复杂背景下基于自适应模板更新的目标跟踪算法

为了提高复杂背景下目标跟踪的稳定性,在模板匹配失败时引入目标分割过程,根据新目标区域与模板的相似度分析得出导致匹配失败的具体原因,提出了一种新的自适应模板更新算法.根据模板图像各像素到模板中心的距离构造加权函数,对传统归一化相关算法进行改进,使新算法具有一定的抗遮挡能力.实验结果表明,该算法与固定模板跟踪算法和逐帧模板更新算法相比,在目标尺寸变化和被物体局部遮挡时,跟踪的连续性和稳定性更好.     

Laws纹理模板在立体匹配中的应用

立体匹配一直是计算机视觉领域的一个中心问题,基于区域整体匹配算法较好地解决了纹理单一区域的立体匹配问题,其关键步骤是纹理单一区域的分割和匹配.针对纹理单一区域的特点,提出利用Laws纹理模板对图像纹理特征进行分析描述,然后进行基于直方图的分割,得到纹理单一区域.对于各种场景图像.通过分析比较各种Laws纹理模板组合,能够得到最好的分割效果.在国际标准图像上测试的实验结果表明,相对于灰度共生矩阵描述纹理单一区域和基于区域生长的方法,该方法能提高纹理单一区域的识别率和分割阈值选取的稳健性,这有助于提高基于区域整体匹配算法的匹配精度和实用价值.     

一种新的红外成像末制导目标跟踪方法

为了稳定跟踪导弹末制导阶段的红外目标,提出了一种基于尺度不变特征变换的红外目标跟踪算法.尺度不变性特征变换所提取的图像纹理特征具有尺度和旋转不变性,跟踪算法分别提取目标模板和待跟踪图像的尺度不变特征变换特征.根据最小欧氏距离准则提取目标模板与待跟踪图像间相匹配的尺度不变特征变换特征点对,利用该特征点对拟合反映两图像间映射关系的仿射模型,并据此估计目标中心位置及调整目标模板尺寸.仿真结果表明,跟踪算法能够较好地实现在导弹末制导阶段对红外地面杂波背景下目标的稳定跟踪,其跟踪准确度和稳定度优于传统方法.
关键词:末制导跟踪|尺度不变性特征变换|特征匹配|仿射模型     

基于多属性决策的红外序列图像复杂度分析(英文)

针对红外序列复杂度对目标跟踪性能的影响问题,提出基于多属性决策评估红外序列复杂度.采用修正逼近理想解多属性决策和熵权方法,综合7种图像度量尺度,评估红外序列各帧图像复杂度;基于加权和多属性决策及熵权方法,综合3种度量尺度,评估红外序列整体复杂度.采用归一化相关模板匹配算法、基本均值偏移算法和方差比算法进行跟踪实验.采用复杂度不同的红外序列,验证提出的红外序列复杂度评估方案的有效性.结果表明:提出的红外序列复杂度评估方案能够真实显示各种红外序列目标跟踪任务困难度的差异,与跟踪性能指标之间的相关性强,并能准确反映目标跟踪任务的主要影响因素.     

基于改进的条件生成对抗网络的可见光红外图像转换算法

针对当前基于条件生成对抗网络的红外图像生成算法中红外生成图像纹理细节信息差和结构信息差的问题，提出了一种基于改进的条件生成对抗网络的红外图像生成算法。首先，基于ConvNext改进了生成网络，在生成网络解码部分通过添加残差连接增强了解码部分对编码部分提取的图像深层特征的利用；其次，生成网络采用UNet网络架构，增强了对图像底层特征的利用；最后，对抗网络通过对生成图像特征的一阶统计量（均值）和二阶统计量（标准差）的损失计算，进一步改善了红外生成图像的灰度信息和纹理细节信息。与现有典型红外图像生成算法的对比实验结果表明，该方法能够生成质量更高的红外图像，在主观视觉描述和客观指标评价上都取得了更好表现。匹配应用实验表明，该算法在可见光图像与红外图像异源匹配任务中体现了较好的应用价值。     

基于多模板匹配的局部自适应区域生长法在视网膜内出血自动检测中的应用

为自动检测出眼底图像中的视网膜内出血,从而构建基于眼底图像的糖尿病视网膜病变自动筛查系统,提出了基于多模板匹配的局部自适应区域生长法用以自动检测该病灶。首先,对眼底主要生理结构进行光谱特征分析,从而为不同分割目标选取合适的RGB通道;其次,利用HSV空间的亮度校正以及对比度受限自适应直方图均衡方法对眼底图像进行预处理;在此基础上利用设计好的多个模板对图像进行归一化互相关模板匹配获取该病灶候选区域;然后,从中去除视盘、血管以消除相关假阳,从而得到区域生长所需种子;最后,利用局部自适应区域生长法获取其精确轮廓,从而实现该病灶的准确检测。利用该算法对90幅不同颜色、不同亮度、不同质量、不同分辨率眼底图像进行该病灶的自动检测,实验结果表明：该算法能快速、有效地自动检测出眼底图像中的视网膜内出血,且算法稳定可靠,可满足临床需求。     

