深空背景弱小运动目标检测算法研究

在深入分析监测设备CCD图像特点的基础上,提出了一种深空背景弱小运动目标检测新方法。该算法使用"列高通滤波器"进行背景抑制;采用序列图像多帧累加增强目标与恒星的对比度,用交叉投影法确定星点区域,提取局部星图,利用局部星图匹配剔除恒星干扰;结合候选目标的特征,采用基于逻辑的最近邻关联方法完成目标检测。结果表明,该算法可满足深空背景弱小运动目标实时检测的要求。     

复杂星空背景下的空间目标快速捕获算法

针对现有方法在大视场、高灵敏度条件下星空背景复杂导致的空间目标捕获速度慢的问题,利用大视场星图识别的优势,提出了复杂星空背景下的空间目标快速捕获算法.采用分级曝光策略,基于短曝光获取有限数量的恒星以大幅度提高星图识别速度;利用二维最大背景估计方法,实现星图预处理,获得质心数据信息;最后基于星图目标序列剔除自然天体.通过星图目标排序横向剔除,保证剔除准确性的前提下有效提高了剔除效率,实现了空间目标快速捕获.仿真试验结果表明,本文方法快速性好、准确率高,与已有算法中较快算法相比,目标捕获所用时间减少41.92%.     

基于各向异性高斯曲面拟合的星点质心提取算法

恒星识别以及卫星目标检测识别是空间监视系统的重要应用之一。由于星图图像点目标成像的特点以及大量背景恒星的干扰,星图中用于目标识别的特征难以提取,因此目标的位置是实现目标识别的关键特征。高斯曲面拟合方法是使用较为广泛的目标质心提取算法之一,通过理论分析和实验表明传统高斯曲面拟合方法对运动卫星的定位存在较大误差。为此,提出了各向异性的高斯曲面拟合模型,该模型通过使用两个不同的高斯模糊参数和旋转因子,可以捕捉目标不同方向的各异特征,适合卫星由于运动造成的随机方向模糊。仿真实验和真实数据实验表明,本文方法的总体定位精度可分别达到0.008和0.04,并能够准确提取星图目标的质心,相比传统方法有较大改善。     

星敏感器星图处理研究

星敏感器是一种通过观测恒星位置,直接提供运载体在惯性空间中三轴绝对姿态的光电仪器。星图处理是星敏感器的重要工作内容之一,关系到后续星图识别的正确进行。处理方法需要能够有效地降低噪声,抑制背景,并正确提取出图像中的恒星目标。从分析星敏感器实际获取的星图特性入手,提出了相对应的图像处理算法。最后,进行实际测星试验,验证了星图处理算法的正确性和有效性。     

一种基于数字图像的多目标检测方法

为使武器系统具备同时对多个目标进行精确打击的能力,在光电系统中可采用多目标视频跟踪器辅助激光照射器、伺服稳定平台实现多个潜在目标同时捕获跟踪并打击。研究了一种运行于多目标视频跟踪器的目标检测方法,针对数字图像分辨率高、数据量大及难以在嵌入式系统中实时运行的难点,基于TMS320C6455 DSP处理器,提出基于小波金字塔的全局运动光流估计算法图像配准实现运动图像的背景补偿以获取差分图像,相比传统的块匹配、灰度投影配准及基于特征点的配准算法,具有配准精度高与可嵌入式系统实时处理等优点,在差分图像中采用区域生长结合管道滤波算法提取图像中多个运动目标。经实验验证,该方法在复杂地面场景对汽车、自行车及行人目标检出率可达95%,计算时间仅为25 ms,具有良好的实时性和检测效果。     

基于轨迹预判的空间小目标在轨检测方法研究

空间目标监视和检测是维护空间环境安全的重要保障，天基观测是其中的一个重要观测手段。在天基观测图像中，恒星和空间小目标形状、大小相似，影响空间小目标的检测。且空间环境复杂，图像的噪声也会对空间小目标检测造成干扰。针对以上问题，提出了一种基于轨迹预判的空间小目标在轨检测方法。首先对图像进行预处理，包含使用图像滤波剔除坏像元和背景影响以及阈值分割。对相机进行畸变误差校正，再进行坐标系转换以及匹配星表剔除大部分恒星。然后采集多帧图像，对候选目标进行轨迹关联、预判，确定搜索范围。最后实现对空间小目标的检测。本检测方法具有以下几方面的优势：在低信噪比下，实现高检测精度和低虚警率；减少搜索范围，提高在轨实时检测能力；具备对连续帧图像上目标不连续出现的检测能力，适应更复杂的空间环境下目标检测需求。本检测方法的检测能力在硬件系统上得到了验证，实验结果表明，该算法在检测信噪比为2的目标时也具有99.9%的检测率和0.002%的虚警率，为在轨空间小目标检测提供参考。     

