强背景下模糊闪烁成像目标探测与跟踪

强背景下空中运动目标主要表现为边缘残缺、模糊,甚至出现闪烁、间断等复杂成像特性,这成为制约目标探测和成像跟踪的瓶颈问题。结合跟踪过程反馈信息来确定目标点扩展函数,利用一种新的Ben-Ezra图像复原模型,解决了目标运动模糊的图像复原问题;采用基于特征伴随值的相似性判断方法,构造联结机制的联想网络模型,来解决目标闪烁和残缺特征的联想问题。对提出的方法进行了图像序列的仿真,取得了较好的实验结果。     

基于运动模糊复原技术的红外弱小目标检测方法EI北大核心CSCD

在红外对空探测系统中,由于探测器时刻处于运动状态使得目标图像产生剧烈的运动模糊,给红外小目标检测造成困难。为了解决运动模糊条件下红外小目标检测的问题,提出将运动模糊复原技术和图像增强技术引入红外探测系统。先将探测器采集到的原始图像经过维纳滤波,对运动模糊进行处理并抑制噪声干扰,再利用梯度法对处理后的图像做锐化处理,增强目标边缘。实验验证和仿真分析结果都表明,该方法运动模糊复原效果明显,并在一定程度上抑制了噪声,提高了目标对比度,使目标在背景中更加凸显,并且能够显著提高目标图像质量。引入的评价参数峰值信噪比和均方差表现良好,该方法可以增强探测系统的使用性能。     

去散焦模糊的折反射全向成像系统设计

随着高分辨率传感器和大光圈的采用,光圈和反射面曲率造成的折反射全向成像散焦模糊问题越发突出。提出了一种有效去除散焦模糊的折反射全向成像系统设计。理论分析折反射成像散焦模糊的原因,建立全向图点扩展函数与实景空间物点及成像系统虚像位置的关系;在一次曝光成像时间内匀速旋转镜头对焦环,通过累积曝光使全向图散焦模糊核具有期望的空间不变性;利用反卷积算法对散焦模糊全向图进行复原,得到全局清晰的全向图像。该方法较好地解决了折反射全向成像散焦模糊问题,对提高折反射全向成像质量,促进其在相关领域的广泛应用具有重要意义。     

动态背景下运动目标检测与跟踪研究

主要研究动态背景下的运动目标检测和跟踪问题。背景补偿差分法是一种常用的动态背景下运动目标检测算法,但检测到的目标轮廓要比其真实轮廓大,检测结果不准确且算法复杂度较高。主动轮廓模型在图像分割和目标提取过程中具有拓扑结构变化灵活性,对数值计算方案的设计更加方便、有效,据此提出一种基于改进C-V模型和卡尔曼滤波的算法,用来检测和跟踪动态背景下的运动目标。提出的算法利用C-V模型曲线演化检测和跟踪目标,使C-V模型在目标的边缘处收敛。结合卡尔曼滤波预测运动目标下一帧位置,从而实现对运动目标轮廓的跟踪。实验结果表明,该方法可以对动态背景下运动目标进行精确的检测与跟踪。     

空变环形编码孔成像模拟与图像复原

环形编码孔成像技术具有高的探测效率和信噪比,是一种解决低强度脉冲辐射源成像较好的技术。基于该技术,利用Geant4建立环形编码孔中子成像的模拟过程,获取6个不同位置的点扩散函数(PSF)和编码图像。根据空间移变图像分块原理,将图像分成矩形和圆形分块,每一块图像用RL迭代法复原,去除边界明显畸变的像素,这些像素强度由相邻的图像块像素到边界距离的加权系数叠加而成。模拟结果表明,该方法提高了图像复原效果,能够更好地诊断射线区域的空间分布情况。     

一种可见光成像的目标检测跟踪方法

在末制导成像阶段目标占据视场的大部分面积,形状信息丰富,这时对目标体上某一固定点的稳定跟踪成为最主要的需求。针对图像灰度过于集中目标难于提取的问题,在图像预处理阶段提出了依据概率统计的图像灰度均衡的方法;为解决图像边角点的快速检测问题,提出了图像二维投影和滑动卷积相结合的方法;最终为实现快速稳定的跟踪,提出了依据角点匹配的形心跟踪方法。根据此算法的特点研制了FPGA+DSP的硬件平台,充分利用FPGA的并行流水特性和DSP的逻辑运算特点,能快速检测到目标形心和进行稳定地跟踪,验证了方法的有效性和实用性。此方法应用在某课题上,跟踪效果良好,为试验的圆满成功提供了保障。     

强混响背景下悬浮目标的时反成像

提出了一种加权宽带全信号子空间时反成像方法,将扩展性目标建模为有限数量个、相互独立的点散射体构成,实现了时反成像在可疑目标区域的全信号子空间和整个宽带的累加。在实验室波导水池中,底部放置圆柱筒制造混响背景,共进行了两个实验,一是扩展性的悬浮目标位于圆柱筒附近,其回波与圆柱筒反射的混响不在同一个时间窗内,二是弱点目标回波与圆柱筒反射的混响重叠于同一个时间窗内,对所提出的方法进行强混响背景下弱悬浮目标的成像能力验证。结果表明,此方法对强混响背景下的弱悬浮目标的成像质量明显优于传统的时反成像方法。     

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。     

基于特征角点的目标跟踪和快速识别算法研究

提出了一种基于特征角点的目标跟踪、识别方法,其运算效率较高,且角点不易丢失。从对基于灰度的角点提取方法和基于边缘的角点提取方法的比较入手,提出建立新特征模型的必要性。随后给出了一种既能提高运算效率又能简化跟踪模型的特征角点法。选取了飞行速度为300m/s的某战机序列共11帧连续图像作为处理对象,通过在主要配置为Pentium 4、80G内存计算机的、Matlab2006a软件的环境中进行仿真,算法的运算速度可达0.7s,与其他跟踪算法相比跟踪速度较快,表明该方法是一种简洁有效的目标跟踪识别方法。     

