基于背景粗糙度估计的红外目标检测算法

在分析海天背景下目标红外图像特征的基础上,提出了一种基于背景粗糙度估计的红外目标自适应检测算法.该算法利用LOG算子进行目标基本轮廓检测,将目标的中心点作为区域生长的种子点,通过背景粗糙度估计自适应确定LOG算子参量,完成目标图像分割.与传统检测方法比较,采用该处理方法进行小目标检测及识别过程的预处理,可以有效地减少运算量,提高检测速度,抑制对不必要的种子点进行区域生长,提高了目标的检测概率.     

自适应窗口选取的Mean-Shift目标跟踪

当目标尺度发生变化时,传统Mean-Shift跟踪算法因跟踪窗口尺寸不变容易导致跟踪目标丢失,为解决此问题,本文提出一种带宽自适应算法对目标尺度变化进行检测,从而实现模板更新.该算法分别将模板图像与当前帧目标图像分割成等间隔半径的若干同心圆,通过计算模板图像与当前帧图像不同环层之间相似性度量,根据相应环层之间相似性度量关系确定当前帧模板带宽更新参量,最后利用kalman滤波完成模板尺度更新,从而实现目标稳定跟踪.实验证明,当目标尺度发生变化时,目标模板自动更新,能够实现目标稳定跟踪;相对传统Mean-Shift跟踪算法,目标跟踪可靠性能得到了提高.     

基于自适应尺度的TLD目标跟踪算法

为提升TLD目标跟踪算法的每帧处理速度,以达到在更高分辨率视频中跟踪目标的实时性要求,在TLD算法框架的基础上,提出了一种基于自适应尺度检测学习的目标跟踪算法(AS-TLD)。当跟踪目标成功时,选取当前帧跟踪到的目标尺度及几个相邻的尺度作为下帧检测目标时滑动窗口尺度的选取范围;而当跟踪失败时,则选取在TLD算法初始化阶段,根据跟踪目标及视频图像大小选定的尺度来保障长时间跟踪目标,从而有效减少了平均每帧扫描的窗口数量。实验结果表明,该方法不仅有效地降低了检测模块的检测时间,显著提高了整体算法速度,而且通过动态选取尺度,在一定程度使得TLD各个模块更加协调,跟踪精确度得到提升。     

海杂波背景下小目标检测的分形方法

针对海杂波背景下小目标检测对海情依赖性强的问题, 本文采用分数布朗运动模型对实测海杂波建模, 结合多重分形去势波动分析法确定分形参数, 分析了海杂波的单尺度、多重分形特性. 在单尺度分形的基础上, 利用表征海杂波分形特征的分数维和Hurst指数构建了分形差量, 提出了基于分形差量的小目标检测方法;在多重分形基础上, 比较了两种海杂波的高尺度多重分形特性. 结果表明, 当尺度q > 10时, 纯海杂波的多重分形参数H(q) < 0, 而存在小目标的H(q) > 0, 此差异性为高尺度分形参数的海杂波背景小目标检测提供了判定依据. 所研究的两种方法均能实现不同海情下的小目标检测.     

多尺度形态算子融合图像滤波技术及滤波质量评价

针对舰载红外警戒系统的红外和电视图像,提出了一种新的海空背景下受强杂波、噪声污染的图像目标滤波算法和滤波效果的定量评价算子。算法采用多尺度的形态算子对输入的图像并行滤波,大尺度形态算子抑制图像噪声,小尺度形态算子提取目标边缘细节信息。处理后的图像进行基于树状小波帧变换的图像信息融合,融合图像可完备提取不同尺度滤波后的图像信息。针对目标检测跟踪的图像滤波算法的评价,提出了目标与背景的交叉分辨力评价算子及评价准则。仿真实验表明。该滤波算法要优于中值滤波、自适应滤波、小波变换滤波算法,滤波质量的定量评价算法是合理的、有效的。算法适用于舰载红外警戒系统。     

轨道缺陷图像检测算法的优化

根据轨道健康状况无损检测的需求,基于OpenCV软件对轨道缺陷图像检测BM3D算法进行了优化.利用小波变换优化BM3D算法,提出BM2D+1D的算法模式,改进后算法的运算效率提高了 39.6％,图像峰值信噪比提高了0.388 dB.利用图像增强LOG算子和Gamma算子对Canny算法进行改进,不仅优化了算法运算复杂度...     

