红外序列图像多运动目标检测

针对背景不动情况下提取红外图像运动目标,提出了一种基于连续四帧序列图像精确检测多运动目标的算法,并用软件仿真了该算法处理图像的效果并与其他方法进行了对比。经试验证明该方法算法简单,实时性好。对单目标、多目标、室内、室外、简单和复杂背景的红外序列都可以得到较好的检测效果。能够有效地去除背景和噪声,精确地确定运动目标位置,有利于后续的目标跟踪,算法适于实时应用。     

基于对称差分和光流估计的红外弱小目标检测

针对复杂天空背景条件下低信噪比的红外弱小目标检测问题,提出了一种基于对称差分和光流估计相结合的目标检测算法。对序列红外图像做对称差分运算,通过图像差减运算和自适应阈值分割提取目标可能的运动区域,并对区域做扩张和叠加处理,得到连续帧间目标可能出现的区域。计算每个区域红外图像的光流场,对光流场进行阈值分割,辅以数学形态学滤波等方法,检测区域中的目标。该算法充分利用对称差分运算计算量小和光流检测准确度高的特点,在保证检测准确度的同时大大减少了目标检测算法的计算量。实验及结果分析表明,基于对称差分和光流估计的目标检测算法能实时有效地检测出复杂天空背景下的红外弱小目标。     

红外序列图像中运动弱小目标检测

为检测红外序列图像中的运动弱小目标,分析了目标在序列图像中的运动特性和概率分布特性,以及目标和噪声在序列中的能量分布特性。提出连续M帧高阶累积方法来增强运动弱目标能量,用假设检验对目标和背景进行分割,通过搜寻序列运动能量中心来实现目标的多帧关联检测。通过仿真实验证明了算法对红外弱小目标检测有效性。     

复杂天空背景下的红外弱小目标检测算法研究

为了提高单帧红外图像的检测概率,稳定检测到图像序列中的弱小目标,基于改进的双边滤波与多项式拟合,提出了一种复杂天空背景下的红外弱小目标检测算法。在传统双边滤波算法的权值系数中引入背景相关度因子,有效降低了背景抑制时目标点的影响,提高了目标区域的信噪比以及单帧图像的检测率。为了进一步剔除虚假目标,基于融合目标运动特征,对目标点进行多帧确认。针对序列检测中目标闪烁造成的目标漏检,引入多项式拟合算法对下一帧目标位置进行预测,有效避免了目标轨迹截断的问题。实验结果表明,在信噪比小于2的情况下,该算法能够稳定检测到复杂天空背景下的弱小目标轨迹。     

运动背景下弱小目标的提取算法

 对低信噪比运动背景下序列图像中弱小目标的提取算法进行了研究，提出一种新的目标提取算法。根据运动背景的相关性和目标运动的连续性，采用背景模板匹配技术，计算各帧背景运动量，去除复杂背景，用自适应预估和阈值分割技术捕获跟踪目标。实验中，结合所研究的算法，对100帧包含低对比度弱小目标的运动图像序列进行了处理。实验结果表明，此方法能有效地实现目标的自动捕获与跟踪，跟踪效率高，跟踪稳定。     

基于数学形态学的弱点状运动目标的检测

提出了一种新的基于数学形态学的红外图像序列中弱点状运动目标的非参数检测算法。采用数学形态学抑制背景杂波干扰和增强目标,用沿时间轴投影和二维空域搜索代替复杂的时空三维搜索形成组合帧,然后在每条可能的轨迹上将进行目标能量累加,实现了一种快速检测前跟踪(TBD)检测算法。仿真实验表明:在恒虚警概率条件下,该检测算法能高效地检测信噪比约为2的弱点状运动目标,检测性能对噪声分布不敏感,能精确地得到目标的即时位置和速度信息,适合于实时图像处理和目标探测,具有很高的实用价值。     

一种鲁棒的目标跟踪方法

针对传统特征光流场跟踪方法中由于误差积累和错误匹配而导致的特征点丢失问题,基于一种新的Harris-SIFT特征点表示方法,提出基于预测帧与关键帧的算法框架,实现了光流场运动估计与局部特征识别相结合的目标跟踪方法.预测帧利用塔式分解和递归算法计算特征点的光流场运动矢量,使用运动矢量直方图获取目标的运动矢量,并剔除误匹配点;当特征点数量小于5个时,关键帧使用Harris-SIFT特征点进行局部特征匹配,利用仿射模型对目标精确定位及姿态修正.实验结果表明,本方法对视频序列中的纹理特征目标跟踪的鲁棒性较好,在背景复杂、目标遮挡或暂时丢失情况下,仍可以继续完成目标的可靠跟踪.     

