基于局部协方差矩阵判别模型的红外小目标检测方法

在复杂的背景下检测红外点目标是一项很难的挑战。复杂的背景通常包含结构化边缘、非结构化杂波和噪声,它们具有完全不同的属性。使用某个属性将小目标与这些干扰分开是非常困难的。为了解决这个问题,本文提出了一种基于局部协方差矩阵判别模型的方法来检测目标。在检测目标的过程中,讨论了图像在四个方向上的变化。此外,在红外小目标检测过程中,本文还采用了一种新的基于图像均值和方差的阈值公式。实验结果表明,该方法具有较好的性能。     

基于区域协方差矩阵的末制导目标跟踪

针对红外成像末制导阶段目标尺寸和姿态迅速变化的问题,提出了一种基于目标区域协方差矩阵的粒子滤波器目标跟踪方法。为了在红外成像末制导阶段精确跟踪目标以及抑制逐渐显现的图像细节,本方法以目标位置和大小作为目标状态,通过粒子滤波器跟踪在实时帧图像中的目标,并在图像金字塔上迭代定位目标以提高跟踪精度。为了适应目标大小的变化,通过实时更新目标模板(区域协方差矩阵)以调整跟踪窗的大小。选择多种目标特征构造区域协方差矩阵,作为目标描述符来匹配、定位目标。仿真结果表明,该方法不仅能适应末制导阶段目标尺寸的急剧变化,而且对红外成像末制导阶段目标能实现精确跟踪,表现了很好的鲁棒性。     

基于积分协方差矩阵的粒子滤波目标跟踪

仅利用单一特征的目标跟踪难以克服光照和目标形变等外部条件变化,给出一种基于协方差区域描述子的粒子滤波,协方差描述子可融合目标区域内的多种特征处理复杂背景下的目标跟踪问题,提高跟踪的鲁棒性;针对粒子滤波计算量大的问题,引入积分协方差矩阵计算,提高跟踪的实时性,对比实验表明新的跟踪算法比仅用单一特征跟踪鲁棒性更高,处理速度更快。     

基于协方差矩阵的双通道SAR图像域地面慢动目标检测算法的性能对比研究

双通道合成孔径雷达(SAR,Synthetic Aperture Radar)具有巨大的地面慢动目标的检测潜能,备受国内外SAR-GMTI (Ground Moving Target Indication)研究者们的青睐.现有的双通道SAR图像域地面慢动目标检测算法,都可归为对协方差矩阵的合理分解和变换.本文分析和对比了各种基于协方差矩阵的慢动目标检测算法:首先,对现有算法进行了归纳分类,在此基础上分析比较了每类算法的基本原理,并阐明了它们各自的优缺点.进而,结合实验验证,分别从杂波抑制能力、稳健性、动目标ROI(Region of Interest)获取精度、多视处理的影响以及抗干扰性等方面作了进一步地对比分析,全面总结了现有算法的检测性能.最后,结合现有算法存在的不足,指出寻找更优的动目标检测量的攻关方向,完善和发展了双通道SAR地面慢动目标检测理论.     

基于区域协方差矩阵的目标跟踪方法

针对精确制导系统图像跟踪的特点,在计算机视觉研究领域最新成果区域协方差矩阵的基础上提出了一种目标跟踪的新方法.首先对图像进行空域滤波,然后提取目标区域的多种特征,生成区域协方差矩阵,接着用参考模板的区域协方差矩阵在实时图中进行相关匹配,生成相关矩阵;最后对相关矩阵进行一系列后处理,确定跟踪点;另外设计了一种简单实用的模板刷新方法.大量的仿真实验证明该方法对红外图像、可见光图像,运动目标、固定目标都能实现很好的跟踪,展示了很好的鲁棒性和精确性.     