结合目标检测的多尺度相关滤波视觉跟踪算法

为满足视觉跟踪算法对跟踪精度与跟踪速度的要求,提出一种结合目标检测的多尺度相关滤波视觉跟踪算法。所提算法基于深度学习的目标检测算法找出图像中目标的位置和尺寸,利用相关滤波算法对所给出的目标特征进行视觉跟踪,并在多个尺度中搜索最优响应;当检测到相关滤波响应值异常时,停止对模型更新;当连续数帧响应值异常时,则在全图范围内搜索目标位置和尺寸。所提算法通过对跟踪状态进行评估和模型更新率自适应调整,解决了传统相关滤波类算法跟踪误差随时间积累的问题,且具有较大的跟踪速度和较高的精度。结果表明:在Matlab平台下,所提算法的平均定位精度为0.593,平均交叠率精度为0.784,帧率为65.3 frame/s。     

LTP与光照突变补偿结合的运动目标检测算法

针对现有运动目标检测算法在光照突变条件下鲁棒性不强、易发生误检等问题,提出了将LTP算子与光照突变补偿模型结合的运动目标检测算法。首先利用LTP算子获取当前帧与其背景图像的纹理特征图,然后计算当前帧图像像素点作为前景点的概率并依据概率自适应地更新背景,再判断图像是否发生光照突变补偿并采用线性模型补偿突变图像序列,最后利用背景减除法获取运动目标。实验结果表明本文算法在光照突变条件下对运动目标检测效果理想,检测精度指标PR高于同类其他算法,且具有良好的鲁棒性。     

基于随机点扩散函数的多帧湍流退化图像自适应复原方法

针对湍流退化图像随机性的问题,提出了一种基于随机点扩散函数的多帧湍流退化图像自适应复原方法。首先介绍了随机点扩散函数的图像退化模型,并分析了点扩散函数随机性对图像复原造成的影响,建立了基于随机点扩散函数的多帧图像退化模型。在此基础上,建立了基于多帧退化图像的全变分复原模型,利用前向后向算子分裂法对模型进行求解,提高了算法的运算效率。然后,提出了一种新的自适应正则化参数选取方法,该方法利用全变分复原模型的目标函数计算正则化参数,当正则化参数收敛时,复原图像的峰值信噪比达到最大值,因此利用目标函数的相对差值作为自适应算法迭代终止的条件,可以获得最佳复原效果。最后通过实验分析,算法中退化图像的帧数应不大于10帧。实验结果表明:当取10帧退化图像时,AFBS算法运算时间与单帧的FBS算法相当,信噪比增益为1.4 dB。本文算法对图像噪声有明显的抑制作用,对湍流退化图像可以获得较好的复原效果。     

地球同步轨道碎片观测图像分级检测方法

为了快速检测出地球同步轨道带光学观测图像中的空间碎片,提出了一种基于信噪比的分级检测方法.首先分析实测数据,得出观测图像中不同信噪比碎片运动相似的特性.对于高信噪比碎片,采取帧差法快速检测,并利用多帧图像计算速度信息;对于低信噪比碎片,根据高信噪比碎片检测结果得到的速度信息,采用改进的动态规划检测方法.实际图像检测结果表明:当递归方程的搜索窗口为5pixel×5pixel时,分级检测方法检测性能最好;当累积帧数大于5帧时,检测时间比传统动态规划方法减少了87%以上.分级检测方法具有检测率高、虚警率低、计算量小的优势,适合地球同步轨道带光学观测图像中空间碎片的检测.     

基于Top-hat变换的OSAHS图像边缘检测算法

提出了一种基于多方向、多尺度Top-hat变换的图像边缘检测方法,应用于阻塞性睡眠呼吸暂停低通气综合症(Obstructive Sleep Apnea Hypopnea Syndrome, OSAHS)早期病理图像的边缘检测及诊断。首先,构造不同方向、不同尺度的Top-hat算子增强图像的对比度,利用形态学梯度进行边缘检测,然后把各个算子检测到的图像边缘按照一定的权重进行组合,得到理想的边缘,以便准确地获得病理图像的相关参数,进而实现医学电子诊断。本文以口腔图像、咽喉声带处图像、鼻道内部图像的处理为例,这三组图像的处理结果表明,与传统的边缘算子相比较,该方法能使图像的边缘信息更完整、更准确,图像的边缘闭合度可达到97.67%。     

基于小波变换和数据融合技术的弱小目标检测

 鉴于弱小目标检测所固有的难点及常用的单一分辨率下的检测方法还不能准确稳定地检测出目标，提出了一种弱小目标检测新方法。考虑到实际应用中的复杂背景和大量干扰噪声，运用数据融合技术，先对图像进行小波多分辨率分解，然后将不同分辨率下的子图进行最优加权平均融合来检测弱小目标。用实地拍摄的空中弱小目标红外和可见光图像分别进行实验验证，实验图像取256×256像素点阵大小，其中目标占10×10像素左右。结果表明该方法能够准确稳定地检测弱小目标，为后续的跟踪作了很好的铺垫。     

自适应双边滤波红外弱小目标检测方法

针对红外弱小目标检测,提出一种基于自适应双边滤波的背景预测算法.该算法利用空域低通滤波和图像灰度信息的非线性组合,自适应的对背景进行预测,达到提高弱小目标检测性能的目的.仿真和实验表明：与小波滤波的检测算法相比,该算法能够更加有效地从结构化背景中检测目标抑制背景.     

