复杂背景下运动点目标的检测算法

在复杂背景红外序列图像中,运动点目标的检测一直是研究的重点和难点。介绍了一种新的复杂背景下运动点目标的检测算法。首先根据点目标、背景干扰和噪声在红外图像中的差异,运用窗口大小不同的均值滤波器进行背景抑制以提高图像的信噪比,然后用一种门限法得到新的分割序列图像,最后采用改进后的隔帧差分光流场算法可有效地检测出点目标。仿真实验表明该算法优于传统光流场算法,能够检测帧间位移小于一个像元的运动目标,具有较好的检测性能,且实时性强。     

基于灰度信息的动场景视频序列中运动对象的提取

提出了一种基于视频序列灰度信息的运动对象提取方法。该方法采用改进的Sobel算子提取边缘图像,依据边缘信息将视频图像分割为不同的灰度连续区域。在各灰度连续区域中,选取特征点进行匹配获得特征点对。根据特征点对合并灰度连续区域,获得全局运动参数。采用具有自适应帧间隔的帧差交集法,获得图像中运动对象区域。结合灰度信息和运动信息,分割出运动对象。实验结果表明,该算法可以有效地将运动对象从视频序列中提取出来。     

一种视频运动目标精确分割新算法

针对视频图像中单个运动目标的分割问题,提出了一种基于Kirsch边缘算子的视频运动目标分割算法,该算法将Kirsch算子检测到的边缘作为主分割信息,运动矢量场作为次要分割信息。首先利用双重尺度的运动矢量场进行累加和滤波处理来获得辅助分割信息;然后将Kirsch算子的模板分解为差值模板和公共模板以提高边缘的抗噪性;最后用自适应状态标记的方法将边缘信息和运动矢量信息相融合来准确地分割运动目标。实验结果表明该方法分割比较精确。     

动态背景下基于光流场分析的运动目标检测算法

针对现有动态背景下运动目标检测算法的不足,提出一种基于光流场分析的运动目标检测算法.首先根据前背景在光流梯度幅值和光流矢量方向上的差异确定目标的大致边界,然后通过点在多边形内部原理获得边界内部的稀疏像素点,最后以超像素为节点,利用混合高斯模型拟合的表观信息和超像素的时空邻域关系构建马尔可夫随机场模型的能量函数,并通过使目标函数能量最小化得到最终的运动目标检测结果.该算法不需要任何先验假设,能够同时处理动态背景和静态背景两种情况.多组实验结果表明,本文算法在检测的准确性和处理速度上均优于现有算法.     

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。     

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。     

一种全局运动的图像处理算法研究

在摄像机进行航拍的图像处理系统中,由摄像机运动所引起的视频运动,背景变化是主要特点。在进行图像采集时,每个像素都在变化,采用传统的图像编码方式进行图像压缩,压缩效果比较差。提出了基于块分割的精确运动估计算法,它是一种很好的图像压缩方法。     

基于FPGA的运动目标实时检测跟踪算法及其实现技术

运动目标检测跟踪有关的算法及其基于PC平台的实现已经比较成熟,但实时性较差。将采集的彩色视频流分成灰度和彩色两个数据流,灰度视频用于目标检测,彩色视频流用于跟踪显示。以经典的帧间差分法和背景差分法为基础,根据现场可编程门阵列(FPGA)的特点及片外同步动态存储器的存取控制要求,对这两个算法用FPGA逻辑单元进行了设计和实现。对原始彩色视频流和转换后的灰度视频流的存取使用乒乓操作,在滤波和形态学处理时使用了并行的流水线操作,极大地提高了算法的实时处理能力。在FPGA开发板上构建了一个彩色视频图像中运动目标检测跟踪系统,对系统性能进行了测试。实验结果表明,系统可在多种分辨率和帧率下进行运动目标进行实时检测跟踪;固定背景差分法对目标运动速度无限制,但当使用帧差法对快速运动目标进行有效的检测时,应使目标的帧差间距大于3.2像素。     

基于柯西分布的视频图像序列背景建模和运动目标检测

提出了一种用于视觉监视系统的基于柯西分布的发光模型的光照不变变化检测方法.假定视频图像序列中每个背景图像像素点灰度观测值的时序变化由白噪声引起,利用建立的初始化背景高斯统计模型对每帧图像进行归一化,得到了背景像灰度比值的分布符合标准柯西分布的结论,解决了柯西分布的模型参量估计问题.在变化检测的基础上,YCbCr颜色空间的亮度、色调和饱和度被用来识别和消除由阴影和反光等引起的变化区域.结果表明,提出的背景建模方法对场景中各种光线变化、小的背景扰动等噪声具有稳健性,可以较为可靠地检测前景目标,识别和去除阴影和反光.     

基于鲁棒M估计和Mean Shift聚类的动态背景下运动目标检测

针对动态背景下运动目标的检测问题,提出了一种基于鲁棒M估计和Mean Shift聚类的目标检测新方法。首先,在考虑全局光照变化的情况下,构建鲁棒M估计器估计全局运动,以实现最小化相邻2帧图像中所有像素亮度的绝对残差和,根据M估计得到像素点权值,提取出代表局部运动信息的离群点;在离群点中均匀抽取网格点,然后利用Mean Shift聚类算法实现不同运动点的分割;根据聚类的结果生成凸包,准确分割出运动目标区域。实验结果表明,该方法能检测出动态背景下的多个运动目标区域,多目标检测准确度到达95%以上,并且只需两帧图像就可以准确检测并锁定运动目标,满足实时处理的要求,具有一定的工程意义.     

