不受地形限制等优势。通过建立无人机(UAV)管线巡检的数学概率模型,定量研究影响事件检出概率的因素,提出提高事件检出概率的方法;通过定量研究不同任务模式及其组合下巡检方案的事件检出概率,与无人机总体设计相联系,总结出基于目标的无人机总体和方案协同设计方法;最后对比分析并优选出最佳方案。     

基于多层激励函数量子神经网络的入侵检测研究

为解决传统入侵检测模型所存在的检测效率低,对未知的入侵行为检测困难等问题,对神经网路隐层激励函数进行了研究,利用多层激励函数的量子神经网络模型进行入侵检测,该量子神经网络借鉴量子理论中量子态叠加的思想,使得隐层神经元能表示更多地状态或量级,从而很好的对入侵类型进行分类,增加隐层神经元的处理速度和检测性能法。实验表明,叠加的每个sigmoid函数较传统的sigmoid函数不仅对已知的入侵具有较好的识别能力,而且能较好的识别未知入侵行为,从而实现入侵检测的智能化。     

基于厚壁工件X射线实时成像的焊缝缺陷自动检测

基于X射线成像的焊缝缺陷自动检测技术对提高工业射线检测的自动化水平具有重要意义。焊缝缺陷在线连续检测的实时性要求较高,随着工件厚度的增加,其焊缝X射线实时图像的信噪比变得很低,使得已有的处理算法难以满足实时性以及有效处理缺陷误检与漏检之间的矛盾。针对这些问题,在分析了传统方法在厚壁工件X射线图像焊缝缺陷自动检测中存在的问题基础上,对传统方法进行了改进,提出了双阈值背景消除法和平行焊接方向波形分析法,然后利用所提出算法之间的冗余性和互补性,融合多种分割结果以解决缺陷误检与漏检之间的矛盾。试验结果表明,所提出的缺陷自动检测方法能够在满足实时性要求的同时,实现缺陷检出,有效避免误检。     

基于Stern-Volmer关系式的压力敏感涂料特性研究

Stern—Volmer关系式建立了荧光光强与表面压力之间的函数关系,是光学压敏涂料测压技术的理论基础和核心。从光化学的基本理论和基本模型出发,推导和整理出多种形式的SterwVolmer关系式,并简要评价分析了每种形式的特点及适用范围,同时,基于Stern-Volmer关系式衍生式,研究分析了压力测量值偏差、最优测压范围和压力灵敏度等压敏涂料特性参数的规律特点以及对PSP测量的影响,得出了一些对PSP测压技术工程应用具有重要参考意义的结论,     

基于预浸纱自动铺放缺陷的分割算法

为保证预浸纱自动铺放成型制件的性能,基于图像处理技术,根据预浸纱表面图像沿纤维方向灰度均匀的特性,提出了一种结合灰度补偿和差影分割的缺陷分割算法。利用图像灰度补偿矩阵对图像进行灰度补偿,依据图像的灰度误差服从正态分布的特点剔除图像矩阵中的极大误差点,并建立标准背景图像,以允许差值系数K作为判据进行差影分割。结果表明:该算法对气泡、异物两种典型铺放缺陷分割效果好、速度快,为实现自动铺放缺陷在线监测提供了良好的理论基础。     

A salient edges detection algorithm of multi-sensor images and its rapid calculation based on PFCM kernel clustering

Multi-sensor image matching based on salient edges has broad prospect in applications, but it is difficult to extract salient edges of real multi-sensor images with noises fast and accurately by using common algorithms. According to the analysis of the features of salient edges, a novel salient edges detection algorithm and its rapid calculation are proposed based on possibility fuzzy C-means （PFCM） kernel clustering using two-dimensional vectors composed of the values of gray and texture. PFCM clustering can overcome the shortcomings that fuzzy C-means （FCM） cluster- ing is sensitive to noises and possibility C-means （PCM） clustering tends to find identical clusters. On this basis, a method is proposed to improve real-time performance by compressing data sets based on the idea of data reduction in the field of mathematical analysis. In addition, the idea that kernel-space is linearly separable is used to enhance robustness further. Experimental results show that this method extracts salient edges for real multi-sensor images with noises more accurately than the algorithm based on force fields and the FCM algorithm; and the proposed method is on average about 56 times faster than the PFCM algorithm in real time and has better robustness.