红外序列图像中运动弱小目标检测

为检测红外序列图像中的运动弱小目标,分析了目标在序列图像中的运动特性和概率分布特性,以及目标和噪声在序列中的能量分布特性。提出连续M帧高阶累积方法来增强运动弱目标能量,用假设检验对目标和背景进行分割,通过搜寻序列运动能量中心来实现目标的多帧关联检测。通过仿真实验证明了算法对红外弱小目标检测有效性。     

多边形近似及形状特征匹配的二维目标检测

在计算机视觉中形状是目标识别和检测的重要特征,而目标边缘是形状特征最直接的表现,因此基于边缘信息进行形状特征描述是最直接有效的方法.针对目前大多数形状特征描述的全局性以及对旋转、缩放等变化的敏感性,采用一种基于目标近似多边形的形状特征描述,这种描述方式具有局部性和紧凑性,同时结合运动参数预测及递归估计的方法实现二维目标...     

基于局部极大值的红外弱小目标分割方法

在深入研究红外弱小目标的成像特性,并分析现有分割算法的基础之上,针对空中红外弱小目标提出一种基于局部极大值的红外弱小目标的分割方法.该方法利用红外弱小目标所在像素点与周围像素点的灰度值的梯度关系来搜索图像中的局部极大值,并通过多步长融合表决分割红外弱小目标.仿真实验证明了算法的有效性.     

改进的基于弦切变换的目标检测方法

在计算机视觉中形状是目标识别和检测的重要特征,针对目前许多基于形状特征的检测方法信息不够丰富,容易受边缘缺损变形等方面的影响,不具有局部特性,尤其是在许多复杂环境下很难实现对目标的正确检测等不足,提出了一种基于弦切变换理论在有限的目标边缘点信息基础上提取几何形状特征及相应的目标检测方法。该特征具有平移、旋转以及缩放不变性,基于此特征进行的目标检测能有效的得到目标的中心位置以及相关的二维运动参数,即使在一些复杂环境以及目标边缘部分失真或缺损的情况下也具有一定的鲁棒性。但由于边缘本身容易受到图像质量、对比度以及量化误差等影响,从而影响算法的精度。因此,文中通过融合丰富的灰度信息,使表征目标的特征更加丰富和完善,在形状和灰度的共同约束下提高检测的正确率和精确性。通过对多组图像序列进行仿真实验,结果表明了算法的有效性,及其在准确性和精确性上的提高,改进后待测目标与模板之间的匹配率可达90%以上。     

基于无线网络的实时视频传输系统的设计

通过对流媒体技术和网络协议的深入研究,设计和实现了一种基于RTP(实时传输协议)和FEC(前向纠错)的无线视频实时传输系统.该系统采用C/S(Client/Server)架构,服务器端基于RTP协议对数据包进行封装,并加入FEC纠错机制;客户端根据RTP数据包的头部信息,重建包序列,定位丢失的数据包,并利用FEC算法对丢失数据进行恢复.实际测试证明该系统能够在无线网络中有效地保证接收端数据的实时性和完整性.     

基于相似度的双搜索多目标识别算法

在分析远距离多目标特性的基础上，提出了一种基于相似度的粗精双搜索多目标识别算法。在粗搜索阶段，首先利用圆形形态学模板在滤波后的二值化图像中快速搜索候选目标，再利用“距离相似度”原则进行候选目标的聚类分析，以同一目标内各候选目标点的形心位置作为局部熵处理区域中心。在精搜索阶段，以最大熵值点为种子点进行目标区域生长。为了减少运算量，提高实时性，还采用基于熵相似度、简单连接法与子区合并法相结合的改进型区域生长法，重构单个目标。仿真结果表明该算法可快速、准确地实现对5个目标的识别。     

各向异性的红外背景预测方法

为了减少红外图像中起伏背景对弱小目标检测的影响,提出一种各向异性的红外背景预测方法。根据红外图像目标区域和平稳背景区域、起伏背景区域的局部梯度特性的差异,引入各向异性微分的思想,并将其边缘停止函数改进为方向梯度值的递增函数,然后用边缘停止函数最小两个方向值的均值作为背景预测值,实现了对不同方向特性背景区域的差异化预测。仿真实验表明,该算法选择性地保留了红外图像的平稳背景和起伏背景区域,达到了良好的背景预测效果。     

基于FPGA的红外序列图像中热晕背景的消除

红外探测器在工作时间长或太阳直射时,可观察到红外图像有热晕现象。红外探测器观察的景物亮度或对比度通常很低,此时热晕对红外像质的影响比较严重。针对上述情况,研究用数字图像处理的方法——帧相减、反色相加,对红外图像进行实时背景补偿,以便消除热晕的影响。根据该方法进行了硬件设计,并且在现场可编程门阵列(FPGA)中实时实现了。实验结果表明,该方法能够在硬件平台上对红外图像热晕背景进行实时补偿,可明显改善图像的质量。     

复杂背景下运动目标检测方法

利用相邻两帧图像的运动信息更新特征块提取阈值,实时地提取出当前帧图像中最能体现背景运动特征的特征块。采用块匹配的运动估计方法获取了各块的运动矢量,再依据所有特征块运动矢量的统计特性提取出背景运动矢量来配准差分,实现了目标的检测。实验结果表明,此方法能有效地检测复杂背景下的运动目标。