基于激光雷达与红外图像融合的车辆目标识别算法

为了提高车辆目标在不同测试条件下的识别效率,降低系统的漏检率和误检率,提出了一种基于激光雷达与红外图像融合的车辆目标识别算法。该算法利用目标原点矩参量表征目标的红外特征,用匹配相似度表征目标的点云特征,再经过轴系对齐和尺度变换实现图像融合。实验采用激光雷达与红外同轴光路获取的两类数据进行图像融合,再利用目标匹配阈值进行迭代筛选,最终识别车辆目标。对比了1帧、20帧和40帧图像中具有不同属性的车辆目标识别效果,结果显示,本算法输出的目标识别区域正确适当。在1000帧图像的多种测试条件的实验中,本算法的漏检率均小于100,误检率均小于50,明显优于传统的距离向数据分类法和光谱分类法,验证了其具有较好的鲁棒性。     

基于Camshift算法的红外测量目标跟踪方法

针对红外测量目标图像灰度分布不均衡、边缘灰度梯度小、有效信息范围窄,导致在应用Camshift算法对红外测量目标跟踪时不能准确检测目标区域的问题,文章利用红外测量图像相邻帧灰度分布的连续性,按照目标判读的具体要求,通过目标跟踪结果重定位的方式,解决了此方法在跟踪结果中目标图像范围不稳定的问题,实现了测量图像的连续稳定跟踪。实验结果表明:此方法能够提供准确的目标范围,跟踪稳定,执行效率高,且方法具有较好的自适应性,易于实现。     

基于RBF神经网络的激光雷达图像滤波融合算法

单一算法对激光雷达图像的滤波很难达到实用的理想效果,本文分析了激光雷达图像的噪声特点和各种滤波算法的优势,提出一种基于RBF神经网络的激光雷达图像滤波融合算法,仿真的结果显示了该算法能够在噪声抑制和信息熵保持两个方面都能达到很好的效果.     

基于特征融合的粒子滤波红外目标跟踪算法

复杂环境中稳健的红外目标跟踪在自主导航、无人机探测、预警等方面具有重要研究意义.就经典粒子滤波红外目标跟踪算法中单一的灰度特征缺乏鲁棒性引起跟踪失效的问题,提出了一种基于特征融合的粒子滤波红外目标跟踪算法.结果表明,该算法能够从跟踪鲁棒性、准确性和实时性3个方面实现稳健的红外目标跟踪.     

基于可见光、热红外及激光雷达传感的无人机图像融合方法

随着电力供电可靠性要求的不断提高,电力巡线技术正在向自动化、智能化方向发展。无人机技术以其便捷的操作、精准拍照及图像识别等优点,正广泛应用于电力巡线技术领域。基于激光雷达实现无人机跟随导线飞行,进行线路通道巡检,提出一种基于改进卷积神经网络的可见光与热红外方法,通过采用可见光与热红外图像的融合,以识别出输电线路和障碍物信息,实现对输电线路故障的自动检测。通过对运行线路的实际巡视,输电线路故障的自动检测发现率达90%以上。结果验证了提出的无人机图像融合技术及故障自动检测技术的有效性及可行性。     

网络化激光雷达的多源数据融合点云分类算法研究

针对当前多源数据融合点云分类算法的激光雷达点云数据分类精度较低,分类时间较长的问题,提出网络化激光雷达的多源数据融合点云分类算法.利用加权航迹关联法,计算各激光雷达目标航迹号,并打散已关联航迹,通过泰勒级数将非线性问题转化成近似线性问题,求解线性状态,融合多源数据.使用主成分分析法,求解点云法线与曲率,分割段协方差矩阵...     

红外图像实时跟踪系统

系统组成及工作原理 实时红外图像自动跟踪系统,对红外成像传感器获取的地面场景图像数据中指定目标区域进行实时自动跟踪,实时解算出目标在图像场景中的精确位置,并输出目标偏离系统视轴的方位,通过伺服控制回路,驱动稳定平台跟踪目标.同时,图像跟踪系统接受来自外部控制系统的控制命令和数据,并按总体通讯协议要求向外部控制系统回送跟踪系统的状态、图像数据和系统关键参数.     

激光与红外融合目标检测

针对自动目标识别需求,提出了一种激光与红外融合目标检测方法。首先介绍了基于方向显著性的红外目标检测算法,并分析了该算法的优缺点。针对该算法的缺陷,提出了一种激光与红外融合的目标检测方法,该方法将激光雷达测得的弹目距离信息引入到基于方向显著性的红外目标检测算法中,大大提高了目标检测算法的精度。仿真实验表明文中方法解决了单源红外目标检测算法对应用场景适应性不强和鲁棒性较差的诸多问题,大大提高了目标的检测率。     

基于特征融合的红外目标跟踪方法

为了能够对红外目标实现稳健跟踪,提出一种特征融合算法,将目标的LBP纹理特征和灰度特征空间融合,构造了由基于区域置信度及空间距离加权的LBP特征直方图,以及灰度加权直方图联合表示的目标模型。以均值偏移算法为跟踪框架,在当前帧中迭代搜索目标位置。实验证明该方法对于目标和背景灰度相似以及目标被部分遮挡时的跟踪是有效和稳健的。     

一种面向目标跟踪性能的红外图像自适应增强方法

针对光照突变或强辐射源干扰条件下由于目标能量变化引起跟踪不稳定且易丢失的问题,提出了一种可适应目标能量突变的自适应红外图像增强预处理算法.首先通过最大极值稳定区域方法对目标进行检测,实时计算目标区域平均灰度,并通过最小二乘对下一帧目标均值进行预测,当检测到实时目标能量与预测均值能量突变超过一定阈值后,使用自适应增强方法重新预处理目标图像,使突变前后目标及其附近背景区域对比度保持稳定,然后通过核相关跟踪算法对目标能量变化前后的目标进行跟踪.实验结果证明,该增强算法能有效改善目标能量突变情况下目标跟踪的稳定性和准确性.     

