最大平均相关高度法实现复杂背景畸变目标识别

相关模式识别的瓶颈技术是对复杂背景下畸变(比例缩放、旋转等)目标的准确识别。通过对多种畸变目标识别算法的研究比较,对已有的最大平均相关高度(MACH)滤波器进行了改进。在合成滤波器时把白噪声和模拟背景噪声结合在一起,并对滤波器的控制参数进行优化,使滤波器具有较高的畸变容差并能有效抑制复杂的背景噪声。在畸变公差范围内,用改进后的最大平均相关高度滤波器对畸变目标(可见光目标和红外目标)进行频域滤波,能够得到尖锐的相关峰,准确的识别目标。作为实例,对复杂背景下的战机和红外目标吉普车进行了计算机模拟实验,验证了该算法的可行性。     

畸变不变联合变换相关器目标识别技术研究

针对传统目标识别方法对目标图像的尺寸、方位敏感问题,采取最大平均相关高度功率谱滤波的方法,对联合变换功率谱面进行滤波,成功地实现并改进了原算法.通过大量计算机模拟和光学实验,证实了在光电混合实时联合变换相关器中应用改进的最大平均相关高度法可以解决存在旋转和大小变化的目标识别问题,使得相关峰的对比度明显增强,从而也提高了目标识别率.作为实例,给出复杂背景下地面目标汽车大小变化的实验结果,验证了该算法的可行性.     

应用振幅调制纯相位滤波器实现旋转不变识别

提出了一种基于振幅调制纯相位滤波器(AMPOF)的旋转不变识别新算法.该算法充分利用振幅调制纯相位滤波器区分能力强的优点,结合综合鉴别函数方法,拓展了综合鉴别函数(SDF)在畸变不变模式识别领域的应用.利用各幅训练图像傅里叶变换的振幅和相位信息,逐一构建成子滤波器,并将它们加权求和得到合成滤波器;然后采用迭代算法求解出合理的权重系数.仿真实验结果表明:对于实验采用的目标训练图像和非训练图像,改进算法的相关输出峰值大约提高95%～112%;对于只有少量像素的局部训练图像,改进算法的相关输出峰值大约提高74%.这种优化算法使得振幅匹配和相位匹配更加充分,相关输出增益明显增强,能够一定程度地降低训练量.     

采用核相关滤波器的自适应尺度目标跟踪

由于现存的大多数基于检测的跟踪器都没有解决尺度变化问题,本文在传统的基于检测的目标跟踪框架下设计了一种尺度估计策略,并给出了基于核相关滤波器的自适应尺度目标跟踪算法。该算法利用核函数对正则化最小二乘分类器求解获得核相关滤波器,通过对核相关滤波器的在线学习完成目标位置和尺度的检测,并在线更新核相关滤波器。为了验证本文算法的有效性,选取了10组场景复杂的视频序列进行测试,并与其它5种优秀跟踪方法进行了对比。结果表明,本文提出的方法比上述5种优秀跟踪方法中的最优者的平均距离精度提高了6.9%,且在目标发生尺度变化、光照变化、部分遮挡、姿态变化、旋转、快速运动等复杂场景下有较强的鲁棒性。     

基于振幅调制纯相位滤波器的旋转不变识别优化算法研究

为了提高光学匹配滤波相关识别的综合性能,提出一种基于振幅调制纯相位滤波器的旋转不变识别新算法,该算法使用综合鉴别函数和迭代算法将各个不同旋转角度的训练图像构建成子滤波器,并将它们加权求和得到优化的合成滤波器。这种新的优化算法使得相位匹配更加充分,显著提高多种识别条件下的相关峰值,能够一定程度地降低训练量。计算机仿真实验结果表明此种算法具有良好的旋转不变识别效果。     

扩展等相关峰综合鉴别函数算法研究

通过ECPSDF算法的分析,利用构造样本对其约束条件进行改造,得出了EECPSDF算法。模拟和试验结果表明EECPSDF算法能较好的改进ECPSDF算法的缺点,使所设计的匹配滤波器具有较大的畸变容限和较高的相关峰值。     