MPEG-4静态纹理BQ模式编码算法的改进

根据MPEG-4静态纹理编码工具中所定义的解码过程,建立了与标准相容的静态纹理编解码框架,然后从零树符号的信息含义及其与编码层目标图像的一致性出发,研究MPEG-4 VTC工具中位平面模式编码的改进问题,提出一种基于符号分解的预测性嵌入式小波零树编码方法,并用SP-PEZW方法对彩色参考图像Lena进行了压缩和解码实验研究.实验表明,SP-PEZW方法在低比特率编码层上比PEZW有更好的压缩效率,同时对高分辨率编码层压缩比并无大的影响,甚至在高分辨率空间层以指定码率解码时图像质量略有提高.     

基于多特征模糊融合的运动物体检测算法

提出了一种利用模糊共现向量改进统计纹理特征法并同时融合多种特征的运动物体检测算法。该算法简化了传统的统计纹理特征法的计算过程,同时由于融合了多种特征,进一步提高了提取运动物体的准确性。将其该算法其他的目标检测算法进行对比。实验验证了该算法的有效性。     

影响MPEG-4图像恢复质量的参数研究

MPEG_4作为一种适合各种多媒体应用的图像压缩编码标准,已经得到广泛应用。介绍了I帧、P帧、B帧的运动图像编码。论述了影响图像恢复质量的几个因素,包括以下几个方面:DCT(Discrete cosine Transform)离散余弦变换;QP(Quantize Parameter)量化系数;SR(Search Range)运动估计中搜索范围以及半像素搜索(half_pixel searching)等。通过压缩比,峰值信噪比,编解码时间等大量实验数据比较各因素影响大小。实验证明量化系数对图形恢复质量影响最大,其余几个因素也有一定影响。     

真实场景下视频运动目标自动提取方法

视频运动目标跟踪逐渐成为研究热点并应用到军事民用等领域,为了能够从真实场景中快速准确地提取视频跟踪单运动目标或多运动目标,提出了一种新的运动目标自动提取方法。首先通过自适应阈值获得滤波后的相邻帧差值图像。其次,为了消除差值图像中噪声的影响,标记此二值图像的连通像素来检测出运动目标所在的区域,并与边缘检测出的空间信息结果比较得到运动目标模型。最后,将图像分成若干区域,在每个分区域内依次连接每个运动目标模型的最外围轮廓点,由此构成目标闭合轮廓。利用得到的连续边界,对运动目标进行提取。实验结果表明,该算法能够有效地自动提取速度不同的单运动目标,同时能够提取多运动目标。     

连续帧间差分与背景差分相融合的运动目标检测方法

为了克服背景差分法和帧间差分法的不足,有效提高运动目标检测的准确性、实时性和检测效率,提出了一种将连续帧间差分法与背景差分法相结合的运动目标检测方法.首先通过连续帧间差分法获得连续帧差图像,然后分别通过线性的自适应滤波、非线性的中值滤波获得背景图像进行差分,之后再利用阈值分割技术实现运动目标的增强,从而有效解决背景差分法和帧间差分法中都可能出现的无法检测目标的现象.实验表明,该算法可以有效避免漏检、误检等情况,提高运动目标检测的效率和准确性.     

基于ARM处理器的运动目标检测与跟踪系统

运动目标的检测及跟踪技术广泛应用于军事与民用领域。传统基于PC的目标跟踪系统不能满足对体积、功耗及便携性的需求,基于ARM处理器S3C2440A和嵌入式Linux操作系统构建了一个比较完整、实用的目标跟踪系统。该系统利用摄像头采集运动目标图像,处理器进行数字图像处理,LCD显示跟踪目标。阐述了实现原理及图像获取、目标检测、图像分割和目标跟踪算法程序流程。通过实际测试,该系统能满足对低速运动目标的检测、识别和跟踪,且具有较好的实时性和稳定性。     

基于稳定矩阵的动态图像运动目标检测

为了对视频序列中的运动目标进行快速、准确地提取,提出了一种自适应背景模型估计方法.利用背景与前景图像在时域中不同的变化特性,构造图像的稳定矩阵函数,通过稳定矩阵元素的变化自动区分背景点和前景点,并对稳定矩阵设置上、下饱和值,使算法能在短时间内自动感知背景的突变,从而快速地建立背景图像模型并对其实时更新.同时还分析了动态图像序列的配准问题,选取局部特征模板图像,采用投影匹配原理简化计算,快速估计出全局运动矢量.实验证明,背景估计算法收敛速度快,只需10 frame图像即可建立稳定背景,对于500 pixel×200 pixel动态图像序列,整个算法时间只需35 ms,完全满足工程上25 frame/s处理能力的要求.     

一种基于非下采样Contourlet变换的运动点目标背景抑制算法

为了解决机载红外预警探测系统检测地面运动点目标时的结构化背景抑制,提出了一种基于非下采样Contourlet变换的新算法.算法采用非下采样Contourlet变换对原始图像进行多层分解,然后对低频子带和高频子带采用不同的方法处理,最后对各子带进行重构即可得到背景抑制后图像.与数学形态学Top-hat算法比较,实验结果表明本文所提算法能有效地抑制图像背景,从而较好地提高图像的信噪比和对比度.