一种鲁棒的目标跟踪方法

针对传统特征光流场跟踪方法中由于误差积累和错误匹配而导致的特征点丢失问题,基于一种新的Harris-SIFT特征点表示方法,提出基于预测帧与关键帧的算法框架,实现了光流场运动估计与局部特征识别相结合的目标跟踪方法.预测帧利用塔式分解和递归算法计算特征点的光流场运动矢量,使用运动矢量直方图获取目标的运动矢量,并剔除误匹配点;当特征点数量小于5个时,关键帧使用Harris-SIFT特征点进行局部特征匹配,利用仿射模型对目标精确定位及姿态修正.实验结果表明,本方法对视频序列中的纹理特征目标跟踪的鲁棒性较好,在背景复杂、目标遮挡或暂时丢失情况下,仍可以继续完成目标的可靠跟踪.     

基于多特征融合的复杂背景下弱小多目标检测和跟踪算法

针对红外弱小多目标的检测和跟踪难题,提出一种基于多特征融合的复杂背景下弱小多目标检测和跟踪算法.融合红外弱小运动目标的灰度特征、梯度特征、运动特征等多个典型特性,进行复杂背景下弱小多目标的检测和跟踪.实验证明:该算法应用于复杂背景下低信噪比的红外弱小多目标图像序列能得到较理想的结果,算法检测概率高、检测速度快、具有较强鲁棒性.     

相邻帧间匹配的迎头点目标跟踪算法

针对海空复杂背景下迎头点目标检测与跟踪难题,提出了一种基于相邻帧间匹配的边检测边跟踪算法.算法对相邻红外图像序列帧间点与点的邻域匹配,标记匹配结果兴趣区域像素点,统计标记次数,与输入单帧图像同步显示迎头目标检测结果.算法主要特点在于无需提前假定疑似目标点位置,单个匹配过程与当前相邻两帧外的其它序列帧无关,整个匹配过程不随目标数目多少或运动状态变化而改变.根据仿真和实拍照片实验,证实了理论上区别于传统算法的上述优点,在军事应用中具有较高的参考价值.     

基于星图识别的空间目标检测算法研究

从恒星背景中检测出空间目标是空间目标天基光学测量相机所要解决的关键技术难题之一。提出了一种基于星图识别的空间目标检测算法,利用背景星图的平移、旋转、比例伸缩不变性,应用星图识别原理,根据识别恒星在不同帧图像中的坐标变化估计背景运动参数,进行探测图像序列的配准,然后在配准后的图像序列中检测出空间目标。通过仿真验证,该方法对于运动恒星背景中运动小目标的检测具有比较好的效果。     

红外运动小目标的检测

通过分析天空背景下红外运动小目标、噪音以及背景的特征,提出一种检测方法·首先利用向量小波变换对运动图像进行预处理;其次采用图像差分进行目标的粗检测,提取出候选目标;最后可根据运动目标和噪音的特征对候选目标进行识别,检测出真实的运动小目标·实验证明,该方法可有效检测天空背景下红外运动小目标·     

Hybrid multi-resolution detection of moving targets in infrared imagery

A hybrid moving target detection approach in multi-resolution framework for thermal infrared imagery is presented. Background subtraction and optical flow methods are widely used to detect moving targets. However, each method has some pros and cons which limits the performance. Conventional background subtraction is affected by dynamic noise and partial extraction of targets. Fast independent component analysis based background subtraction is efficient for target detection in infrared image sequences; however the noise increases for small targets. Well known motion detection method is optical flow. Still the method produces partial detection for low textured images and also computationally expensive due to gradient calculation for each pixel location. The synergistic approach of conventional background subtraction, fast independent component analysis and optical flow methods at different resolutions provide promising detection of targets with reduced time complexity. The dynamic background noise is compensated by the background update. The methodology is validated with benchmark infrared image datasets as well as experimentally generated infrared image sequences of moving targets in the field under various conditions of varying illumination, ambience temperature and the distance of the target from the sensor location. The significant value of F-measure validates the efficiency of the proposed methodology with high confidence of detection and low false alarms.     