减小表面粗糙度测量高斯滤波幅度偏差

提出了一种减小表面粗糙度测量用的高斯滤波器幅度传输特性偏差的新方法。根据中心极限定理,可以构造出不同的高斯逼近滤波器。用多级一阶巴特沃思滤波器和多级移动平均滤波器分别去逼近高斯滤波器时,两者的幅度偏差方向相反、极值位置相近,所以这两种方法的线性组合可以大大减小偏差。用这两种不同逼近滤波器的并联方法构成的一个简单的线性组合滤波器,去逼近高斯滤波器的幅度传输特性,其幅度传输特性的最大偏差只有0．11％。这种新的逼近方法,算法简单、精度高,实现了表面测量高斯滤波处理的高精度和高效率的高度统一。     

运用旋转无关特征线实现景象匹配

为了寻求一种高效可靠的景象匹配算法,使其在复杂背景下具有尺度无关,抗旋转、光照变化和图像轻微畸变的特性,对基于特征线的景象匹配算法进行了研究.受人眼视觉系统(HVS)的启发,利用类似人眼视觉皮层滤波器组的处理方式,提出一种新的基于特征线的景象匹配方法.该方法利用向量描述特征线来完成图像间的匹配,相比特征点的匹配算法具有特征数量少,信息丰富的特点.介绍了利用提出的方法进行特征线的提取、表征与匹配的过程,总结了该匹配方法的效果和特点.实验表明,这种基于特征线的景象匹配算法可以完成复杂背景下图像间的匹配,克服了旋转和尺度缩放,并具有很好的鲁棒性,匹配精度优于1 pixel,满足了自动景象匹配的稳定可靠、精度高、抗干扰能力强等要求.     

强干扰下复杂系统的独立源识别方法

为了识别强干扰环境下复杂系统的独立源信号,利用主分量分析(PCA)的主投影方向辨识能力,以及独立分量分析(ICA)的冗余取消与盲源分离特性,提出一种基于复合PCA-ICA神经网络的独立源识别方法。ICA与 PCA的有机结合使两者优势得到充分发挥,隐藏于多通道传感观测中的独立源波形得以分离。借助基于快速傅里叶变换与最大相关分析准则的自适应分析校正,消除ICA估计源的盲不确定性,准确地估计源波形及其混合参数,从而实现独立源信号的识别。仿真试验结果证明该方法的有效性,也表明它在复杂系统源识别方面具有较大的应用潜力。     

基于均值漂移算法的水下视频目标跟踪

鉴于水下的特殊环境,本文利用均值漂移算法对水下视频中的运动目标进行跟踪.首先对水下视频目标对象和候选目标对象分别建立RGB颜色分布加权直方图模型,将这两个模型进行匹配,匹配度用Bhattacharrya系数来表示,搜索出与目标最匹配的候选目标并且更新目标模型,依此类推,从而在视频序列中实现目标跟踪.仿真实验证明,基于均值漂移算法的目标跟踪能够克服水下视频环境中干扰运动目标跟踪的因素:水波、倒影、气泡、游泳池浮标的遮挡等,进一步与基于Kalman滤波器的水下目标跟踪相比(对比),目标跟踪结果表明本文所用的算法能够对水下这种复杂背景的运动目标进行稳定实时的跟踪.     

基于计算机处理的畸变图像相关识别

论述了运用综合判别函数实现畸变图像识别的理论和实现方法，用计算机编程制作综合判别函数模板，并对比例、旋转等畸变图像的识别进行了实验研究和分析。     

光学相关红外目标识别算法研究

为了解决联合变换相关器对红外目标难以识别的问题,研究了一种基于二进小波边缘检测和迭代阈值相结合的红外目标识别算法,设计了一种新型滤波器,对输入物面滤波.经过滤波处理后的物面能够更大程度上体现图像的特征信息,抑制噪声.实验结果证实该方法能有效提高光学相关红外目标识别的能力.     