利用样本协方差矩阵特征值分解实现双通道SAR动目标检测

该文针对机载双通道SAR-GMTI系统及实测数据,提出一种新的地面慢动目标检测方法。该方法基于双通道样本协方差矩阵特征值分解,将杂波第2特征值和干涉相位联合统计特性的研究结果用于慢动目标检测,即根据给定的恒虚警概率确定一条联合分布的第2特征值干涉相位等高线作为门限检测曲线,同时结合第2特征值、干涉相位门限预处理,实现地面慢动目标的精确检测。实测数据实验结果表明：该方法不但扩大了慢动目标的可检测速度范围,同时还降低了系统的虚警概率。     

非平稳逆高斯纹理估计的两种协方差矩阵GLRT检测器

文章研究了两种海面目标检测算法。由于海杂波的非高斯、非平稳和非均匀特性,传统的分布模型不能对海杂波进行有效的拟合,海杂波的概率密度函数会产生严重的拖尾现象。海杂波的非平稳性主要体现在纹理上,通过对纹理进行逆高斯建模,并估计纹理的最大后验值和最小均方误差值,对非平稳纹理进行归一化处理,实现海杂波协方差矩阵的平稳化。在广义似然比检测模型的基础上,提出了最大后验逆高斯广义似然比检测器(MAP-IGD-GLRT)和最小均方误差逆高斯广义似然比检测器(MMSE-IGD-GLRT)。经过仿真和实测数据实验验证,该文所提两种检测器均优于对比算法。     

基于区域协方差矩阵特征与流形SVDD的SAR目标鉴别

为提高合成孔径雷达自动目标鉴别方法中鉴别特 征的可分性及鉴别器的 拒判性能,提出了一种基于区域协方差矩阵特征与一种迭代的SVDD相结合的目 标鉴别方法。融合多种纹理特征及其相关性,构造了一种基于区域协方差矩阵的 鉴别特征,该特征在实验中取得了良好的可分性且无需进一步的特征选择。将 SVDD的分类准则与协方差矩阵特征空间的流形结构相结合,设计了一种迭代流 形SVDD鉴别器,通过一种新的迭代方法选择SVDD的超球面中心代替Karcher均值点作为映射 基点。在RADARSAT-2实测数据上的实验结果验证了新方法的有效性。     

基于协方差描述子的红外目标粒子滤波跟踪算法

针对传统协方差矩阵跟踪方法中不能捕获目标旋转变化的问题,提出了一种基于椭圆协方差矩阵的红外目标辅助粒子滤波跟踪方法.首先对矩形协方差矩阵进行扩展,构建了椭圆协方差矩阵描述子,能有效适应目标的尺度和旋转变化,有效提高了目标模型的分辨能力.进而采用改进的李群结构来进行距离度量.在贝叶斯跟踪框架下,采用辅助粒子滤波采样粒子,解决了粒子滤波采样时由于没有利用观测值而造成粒子不能完全覆盖在目标位置附近的问题,最终实现了红外目标的准确定位.实验结果表明该算法简单有效,能准确跟踪尺度和旋转变化的红外目标.     

基于协方差矩阵特征分解的多通道SAR-GMTI方法及性能分析

该文提出了一种基于协方差矩阵特征分解的多通道运动目标检测和测速定位方法,该方法依据多通道SAR数据协方差矩阵特征分解后小特征值和的幅度变化来检测运动目标。在检测出运动目标后,先利用两幅复图像的干涉相位对目标径向速度进行粗略估计,再通过搜索动目标空域导向矢量的方法对径向速度进行精确估计,克服了干涉相位对杂波和噪声的敏感性。仿真数据和实测数据验证了该方法的有效性。     

基于多层背景模型的运动目标检测

复杂背景下的运动目标检测一直是计算机视觉领域中一个具有挑战性的问题,本文提出一种基于多层背景模型的运动目标检测算法.该算法首先从视频序列的第一帧中提取每个像素的邻域样本,用于初始化背景模型,只需一帧图像即可完成背景模型的初始化;其次,为实现背景模型的自适应更新,引入随机采样技术,随机选取一个不匹配的码字,采用新的背景像素取而代之,避免错误分类的码字长时间驻留在背景模型中;为处理动态场景中多种干扰因素的影响,提出了多层背景模型策略,每个像素经过多层背景模型的逐层验证,保证了背景模型的精确性.实验结果表明,该算法能够有效克服复杂背景下的多种干扰因素影响,且检测率和识别率均高于现有经典算法.     