Infrared dim small target enhancement using toggle contrast operator

A new infrared dim small target enhancement algorithm based on toggle contrast operator is proposed. Toggle contrast operator is modified and used to construct operators using the image features derived from dilation and erosion operators. Then, based on the constructed operators, the operators which could be used to estimate the clutter background of the original infrared dim small target image are proposed using the same strategy as the definition of opening. Finally, the infrared dim small target is well enhanced through subtracting the estimated background from the original image. Experimental results on infrared images with different types of targets verified that the proposed method could effectively enhance infrared dim small target, which would be very useful for infrared dim small target detection and tracking.     

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。     

高光谱图像中基于端元提取的小目标检测算法

针对高光谱图像中小目标检测问题,提出了一种基于端元提取的目标检测算法。该算法利用主成分分析的变换矩阵来构造投影算子,把原始图像投影到该算子构成的正交子空间后,大概率的背景信息得到抑制,从而突出了小概率的目标;在完成背景信息抑制的基础上,利用迭代误差分析方法进行端元的自动提取;根据所提取出的目标端元的光谱,结合光谱角度匹配技术完成目标物的检测。为了验证新方法的有效性,利用高光谱数据进行了实验研究,并与经典的RX算法的检测结果相比较。实验结果表明提出的基于端元提取的算法不需要目标的任何先验知识就能达到比较好的目标探测效果,对RX算法检测效果不太理想的小目标也能准确识别。     

Joint detection and tracking of size-varying infrared targets based on block-wise sparse decomposition

The high variability of target size makes small target detection in Infrared Search and Track (IRST) a challenging task. A joint detection and tracking method based on block-wise sparse decomposition is proposed to address this problem. For detection, the infrared image is divided into overlapped blocks, and each block is weighted on the local image complexity and target existence probabilities. Target-background decomposition is solved by block-wise inexact augmented Lagrange multipliers. For tracking, label multi-Bernoulli (LMB) tracker tracks multiple targets taking the result of single-frame detection as input, and provides corresponding target existence probabilities for detection. Unlike fixed-size methods, the proposed method can accommodate size-varying targets, due to no special assumption for the size and shape of small targets. Because of exact decomposition, classical target measurements are extended and additional direction information is provided to improve tracking performance. The experimental results show that the proposed method can effectively suppress background clutters, detect and track size-varying targets in infrared images.     

A new image processing method for evaluating the pupillary responses in a HMD-type eye-tracking device

In this paper, a new image processing method for evaluating the pupillary responses is described. This system is based on an eye-tracking system, using eye tracking and pattern recognition techniques with appropriate hardware and software. This pupillary response evaluation system includes a head-mounted display and a pinhole CCD camera. When the subject uses the head-mounted display to browse the screen of a computer, the CCD camera catches images of the subject's eye and transmits it to the computer. The program in the computer calculates the location and size of the pupil in the images. The pupil area calculation weighting function, visual fatigue detection, concentration detection, and eye/HMD slide compensation are included in the system. This allows the system to detect the pupil under different conditions. This system will know if anyone is using the system, then it evaluates the operating conditions of the subject, if the adjustment is correct, and guides the operator in using the system. The experimental results verified that this image system provides an economical and effective method for evaluating pupillary responses.     

An Adaptive Deblurring Vehicle Detection Method for High-Speed Moving Drones: Resistance to Shake

Vehicle detection is an essential part of an intelligent traffic system, which is an important research field in drone application. Because unmanned aerial vehicles (UAVs) are rarely configured with stable camera platforms, aerial images are easily blurred. There is a challenge for detectors to accurately locate vehicles in blurred images in the target detection process. To improve the detection performance of blurred images, an end-to-end adaptive vehicle detection algorithm (DCNet) for drones is proposed in this article. First, the clarity evaluation module is used to determine adaptively whether the input image is a blurred image using improved information entropy. An improved GAN called Drone-GAN is proposed to enhance the vehicle features of blurred images. Extensive experiments were performed, the results of which show that the proposed method can detect both blurred and clear images well in poor environments (complex illumination and occlusion). The detector proposed achieves larger gains compared with SOTA detectors. The proposed method can enhance the vehicle feature details in blurred images effectively and improve the detection accuracy of blurred aerial images, which shows good performance with regard to resistance to shake.     

改进的Zernike矩工业CT图像边缘检测

为提高工业计算机断层扫描(CT)图像亚像素边缘检测的精度和速度,研究了一种改进的Zernike矩边缘检测方法。该方法采用Sobel边缘算子快速检测出图像所有可能的边缘,通过Zernike矩算子对所有可能的边缘进行重新检测,最后,检测出图像的亚像素边缘并计算其精确位置。由于采用Sobel算子检测出可能的边缘使后续Zernike矩算子检测范围缩小,从而减小了运算量,提高了运算速度。对实际CT图像进行的实验结果表明:改进的Zernike矩工业CT图像边缘检测精度绝对误差<0.24 pixel,改进算法的运算速度提高了约70%。