基于显著性区域加权的相关滤波目标跟踪

为了提高跟踪过程中目标位置的定位精度,提出了基于显著性区域加权的相关滤波目标跟踪算法。本文在高效卷积算子跟踪算法(Efficient Convolution Operators for Tracking,ECO)的跟踪框架基础上,首先采用预训练的改进残差网络SE-ResNet来提取不同层的多分辨率特征,充分利用浅层和深层特征的不同特性来增强特征表达,通过因式分解的卷积求出相关滤波的响应图;然后采用背景对像模型来获取目标的显著性图,并使用显著性图来对相关滤波的响应图进行加权,提高定位精度;最后,在视觉目标跟踪(Visual Object Tracking,VOT)竞赛上与8种流行的跟踪算法进行对比,在VOT2016和VOT2017竞赛上的平均重叠期望(Expected Average Overlap,EAO)得分分别达到了0.4157和0.3412,均优于其他算法。实验表明本算法可以有效提升目标跟踪中的定位精度,改善跟踪性能。     

基于图像特征的运动目标识别与伺服跟踪

本文研究了一种在室内相对复杂背景下机器人的运动目标识别与跟踪方法.基于Intel的计算机视觉库OpenCV进行图像处理与特征提取,采用图像的区域特征--图像矩作为特征信息,在有干扰的情况下,实现运动目标的形状识别和基于特征的视觉伺服跟踪控制.为提高系统性能,建立曲线拟合模型来预测运动目标的动态趋势和特征.实验结果表明,系统在不需要摄像机精确标定、背景有干扰的情况下,能够实现对运动目标进行实时稳定快速的识别和跟踪.     

云杂波成像背景的时序多帧投影抑制

为提高空间目标天基实时监视能力,对美国在空间中段实验卫星上搭载的空间目标在轨检测与跟踪信号处理器采用的基于时序多帧投影策略的MTI (Moving Target Indicator)算法进行了深入研究,并提出了一种基于时序差分标准化最大值投影的云杂波背景抑制算法.系统地阐述了时序多帧投影算法的思想与典型投影算子的设计方法;针对云杂波成像场景,对MTI算子提出了两点改进方法,即引入相邻帧差分算子与次序统计量中值估计算子来提高对云杂波成像背景的抑制能力,增强背景抑制算法的稳健性;最后,利用实际获取的云层背景图像数据库,仿真比较了不同投影算法的性能差异及影响算法性能的主要因素.仿真实验结果表明:对于输入信杂比小于2.0的弱小目标图像,本文算法的输出信杂比达到5.8以上,比MTI算法平均提高了1.0左右,有效解决了云杂波成像背景的弱小目标检测问题.     

利用视觉显著性和扰动模型的上下文感知跟踪

为了解决背景嘈杂、遮挡、形变和尺度变化情况下目标跟踪问题,提出利用视觉显著性和扰动模型的上下文感知跟踪。本文以相关滤波算法为基础,将目标周围的上下文信息引入到分类器学习过程中,构造了上下文感知相关跟踪,提高了算法鲁棒性;同时引入直方图扰动模型,利用加权融合的方法获得目标响应图,以此估计目标位置变化;最后利用视觉显著性构建目标稀疏显著性图,解决严重遮挡情况下的目标重定位问题,并利用尺度估计策略解决目标尺度变化问题。利用公开数据集测试算法性能,并与8种流行跟踪算法进行比较。实验结果表明,本文算法的跟踪精确度得分和成功率得分分别为0.695和0.708,均优于其它算法。与传统的相关滤波算法相比,所提算法能很好地解决背景嘈杂、遮挡、形变和尺度变化等复杂下的目标跟踪问题,具有一定理论研究价值和工程实用价值。     

Centroid weighted Kalman filter for visual object tracking

In the visual object tracking, the Kalman filter presents commonly the state model and observation model uncertainty in the actual performance of Gaussian noise, so it makes the estimation of certain parameters produce errors in the model, and results in decreasing estimation precision. In order to enhance the stability of the Kalman filter, an algorithm based on centroid weighted Kalman filter (CWKF) for object tracking is proposed in this paper. The algorithm firstly uses background subtraction method to detect moving target region, and then uses the Kalman filter to predict target position, combining centroid weighted method to optimize the predictive state value, finally updates observation data according to the corrected state value. Tracking experiments show that the algorithm can detect effectively moving objects and at the same time it can quickly and accurately track moving objects with good robustness.     

红外图像中弱小目标检测算法概述

在现代战争中,复杂背景下的红外弱目标检测技术是红外制导系统中一个亟待解决的问题,也是提高武器系统性能的关键。现基于小目标检测的现状和最新进展,从空间滤波和时间滤波的角度对现有的小目标检测技术进行了简单的概述,并分析了今后的研究方向。