基于RGB三通道分离的运动目标检测方法

背景图像的提取和更新是背景差分的关键。传统的背景差分法是对灰度图像进行处理,在检测前要对彩色图像进行颜色空间的转换,必然会丢失许多信息。对时间中值获取背景模型的不足加以改进,设计并实现了一种基于RGB三通道分离的运动目标检测方法。用形态学处理和连通性分析消除噪声,用区域填充技术填充目标区域内部空洞,在HSV空间去除阴影部分,得到比较准确的运动目标。实验结果表明,该算法在运动目标存在的情况下也能获得较准确的背景模型,当目标灰度值和背景灰度相近的时候,也可以检测到较完整的运动对象。     

基于改进surendra背景更新算法的运动目标检测算法

提出了一种改进的surendra运动目标检测算法,该算法可以自适应的调整背景更新速度。首先将第一帧图像作为背景图像,并利用改进的surendra背景更新算法根据每帧图像对背景图像进行更新获得可靠的背景。然后,将当前帧与背号作差,得到差值图像。使用自适应阈值对差值图像进行二值化处理,并利用形态学滤波对二值图像进行适当处理,这样运动目标就被准确地提取出来。     

基于分级自适应背景差分的运动目标检测

针对经典自适应背景差分法中存在的问题,提出一种基于分级自适应背景差分的运动检测方法.方法结合了帧间差分法和背景差分法的优点,解决了运动检测中常见的拖尾问题和空洞问题.利用识别信息对感兴趣目标单独使用更新系数进行更新,在快速跟踪背景变化的前提下,能够保持对感兴趣目标的持续关注.     

基于YC_bC_r颜色空间的背景建模及运动目标检测

高斯混合模型广泛应用于基于背景建模的运动目标检测中。首先在YCbCr颜色空间采用自适应高斯混合模型对背景的每个像素建模;然后,对输入的当前帧图像的每一像素值与该像素点对应的高斯混合背景模型的各个高斯模型进行比较,将前景运动区域（包括运动目标、投射阴影）从场景中提取出来;最后,采用局部二元图（Lo-cal Binary Pattern,LBP）来提取纹理特征,利用背景在阴影覆盖前后的纹理相似性去除投射阴影,同时结合阴影的空间几何特性优化运动目标检测结果。实验结果表明,该算法能有效地检测出投射阴影和运动目标,具有较高的实际应用价值。     

静态背景下的运动目标检测算法

运动目标检测是计算机视觉研究的重要组成部分。为了改进传统运动目标检测算法存在空洞、阴影和虚假边缘现象,提出一种静态背景下基于五帧差分与背景边缘差分相结合的运动目标检测算法。该算法首先利用优化的Canny边缘检测算法快速简单地构建稳定的背景边缘模型,同时利用背景边缘检测差确定运动目标边缘;之后与五帧差分法检测的结果相累加;最后通过同化填充和后期相关处理提取完整、准确的运动目标区域。实验结果表明,该算法准确率高,连通性好,能满足实时性检测的要求。     

基于自适应背景图像更新的运动目标检测方法

在运动目标的实时检测中常用的方法是背景图像差分法,但因其缺乏背景图像随监视场景光照变化而及时更新的合理方法,限制了本方法的适应性.对此,本文首先提出了一种基于光流场等技术的自适应背景逼近更新方法,并根据彩色差值模型得到差分图像;然后引入Gauss模型实现运动目标的自适应阈值分割.实验结果表明:本文提出的背景更新方法可随着光照条件的变化实时、准确地更新背景图像,在此基础上提出的基于Gauss模型的自适应阈值分割方法可以实现运动目标的完整分割,这为运动目标的后续识别与理解奠定了基础.     

一种视频监控中基于航迹的运动小目标检测算法

针对视频监控中运动小目标难以检测的问题,该文提出一种基于航迹的检测算法。首先,为了降低检测漏警率,提出区域纹理特征与差值概率融合的自适应前景提取方法;其次,为了降低检测虚警率,设计航迹关联的概率计算模型以建立疑似目标在视频帧间的关联,并设置双门限以区分疑似目标中的真实目标与虚假目标。实验结果表明,与多种经典算法相比,该算法能对定量范围内的运动小目标以更低的漏警率和虚警率实施准确检测。