一种基于正负差图像的运动目标检测新方法

运动目标检测领域中现有的差图像法是利用绝对值差图像检测差图像上运动目标区域，用现有方法检测时易受噪声干扰，而且当摄像机有自运动时需要进行背景运动补偿。因此，提出一种新算法，即首先分别计算正差图像与负差图像，然后利用运动目标区域在正差图像与负差图像中的幅值、形状以及运动等信息的对称性对其进行检测，最后给出针对飞机尾焰序列图像进行检测的结果。实验结果表明：该方法可提高运动目标检测的可靠性与效率。     

基于非参数特征提取的早期林火烟雾检测

提出了一种基于非参数特征提取的早期森林火灾烟雾检测方法。采用双背景模型进行运动区域检测,得到可疑烟雾区域。再利用早期火灾烟雾颜色特征和运动特性对提取的可疑运动区域进行颜色判别,对增长区域以及上升区域进行检测,排除部分干扰目标。根据提出的非参数特征提取法,计算并科学地选取可疑区域的特征量,将其输入训练好的支持向量机(SVM)进行烟雾判别。对多段视频进行测试表明,该方法能适用于复杂多变的野外环境,排除干扰,有效地检测出早期林火烟雾。     

无人机对地目标自动检测与跟踪技术

针对无人机图像帧序列具有平台高速运动,视角旋转强烈,需要实时处理等特点,提出一种基于双级旋转不变特征空间检测（粗匹配-精细匹配）与并行特征提取跟踪的无人机对地目标图像帧序列自动快速目标检测与跟踪算法。采用图像子块的平均灰度值、灰度值方差、灰度值梯度构建特征空间。通过构造图像特征空间的方法来快速筛选待匹配图像的可疑区域,删除大量的背景区域,检测算法使用全局初步匹配加局部精细匹配的方法来规避算法复杂度的缺陷。理论及实验分析表明:该算法实时性强,对图像的旋转畸变具有抵消作用,对异常情况可以恰当处理,且全局初步匹配流程具有可移植性,可以在其他图像匹配跟踪算法中充当预处理器。实验结果表明:该算法在无人机对地的情况下可以保证对地面目标的稳定跟踪,配套检测算法具有较好的实时性,满足无人机图像目标检测跟踪实时处理的需要。     

基于稀疏编码直方图的稳健红外目标跟踪

充分利用红外图像信息建立有效的观测模型是实现稳健红外目标跟踪的基础。影响红外目标跟踪结果的因素除可见光目标跟踪也会面临的干扰因素之外,还有诸如边缘和纹理信息缺失、信噪比低和背景噪声影响等特有因素。提出基于稀疏编码直方图(HSC)特征和扰动感知模型(DAM)的红外目标跟踪方法,使用K-奇异值分解算法得到过完备字典,利用该字典计算得到每个像素点的稀疏编码,并组成HSC对目标进行表达,同时通过引入DAM增强算法抗背景干扰能力。该方法充分利用了红外图像中运动目标的结构特性,能够有效去除背景干扰。与其他跟踪器相比,在VOT-TIR2015数据集上,该方法的精确度和成功率指标分别获得3.8%和4.4%的提升,具有较高的研究价值和实用价值。     

基于生物视觉特征和视觉心理学的视频显著性检测算法

提出了一种空域和时域相结合的视频显著性检测算法.对单帧图像,受视觉皮层层次化感知特性和Gestalt视觉心理学的启发,提出了一种层次化的静态显著图检测方法.在底层,通过符合生物视觉特性的特征图像（双对立颜色特征及亮度特征图像）的非线性简化模型来合成特征图像,形成多个候选显著区域;在中层,根据矩阵的最小Frobenius-范数（F-范数）性质选取竞争力最强的候选显著区域作为局部显著区域;在高层,利用Gestalt视觉心理学的核心理论,对在中层得到的局部显著区域进行整合,得到具有整体感知的空域显著图.对序列帧图像,基于运动目标在位置、运动幅度和运动方向一致性的假设,对Lucas-Kanade算法检测出的光流点进行二分类,排除噪声点的干扰,并利用光流点的运动幅度来衡量运动目标运动显著性.最后,基于人类视觉对动态信息与静态信息敏感度的差异提出了一种空域和时域显著图融合的通用模型.实验结果表明,该方法能够抑制视频背景中的噪声并且解决了运动目标稀疏等问题,能够较好地从复杂场景中检测出视频中的显著区域.     