基于并行隔帧差分光流场与灰度分析综合算法的运动目标检测

提出了隔帧差分的概念,并将其应用于光流场算法中,用改造后的隔帧差分光流场算法成功克服了传统光流场算法的不足(传统光流场算法不能识别帧间位移小于一个像元的运动目标).进一步对光流场计算结果与原始图像进行灰度综合分析,使目标的探测更加准确,减少了虚警和误判.采用不同间隔的序列差分构成并行识别系统结构,使整个系统能够探测各种不同速度的运动目标.实验结果表明:提出的运动目标检测算法能够准确有效地检测出不同速度的运动目标.     

红外序列图像弱小动目标检测的研究

针对云天背景下的红外运动弱小目标,提出了一种融合检测的方法。根据视觉的固视微动特性进行单帧图像的目标增强,利用帧差分方法检测多帧图像的动目标,最后将这两种处理结果进行基于调制的融合,并经过图像分割,从而达到动目标检测的目的。仿真结果表明该检测方法能够有效地实现复杂背景下的弱小动目标检测。     

一种基于正负差图像的运动目标检测新方法

运动目标检测领域中现有的差图像法是利用绝对值差图像检测差图像上运动目标区域，用现有方法检测时易受噪声干扰，而且当摄像机有自运动时需要进行背景运动补偿。因此，提出一种新算法，即首先分别计算正差图像与负差图像，然后利用运动目标区域在正差图像与负差图像中的幅值、形状以及运动等信息的对称性对其进行检测，最后给出针对飞机尾焰序列图像进行检测的结果。实验结果表明：该方法可提高运动目标检测的可靠性与效率。     

背景高斯化的遥感图像目标检测

在假设单一地表遥感图像灰度起伏符合马尔可夫模型的条件下,得到了理想单一地表灰度起伏符合高斯分布的结果。将这一结果应用于遥感图像的目标检测,提出了一种新的基于背景高斯化的遥感图像目标检测方法。该方法首先将遥感图像进行高斯化处理,将其作为近似理想背景,然后将原图像与高斯化背景做差得到残差图,进而对残差图进行目标检测。由于目标本身的信息远离背景高斯化模型,因此在背景消减的过程中,目标信息得到了很好的保持,比在原图上进行目标检测性能得到了很大的提高。实验结果进一步验证了算法具有很好的检测性能。     

基于目标运动的复眼式双目视觉测距法

昆虫（螳螂）复眼利用目标的动态差异实现立体视觉，具有视场大、计算简单、实时性高等特点，是立体视觉研究的新方向。为实现复眼立体视觉在机器人视觉导航中的应用，根据复眼结构以及信息处理机制，提出并研究了环形光电传感器的目标快速检测与定位方法。首先，搭建了基于60个光电二极管的等6°夹角分布式环形传感器，形成具有360°视场的环形仿生复眼；其次，建立了基于光流原理的运动目标方位角检测模型，采用傅里叶拟合法实现了方位角检测模型的优化，实现了运动目标方位角与目标距离大视野范围内的简单、快速检测。实验结果表明:1）可实现距离375 mm范围内运动速度为30 mm/s的目标方位角实时检测，测量误差在2°范围内；2）基于目标方位角检测模型，可实现双目阵列传感器在300 mm×375 mm视野重叠区域范围内、平均测量误差在10 mm范围内的立体视觉测距。基于光流的运动目标方位角检测模型可用于实现对运动目标空间位置的动态实时检测，在运动检测、视觉导航等领域具有广泛的应用前景。