红外图像中快速运动目标的检测与跟踪方法

红外热成像图像具有分辨率较低,细节模糊,对于快速运动目标适应性较差的特点.本文提出了一种结合目标检测算法,目标跟踪算法的红外图像中快速运动目标的检测与跟踪方法.该方法根据红外图像特点,使用ViBE算法检测运动目标,检测出图像中显著运动目标后,触发跟踪器,使用fDSST目标跟踪算法对显著运动目标进行跟踪.测试结果表明,该方法对于快速运动的红外图像目标能够高效检测、快速跟踪.检测与跟踪效果相对传统方法具有检测率更高、鲁棒性更好、实时性更强的优势,对于红外图像中目标检测与跟踪具有很强应用价值.     

基于红外和雷达数据融合的机动目标跟踪方法

文章基于并行多传感器联合概率数据关联算法,提出了一种杂波环境下的多传感器多机动目标跟踪算法,首先使用融合算法将红外和雷达的量测进行异步和同步融合,然后应用融合后的量测,采用IMM算法实现对机动目标的跟踪.在仿真实验中分别跟踪单个和多个目标,结果表明该算法可以解决两种传感器的量测不同步问题,同时可以消除漏检现象对目标跟踪的影响,并能保证一定的跟踪精度.     

基于自适应多特征融合的均值迁移红外目标跟踪

针对采用单一特征跟踪鲁棒性不高的问题,该文提出一种自适应多特征融合均值迁移红外目标跟踪算法。为了增强对目标的表征能力,对局部均值对比度算法进行改进,利用局部均值对比度和灰度特征表征目标。在特征融合中引入特征不确定度量方法,自适应调整不同特征对跟踪结果的贡献,有效地提高均值迁移算法的鲁棒性。为了进一步提高对尺度变化目标的跟踪性能,采取尺度算子更新跟踪窗的大小。实验结果表明,该算法提取的目标特征具有较强的鲁棒性,能实现复杂场景下的目标跟踪。     

基于频谱分析和图像融合的红外弱小目标增强

利用红外弱小目标灰度的局部极大性在频域往往对应于频谱突变的特性,提出了一种基于频谱分析和图像融合的红外弱小目标增强算法。首先利用图像背景和目标具有不同频谱振幅的特点,提取红外图像的残留频谱,得到潜在目标显著图;然后利用序列图像的冗余信息,在空间域对目标和背景区域分别采用不同融合规则进行多帧融合。实验表明,该方法能够有效增强红外弱小目标的像素数和总能量,且实时性较好。     

EMD Based Infrared Image Target Detection Method

Under the complicated background of infrared image, the small target detection is a vital challenging task in modern military. In order to solve this problem, a novel method based on the empirical mode decomposition (EMD) is proposed in the paper, to detect small targets under complicated sea-sky background. The detection process contains two steps: the first step is to suppress the sea-sky background of the infrared image based on EMD; the second step is to segment the target from the background suppressed image through a threshold. The application of infrared images has shown that the performance of the algorithm can detect infrared small target under sea-sky background exactly. Compared with wavelet transformation, the testing results based on EMD method achieve tantamount results wavelet transformation, and even better in some respects. The simulations show that EMD method presented in this paper appears instructive for both theoretical and practical points of view.     

基于红外双波段图像融合的点目标识别

为解决红外警戒系统中点目标的识别问题,提出了一种新的点目标识别方法。该方法 首先分别对单波段红外图像进行背景预测与抑制,然后对取自适应阈值后的双波段图像根据目标的运动特征进行融合,最后通过图像序列分析给出最终的目标识别结果。仿真实验表明,该方法对背景有很好的抑制效果,可大大减少目标识别中候选目标点的数目,因而有利于点目标的识别。     

基于图像退化模型的红外与可见光图像融合方法

基于深度学习的红外与可见光图像融合算法依赖人工设计的相似度函数衡量输入与输出的相似度,这种无监督学习方式不能有效利用神经网络提取深层特征的能力,导致融合结果不理想。针对该问题,该文首先提出一种新的红外与可见光图像融合退化模型,把红外和可见光图像视为理想融合图像通过不同退化过程后产生的退化图像。其次,提出模拟图像退化的数据增强方案,采用高清数据集生成大量模拟退化图像供训练网络。最后,基于提出的退化模型设计了简单高效的端到端网络模型及其网络训练框架。实验结果表明,该文所提方法不仅拥有良好视觉效果和性能指标,还能有效地抑制光照、烟雾和噪声等干扰。