运动背景下的帧间稳像技术

针对运动背景下帧间稳像技术,提出了一种带运动矢量修正的灰度投影运动估计算法。采用该算法分别对当前帧和参考帧的行、列计算灰度投影序列;将当前帧投影序列局部分块,分别将每一分块与参考帧行、列投影曲线进行互相关计算,得到基于局部投影的行、列运动矢量集合;以分块区域的相关置信度为权系数衡量参数,计算每一分块的像素位移权值,从而计算某一方向帧间的加权运动矢量。实验结果表明:该方法可以使运动目标造成的影响只作用于其中若干个局部分块,而其他分块不受此影响,尽可能保证稳像的准确性。采用该方法稳像后的图像与参考帧图像的均方根误差(RMSE)值明显下降,与参考帧图像更加吻合。     

基于特征融合和尺度自适应的干扰感知目标跟踪

针对复杂场景下单一颜色特征稳健性差、存在类目标干扰及目标尺度变化的问题,提出了一种基于特征融合和尺度自适应的干扰感知目标跟踪方法。首先,综合目标、邻域背景、类似干扰区域的三原色(RGB)特征和改进的方向梯度直方图(HOG)特征计算得到干扰感知目标模型;在搜索区域内逐像素点计算目标概率图,然后进行密集采样得到候选目标,利用目标概率图的概率值与距离值进行加权,同时定位目标和类似干扰,并更新目标模型;采用RGB直方图建立尺度模型,从当前帧图像上截取不同尺度的图像块并计算其RGB直方图,通过与尺度模型比较,获得最优尺度估计并更新尺度模型。实验结果表明,提出的方法对复杂场景下的类目标干扰、局部遮挡、尺度变化等均具有很好的适应性,同时距离精度、重叠精度等指标优于对比算法。     

运动背景下的帧间稳像技术

针对运动背景下帧间稳像技术,提出了一种带运动矢量修正的灰度投影运动估计算法。采用该算法分别对当前帧和参考帧的行、列计算灰度投影序列;将当前帧投影序列局部分块,分别将每一分块与参考帧行、列投影曲线进行互相关计算,得到基于局部投影的行、列运动矢量集合;以分块区域的相关置信度为权系数衡量参数,计算每一分块的像素位移权值,从而计算某一方向帧间的加权运动矢量。实验结果表明：该方法可以使运动目标造成的影响只作用于其中若干个局部分块,而其他分块不受此影响,尽可能保证稳像的准确性。采用该方法稳像后的图像与参考帧图像的均方根误差（RMSE）值明显下降,与参考帧图像更加吻合。     

序列图像中运动目标的自动提取方法

针对目标检测与跟踪领域中的运动目标自动提取问题,提出了一种新的运动目标自动提取方法.利用已有的图像帧滤波后初始化背景,并在运动目标检测过程中,利用检测结果,不断地自动更新背景.使用背景差法检测运动区域,并对差分图像进行动态阈值分割,以及边缘链接,使其边缘处于基本连续状态.在得到的二值图上,提取轮廓,并根据目标大小选择面积阈值,剔除由于噪音或者背景提取不干净造成的虚假轮廓,将得到的轮廓掩模图像与原图像做逻辑与运算,提取出目标.实验结果表明,该方法可以有效地提取出刚体或非刚体运动目标.     

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。     

Robust adaptive matched field processing with environmental uncertainty

The main challenges on detection and localization of quiet targets in littoral regions for passive sonar are the complicated acoustic propagation and the prevalence of loud ship interferences on the surface. Adaptive matched field processing can provide the ability to null surface interferences, but the mismatch between the computed and actual array steering vectors due to environment uncertainty, and the motion of both targets and interferences can result in loss of array gain significantly. To address the problem of environmental mismatch and target motion, a robust motion compensation algorithm and a system scheme for adaptive matched field processing have been developed. Both Numerical simulation and analysis of experimental data demonstrates that the robust AMFP scheme could suppress surface loud interferences and improve the detection performance for underwater weak moving targets in complex shallow water.     

复杂背景下红外弱小目标检测算法研究

复杂背景下低信噪比弱小目标的检测是红外预警系统中的重点和难点。为解决红外图像中杂波干扰多、目标信噪比低等问题,提出一种非线性空间滤波的目标检测方法。该算法在传统线性空间滤波算法的基础上,通过对预测点周围4个象限的背景灰度值进行计算,并动态地调节阈值,以达到突出小目标的目的。试验结果表明:当背景包含较多复杂因素时,采用非线性空间滤波的检测方法可有效地抑制杂波,实现弱小目标的提取,与线性滤波算法结果相比较,虚警数降低了3/4,且易于工程实现。     

基于灰度形态学和邻域熵值的弱小目标检测

 提出了一种弱小目标检测的新方法。从实际应用出发，考虑到复杂的背景和大量的干扰噪声，对传统熵值检测算法进行了改进，采用邻域熵值变化为检测标准。为了提高此方法的有效性，结合了灰度形态学滤波来对图像进行预处理。该检测算法的全过程为:首先对图像进行形态运算;然后对形态波后的图像进行邻域熵的计算;接着以计算所得的邻域熵的最大值和最小值为依据对图像进行分割,得到目标或目标边缘所处位置;最后用实地拍摄的空中弱小目标真实图像进行了实验验证。结果发现：该新方法可对弱小目标、大目标、多目标进行检测，且检测速度快，抗噪声干扰能力强。     

Hierarchical CodeBook for background subtraction in MRF

Foreground detection is the key low-level fundamental work in intelligent video surveillance. This paper proposed a hierarchical background subtraction algorithm consisted of block-based stage and pixel-based stage for it. In block-based stage, obvious backgrounds got detected via block-based CodeBook, leaving spatial relations among suspicious foreground pixels undestroyed. Pixel-based stage further eliminated the left background pixels with the introduction of spatial and temporal relations in a MRF-MAP framework. Then comparative experiments were conducted to evaluate the performance of the scheme in three dimensions – detection accuracy, update speed and memory consumption. Proposed approach possesses the highest detection precision and consumes the second least memories. And the update speed is of real-time level.     