一种基于生物侧抑制原理的星图点目标检测方法

针对星图中空间点状目标占有像素数少、信噪比低的问题,提出一种基于生物侧抑制原理的星图点目标检测方法。首先通过多级滤波对图像进行预处理,对信噪比较低的星图进行杂波抑制,其次采用一种基于生物视觉侧抑制理论的背景抑制网络模型进行二次滤波,最后采用二维熵分割提取图像中点目标。实验结果表明,该方法能够在有效地抑制图像中的强杂波背...     

基于混合高斯模型的运动目标检测方法研究

为了能够及时检测到图像场景中的运动目标,提出一种基于混合高斯模型的运动目标检测方法。借助把图像的像素值看成是前景高斯分布和背景高斯分布的组合,进行了背景估计和自适应背景更新;通过对背景差分后的图像进行多目标分割,进行了多个运动目标的检测。实验发现:随着图像序列的背景不断变化,基于混合高斯模型算法能够准确估计出变化的背景,通过将场景图像和背景图像进行差分,检测到感兴趣的运动目标。     

基于光流的运动小目标检测算法

运动目标的检测是目标识别与跟踪的关键技术之一。光流技术是一种以物体的运动特征来检测目标的方法,它的提出为运动小目标的检测开辟了新的空间。在一个搜索跟踪系统中使用光流技术检测和跟踪空中小目标,目标大概为5～10个像素,而且背景复杂,相机抖动,普通分割算法无法得到小目标。在目标的运动明显异于背景的情况下,通过利用基于光流的目标检测算法来检测出小目标,同时运用高斯金字塔模型,提高算法的运算速度。试验结果表明提出的基于光流的检测算法在背景运动的红外图像中取得了较好的效果。     

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·     

基于模糊集理论的运动目标检测

针对复杂自然环境下运动目标检测中噪声多、目标检测不完整等问题,提出一种改进的基于模糊集理论的解决方法。使用金字塔多分辨率模型进行背景差分获取初步的前景掩膜,将当前帧的颜色、时间、空间、位置4种特征用模糊集表示,形成模糊向量集合簇,用模糊数学理论结合这4个向量的特征,得到每个像素点对前景的隶属度,从而检测运动目标。该方法不仅能有效地检测较完整运动目标,也可以克服自然环境下微小运动背景的影响。实验结果显示:该方法前景的识别率为0.717 4,错误率为0.011 8,能适应自然环境下动态背景的影响。     

星空观测图像目标拖尾的自动消除

为了实现对星空观测图像中高亮目标产生的拖尾现象进行自动消除,建立了目标拖尾自动消除系统,对该系统所采用的图像背景高斯噪声分布参数估计、目标拖尾检测以及图像灰度值校正等算法进行研究。利用直方图最小二乘曲线拟合估计星空观测图像背景高斯噪声的分布参数;利用观测图像中目标拖尾现象的特征提出一种基于统计信息的拖尾检测算法;在确定目标拖尾位置的基础上对被污染的像素进行灰度值校正;利用Visual Studio 2005开发出一套星空观测图像目标拖尾自动消除系统。实验结果表明:针对16 bit,1 0241 024的星空观测图像,单帧图像处理时间约为300 ms,拖尾现象得到消除,恒星和目标等有用信息未被破坏。本文算法基本满足后续观测图像中弱小目标检测稳定、可靠、精度高等要求。     

深空背景弱小目标实时检测算法研究

根据深空背景的特点,提出一种基于FPGA和DSP的检测算法,并设计相应的硬件系统,能对大小为512×512像素、帧频率为40帧/s的视频图像进行实时处理。先在FPGA中用最大中值滤波抑制空间成像噪声,解决了图像预处理运算量大对处理速度要求高的难题,再在DSP中用使用改进的双差分法进行运动目标分割,克服了单差分提取目标轮廓不准的缺点,最后结合候选目标的特征,采用基于逻辑的最近邻关联方法提取目标航迹。试验结果证明该算法满足了深空背景弱小目标实时检测的要求。     