基于最小平均距离免疫算法的模糊红外图像分割

由于犯罪分子利用各种方法来避开传统的刑侦图像技术,因而红外图像逐渐成为获取犯罪现场痕迹的有效手段。然而,从犯罪现场拍摄的红外图像其目标痕迹大多是弱化的,所以在这类红外图像中分割目标是一项具有挑战性的任务。已有基于生物免疫的各类算法尚未明确描述免疫分割作用领域,以及免疫网络算法模型中的免疫识别距离。为实现对目标痕迹弱化红外图像的有效分割,提出了一种新的具有免疫作用领域和最小平均免疫识别距离的人工免疫构架,设计了一种具备最小平均距离免疫域的免疫分割算法。该方法根据红外图像的特点,采用多步分类算法、免疫变异和自适应免疫最小均距识别方法,根据目标区域和背景区域的总体统计特性实现最佳分类。实验结果表明,提出的基于最小平均距离的免疫算法能够有效地分割目标弱化的红外图像。与经典的边缘模板和区域模板方法相比,该算法具有更好的分割效果,尤其是针对目标弱化红外图像的分割,该算法能够较好地给出五个手指的边界轮廓。     

基于快速傅里叶变换和积分图的快速相关匹配

为克服传统相关匹配算法计算复杂度过大的缺点,基于快速傅里叶变换和积分图提出了一种快速相关匹配算法.在不改变传统相关匹配计算结果的前提下,该算法通过对相关系数公式的分析和化简,用快速傅里叶变换计算模板图像和基准图像的相关,并采用积分图计算基准图像灰度值及其能量的窗口积分,使相关匹配计算量与模板图像大小近似无关,从而大大降低了计算复杂度.不同光照条件下图像匹配实验和复杂环境下目标跟踪实验结果表明,该算法具有很强的抗干扰能力,其执行效率比传统相关匹配提高1～2个数量级.     

基于最小平均距离免疫算法的模糊红外图像分割（英文）

由于犯罪分子利用各种方法来避开传统的刑侦图像技术,因而红外图像逐渐成为获取犯罪现场痕迹的有效手段。然而,从犯罪现场拍摄的红外图像其目标痕迹大多是弱化的,所以在这类红外图像中分割目标是一项具有挑战性的任务。已有基于生物免疫的各类算法尚未明确描述免疫分割作用领域,以及免疫网络算法模型中的免疫识别距离。为实现对目标痕迹弱化红外图像的有效分割,提出了一种新的具有免疫作用领域和最小平均免疫识别距离的人工免疫构架,设计了一种具备最小平均距离免疫域的免疫分割算法。该方法根据红外图像的特点,采用多步分类算法、免疫变异和自适应免疫最小均距识别方法,根据目标区域和背景区域的总体统计特性实现最佳分类。实验结果表明,提出的基于最小平均距离的免疫算法能够有效地分割目标弱化的红外图像。与经典的边缘模板和区域模板方法相比,该算法具有更好的分割效果,尤其是针对目标弱化红外图像的分割,该算法能够较好地给出五个手指的边界轮廓。     

一种基于Kalman滤波的环形模板匹配相关跟踪算法(英文)

为了解决在目标跟踪系统中,传统相关算法在目标发生目标局部遮挡或旋转等姿态变化较大的情况时容易跟踪丢失的问题,提出一种改进的基于卡尔曼预测器的环形模板匹配相关跟踪的算法.利用卡尔曼预测器来预测下一帧目标可能出现的区域,然后在较小的预测区域中进行环形相关匹配运算,找到最佳相关匹配点,使跟踪更具主动性。环形匹配还可以克服由于姿态变化而引起的横向匹配点丢失,从而可以跟踪各种姿态运动的机动目标.实验中,利用改进算法对出现局部遮挡情况的姿态变化大的运动目标进行跟踪,传统算法处理此类情况容易跑飞,而本文算法不受这两种跟踪局限性的干扰,始终稳定跟踪机动目标且耗时大幅减少.     

Efficient single image stripe nonuniformity correction method for infrared focal plane arrays

We present a novel, stripe nonuniformity correction algorithm for infrared focal plane arrays. This method relies on the separation of nonuniformity and true scene, and the nonuniformity correction parameter is obtained by traversing the error function of two adjacent columns?? pixels in local template window. Based on the succession of two adjacent columns?? correlation, the stripe nonuniformity correction can be achieved in a single frame. Experimental results, to illustrate the performance of the method, include the use of infrared image sequences with simulated nonuniformity and a diverse set of real IR imagery.     