大视场Ritchey-Chretien光学系统的间接成像方法

Ritchey-Chretien(R-C)光学系统广泛应用于航空和航天等远距离探测领域,因其视场较小,所以通常采用附加光学元件的方法实现大视场成像,但这会导致结构复杂,不利于系统实现小型化和轻量化。鉴于此,提出一种R-C系统间接成像方法。首先分析系统的像差特性,接着基于波前像差理论和Zernike多项式构建波前模型,然后通过傅里叶变换建立PSF模型,最后结合反卷积算法处理图像。在仅采用主、次镜的情况下,可以实现R-C系统大视场成像。对焦距为1300 mm、全视场为0.9°和F数为4的R-C光学系统进行仿真模拟。模拟结果表明,所提方法的MTF在频率为40 cycle/mm处平均提升约为0.25,成像质量显著提升。     

基于自适应背景的目标跟踪算法研究

随着现在的社会发展以及经济进步,我国的科学技术方面发展迅速,特别是在技术监控方面更是突飞猛进。为了更好的对目标遮挡影响进行降低,我国在这方面主要依据自适应的技术发展背景下提出目标跟踪计算法,用来完善我国的监督控制技术。这种计算方式第一是根据对观察目标的基本外观形态进行的鉴定与跟踪,将其自身的运动量进行平均计算;其次是根据时空的运行方向与特征进行跟踪目标的计算,建立比较完善整体的运行模型,再根据这个运动模型以及整体的状态对监督目标进行检测与控制,这期间就会形成一种遮挡掩膜。对于掩膜是一种将程序数据等绘制成光刻板,在程序使用期间非常可靠,并且制造成本比较低,使用方便;最后是在不同的使用情况下将不同参数进行收集,自动的适应运动模型的运行。针对这种计算方式的实验主要是利用两种在国际上经常使用的CAVIAR、York数据进行测试,并且根据这两种数据对测试的精准度与多重目标跟踪等进行评定,检测跟踪的整体性能。通过多方面的研究表明这种方式的跟踪的性能非常好,并且还能很好的将跟踪目标的鲁棒性进行遮挡。     

Small moving infrared space target tracking algorithm based on probabilistic data association filter

Numerous false alarms for low signal-to-noise ratio (SNR) would seriously debase the performance for infrared low observable (LO) space target tracking. Due to the motion (i.e. azimuth, elevation and their derivative velocity), amplitude and size of infrared target are almost invariable and highly correlative, a multi-feature association approach based on probabilistic data association (PDA) is presented to track target in this paper. Firstly, the motion, amplitude and size of target are modeled as stationary random signal afforded Gaussian distribution. The probability of motion, amplitude and size of measurement originated as the target of interest is then estimated by Gaussian distribution, and that of false alarm is distributed uniformly. Subsequently, the combined probability of motion, amplitude and size is derived by PDA, and their weight coefficients are estimated adaptively according to their fluctuations. Finally, the relevant parameters including combination measurement are predicted and updated. Some experiments are included and the results show that the performance of target tracking by the proposed approach is significantly enhanced.     

Infrared dim target detection technology based on background estimate

Accurate and fast detection of infrared (IR) dim target has very important meaning for infrared precise guidance, early warning, video surveillance, etc. In this paper, two new algorithms – background estimate and frame difference fusion method, and building background with neighborhood mean method are presented. The basic principles and the implementing procedure of these algorithms for target detection are described. Using these algorithms, the experiments on some real-life IR images are performed. The whole algorithm implementing processes and results are analyzed, and those algorithms for detection targets are evaluated from the two aspects of subjective view and objective view. The results prove that the proposed method has satisfying detection effectiveness and robustness. Meanwhile, it has high detection efficiency and can be used for real-time detection.     

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.     

火控雷达动态目标探测跟踪建模仿真

火控雷达目标探测跟踪是现代与未来防空作战的首要任务,也是火控系统的关键环节。针对火控雷达连续、自动、快速跟踪目标的特点,首先分析了火控雷达系统闭环连续探测跟踪工作流程,然后利用信号级建模方法,在信号层面上进行了雷达回波信号生成、信号处理与跟踪控制的一体化建模,并给出了各模块模型,最后完成动态火控雷达闭环目标距离、方位角与高低角三维探测跟踪测量过程仿真与分析。仿真结果不仅验证了建模方法与模型逼真有效,也对以后火控雷达跟踪性能评估、数据处理等仿真研究有着一定的参考价值。     

A novel infrared small moving target detection method based on tracking interest points under complicated background

Infrared moving target detection is an important part of infrared technology. We introduce a novel infrared small moving target detection method based on tracking interest points under complicated background. Firstly, Difference of Gaussians (DOG) filters are used to detect a group of interest points (including the moving targets). Secondly, a sort of small targets tracking method inspired by Human Visual System (HVS) is used to track these interest points for several frames, and then the correlations between interest points in the first frame and the last frame are obtained. Last, a new clustering method named as R-means is proposed to divide these interest points into two groups according to the correlations, one is target points and another is background points. In experimental results, the target-to-clutter ratio (TCR) and the receiver operating characteristics (ROC) curves are computed experimentally to compare the performances of the proposed method and other five sophisticated methods. From the results, the proposed method shows a better discrimination of targets and clutters and has a lower false alarm rate than the existing moving target detection methods.