高灵敏度空间点目标探测系统设计

本文面向空间点目标探测,设计了基于高灵敏度CMOS传感器的空间点目标探测系统。首先对CMOS传感器图像进行降噪,提高传感器的探测灵敏度;其次,采用DSP+FPGA嵌入式架构,设计了基于星图匹配信息构建的点目标探测算法,并详细介绍了算法原理和步骤。最后,采用电子星图模拟器对该探测系统进行测试。结果表明:该嵌入式系统具备1 024×1 024@20p格式视频的实时处理能力,可以探测6等星。当信噪比大于6,视轴指向误差小于1°时,对于不同运动速度、不同尺寸点目标均能准确探测,识别正确率接近100%。综合而言,该空间点目标探测方法的计算精度高、适应性强、可靠性高,能够应用于空间点目标的有效探测。     

复杂背景灰度图像下的多特征融合运动目标跟踪

为解决低对比度、低信噪比、目标旋转、缩放等非理想状态给跟踪算法的研究带来的诸多困难,本文提出灰度图像多特征融合目标跟踪算法,保证在满足工程实践需要的条件下,能够对目标进行稳定的跟踪。算法首先对灰度图像利用Sobel算子求出梯度特征,将X、Y双方向的梯度特征与灰度特征相融合得到新特征,新特征在核密度函数下对低对比度,目标轮廓形状变化较大的情况有较高的适应性和稳定性,再利用背景建模的方法对提取的运动目标区域进行加权,降低非跟踪目标的权值,最后对融合后的加权特征目标利用改进MeanShift算法进行跟踪。通过大量的实验表明,该算法适应目标和背景的复杂变化,并且具有较强的鲁棒性,基本满足在复杂背景灰度图像下目标跟踪的工程实际需求。     

Human detection based on motion object extraction and head–shoulder feature

Aimed at the shortcomings of the traditional video monitoring system, human detection method in intelligent video monitoring system was researched. This paper proposed a human detection method based on motion object extraction and head–shoulder feature to complete human detection and statistics in video image sequences. Firstly, background subtraction based on adaptive threshold was used to extract foreground moving object information, then image erosion and image dilation were used to bypass the object shade and remove false object in order to optimize the results of motion object extraction. And finally, for realizing human moving object detection, we proposed the object discrimination algorithm based on human head–shoulder feature to complete human detection and statistics. Experimental results show that the method can successfully realize human detection and statistics. The method is highly accurate and has good real-time and extensive applications. The identification rate is 86% through human video sequences to test. This method can detect human automatically and provide the theoretical and technological base for object detection in the intelligent surveillance system.     

Moving target detection approach based on spatio-temporal salient perception

The differences in texture and motion between man-made object and natural scene are the key features for human biological visual system to detect moving object in scenery. The paper proposed a moving target detection approach based on spatio-temporal perception, which is a crucial function of the visual attention mechanism. The spatial feature including edge, orientation, texture and contrast of the image are extracted, and then the corresponding spatial salient map are constructed by fusing the features through difference of Gaussian (DOG) function, which can suppress the common and enhance the difference of local region. Then, the global motion, local motion and relative motion between continuous images are extracted by means of pyramid multi-resolution, and the moving salient map is constructed after the motion difference between moving target and background is confirmed. Finally, the spatio-temporal salient map is constructed by fusing the spatial salient map and the moving salient map through competition strategy, and the moving target could be detected by searching the maximum in the spatio-temporal salient map. Some experiments are included and the results show that the method can accurately detect the moving target in complex background.     

应用形状因子特征的高效星图识别

针对传统的三角形星图识别算法存在冗余匹配多、抗噪声性能差的问题,提出了一种应用形状因子特征的高效星图识别算法。该算法在传统的三角形算法基础上,引入了形状因子特征参数和方向信息,并择优选择视场内4颗观测星,组成一对观测三角形,进行星点匹配识别。与传统的三角形算法相比,该算法增加了星图识别时图像的特征信息量,降低了匹配时的冗余度,具有导航特征库存储空间小、识别速度快等优点。实验表明,在星点位置噪声标准偏差为2个像素、星等噪声标准偏差为0.7星等的仿真条件下,该算法的识别率均在99%以上;通过地面实验的实物验证,在300 MHz的FT-C6713的DSP硬件平台上,全天自主识别的平均运行时间约为47 ms,具有明显的优势。