A Global Infrared Image Synthesis Model for Large-Scale Complex Urban Scene

Most of infrared scene models deal with backgrounds, they can't simulate infrared urban scene. This paper presents a global infrared image synthesis model for large-scale complex urban scene which can be applied to various weather conditions and suitable for various parts of the urban scene. We first analysis the influence of all kinds of meteorological and environmental factors on the infrared characteristic of urban scene. Then based on principle of energy equilibrium we propose a global infrared image synthesis model for urban scene, discuss the specific forms for various parts of the scene and compute their surface temperature. As the rendering principle for infrared scene differs from that for visible scene, we propose a novel rendering criterion for infrared scene. Finally by the method of Gouraud Shading of Computer Graphics, infrared images of urban scene from different viewpoints at different time are presented. Field measurement further shows that our model is robust and feasible.     

Indirect target detection method in FLIR image sequences

Due to the complexity of the scene, target detection in forward-looking infrared (FLIR) imagery is a challenging problem, especially for occluded target. The main contribution of this paper is to propose an indirect detection method for improving the recognition probability and effectiveness of target detection method in FLIR image sequences under complex conditions. The proposed method mainly includes four steps: preparation of forward-looking reference image of landmark, extraction of the real-time scene image, template matching and target location, in which some key technologies are proposed, such as perspective transformation used to solve projective problems, position prediction for improving real-time performance, and target location used for identifying the target’s position. Experimental results are shown to demonstrate the robustness and efficiency of proposed method in FLIR image sequences.     

Chaotic biogeography-based optimization approach to target detection in UAV surveillance

This paper describes a novel chaotic biogeography-based optimization (CBBO) algorithm for target detection by means of template matching to meet the request of unmanned aerial vehicle (UAV) surveillance. Template matching has been widely applied in movement tracking and other fields and makes excellent performances in visual navigation. Biogeography-based optimization (BBO) algorithm emerges as a new kind of optimization method on the basis of biogeography concept. The idea of migration and mutation strategy of species in BBO contributes to solving optimization problems. Our work adds chaotic searching strategy into BBO and applies CBBO in template matching. By utilizing chaotic strategy, the population ergodicity and global searching ability are improved, thus avoiding local optimal solutions during evolution. Applying the algorithm to resolving template matching problem overcomes the defects of common image matching. Series of experimental results demonstrate the feasibility and effectiveness of our modified approach over other algorithms in solving template matching problems. Our modified BBO algorithm performs better in terms of convergence property and robustness when compared with basic BBO.     

基于Markov随机场的新型景像匹配算法

为了提高景像匹配导航系统的定位精度,给出了一种基于Markov随机场理论和极大后验概率估计的新型景像匹配算法。考虑到在x方向和y方向位置偏差的实时图与基准图之间的灰度分布关系,利用图像上的灰度分布服从Markvov随机场分布这一特性,建立了景像匹配问题的条件概率分布模型。应用最小二乘法和噪声的先验统计信息估计位置偏差的方差,给出了描述基准图与实时图之间灰度偏差的测量模型,确定了测量的统计特性。基于极大后验概率估计准则计算了位置偏差的估值。由于新算法在计算位置偏差估值时用到了被估量和噪声的统计信息,因此具有很高的精度。将该算法与最小二乘景像匹配算法进行了仿真比较。仿真结果表明,新算法的匹配精度达到了0.1~0.2像素,高于最小二乘匹配算法的匹配精度。     

基于BP神经网络的景象匹配算法

针对以可见光图像为基准、红外图像为实测的景象匹配问题,提出了一种基于BP神经网络的景象匹配方法。该方法首先抽取满足平移、旋转、尺度不变性的Krawtchouk不变矩作为红外目标的特征描述并构造特征向量,随后,基于主分量分析法消除特征向量各个分量间的相关性,去掉多个对目标匹配识别贡献不大的特征的影响,形成描述目标的有效特征向量。接下来,构造三层BP神经网络,以有效匹配特征作为输入,匹配位置作为输出,按照经验公式确定隐层节点个数,基于样本集对红外目标在可见光基准图像中的匹配过程进行训练,最终形成智能化景象匹配识别器。实验结果表明,与常用的景象匹配算法相比,提出方法不仅具有更高的匹配精度和速度,而且鲁棒性好,能抵抗实测图像的旋转几何畸变。     

An infrared salient object stereo matching algorithm based on epipolar rectification

Due to the higher noise and less details in infrared images, general matching algorithms are prone to obtaining unsatisfying results. Combining the idea of salient object, we propose a novel infrared stereo matching algorithm which applies to unconstrained stereo rigs. Firstly, we present an epipolar rectification method introducing particle swarm optimization and K-nearest neighbor to deal with the problem of epipolar constraint. Then we make use of transition region to extract salient object in the rectified infrared image pairs. Finally, disparity map is generated by matching salient regions. Experiments show that our algorithm deals with the infrared stereo matching of unconstrained stereo rigs with better accuracy and higher speed.