基于滤波差分的双阈值弱划痕提取算法

高质量光学元件表面缺陷中存在一些深度较浅或者宽度较窄的划痕,在暗场成像检测中,该类划痕产生的散射光灰度值很低,甚至淹没在背景光中,很难被目视或常规机器视觉识别,造成划痕缺陷的漏检。针对该问题,以既有的疵病检测系统为基础,根据划痕灰度的等级特征,提出双阈值法分类处理划痕缺陷。在低阈值的弱划痕处理中,根据弱划痕和背景的频率特征以及空间对比度特征,设计了频域滤波及背景差分算法。通过空间域以及频率域的滤波处理,排除高频噪声以及高亮度噪声,根据几何特征等提取弱划痕图像中的复杂背景。经差分处理后,提取弱划痕并增强对比度,最后与正常灰度级划痕信息一同通过高阈值(正常阈值)进行后续划痕的特征提取,即得到所有的划痕信息,为划痕缺陷总长度计算以及最大长度的分级判定奠定基础。实验结果表明,该算法避免了过低二值化阈值引入的背景等不规则噪声,使得划痕与背景的对比度大大增强。目前该算法已经应用于惯性约束聚变系统中大口径光学表面划痕的定量检测,并且使长度计量的准确度已提升到约80%。     

层次卷积滤波红外弱小目标检测方法

针对单帧复杂背景红外图像点目标检测算法存在复杂背景下处理效果不理想、处理时间长的问题,提出了一种层次卷积滤波检测算法。主要分为两个部分：第一,根据红外小目标特性,设计一种层次卷积滤波的算子,对图像进行滤波处理,实现图像中小目标的增效和背景抑制的效果;第二,采用基于最大值的自适应阈值方法,对图像进行二值化操作,过滤背景杂波,最终提取到待检测的目标。在大量不同背景红外图像中进行实验,论文算法在背景抑制因子和信噪比增益的性能量化结果上优于现有5种典型红外弱小目标检测算法的性能结果,且平均处理时间仅为高斯拉普拉斯（Laplacian of Gaussian,LoG）滤波算法的30.42%。通过实验对比,表明该层次卷积滤波算法可以有效解决在不同复杂背景下的红外图像中对小目标检测的问题。     

Kalman滤波法消除光谱连续背景的研究

本文研究了Ｋａｌｍａｎ滤波法消除光谱连续背景，以电感耦合等离子体原子发射光谱法测量氧化铽中Ｌａ，Ｅｒ，Ｇｄ，Ｄｙ，Ｄｕ和Ｔｍ为例研究了不同背景情况下的结果。用新息序列的平均平方和正交自相关系数超过出信度极限以外数为评价函数，可评价所估计的背景形状，是一种不用测背景，用计算方法消除光谱连续背景的好方法，本方法不仅适用于电感耦合等离子体原子发射光谱，对分光光度，原子等原则上都可适用。     

非瑞利海洋混响抑制技术研究

随着主动声呐距离及角度分辨率的提高,海洋混响包络概率密度函数不再是瑞利分布,而是函数分布后端较瑞利分布具有严重拖尾性的非瑞利分布。但非瑞利分布模型的概率密度函数复杂,参数估计困难。通过对非瑞利分布混响进行恒虚警率检测处理,将严重拖尾部分数据值衰减为背景均值,从而将非瑞利分布混响信号转化为近似瑞利分布。由于去掉了对背景功率估计影响较重的干扰,并基于瑞利分布模型进行目标检测,本文目标检测方法具有较好的鲁棒性和计算简单等优点。文中对一组高分辨率声呐数据进行了恒虚警率检测,结果验证了方法的有效性。      

源端网络检测与抑制DDoS方法设计与实现

提出了一种源端网络DDoS攻击检测的方法。本方法基于BPF包过滤在源端网络的网关上监控数据包,通过计算网络报文的目的IP地址的信息熵进行可疑流量的检测,最终进一步使用连接跟踪的技术对可疑流量进行判别。本方法可以有效的鉴别出SYN Flood的流量,并在源端网络中直接拦截,节省计算资源。     

因子分析法校下在ICP—AES中光谱干扰及与其他方法的比较

本文将目标变换因子分析用于电感耦合等离子的子发射光谱分析中光谱干扰的校下在，对因子分析法校正谱线重叠和结构背影干扰作屯较详细的讨论。