静态背景下运动目标的边缘提取

针对运动目标在单帧图像中所占的比例较小,传统的边缘提取方法在对整幅图像计算时产生大量冗余,对噪声敏感,提取出的运动目标轮廓不明显的缺点,提出了一种基于帧差法和图像分块相结合的运动目标边缘检测方法.该方法首先对序列图像进行差分,根据分块大小自适应选取阈值对图像进行分块,完成对运动目标的细分割,分离出运动区域和非运动区域,然后对分割出来的运动区域进行边缘检测,将边缘检测结果和差分结果进行“与”运算,从而提取出运动目标轮廓.实验证明,分块边缘检测方法能较为准确地提取出运动目标且能提取出清晰的运动目标边缘轮廓,能满足实时性需要.     

基于图像序列的VideoSAR动目标检测方法

VideoSAR成像时,运动目标发生散焦和移位,但在其真实位置留下阴影,且阴影在VideoSAR的图像序列中发生运动。根据运动目标的这个特征,提出了一种在VideoSAR图像序列中检测运动目标的方法,通过检测运动的阴影来检测运动目标。该方法主要分为背景补偿和背景分割两部分。首先,将段内的图像用SIFT+RANSAC算法进行配准,使得图像序列的背景对齐;然后,用单高斯模型对图像序列进行统计,得到该段图像序列的背景模型,将背景与当前图像差分后并二值化,得到前景的二值图;最后,对二值图进行形态学处理,即可提取出运动目标的阴影。该方法用美国Sandia国家实验室的VideoSAR图像进行了验证,具有良...     

视频序列中运动目标检测与跟踪方法研究

提出了一种从摄像头获取的彩色图像中准确地检测出运动目标并进行实时跟踪的算法。首先将采集到的彩色视频图像序列转化为灰度图像,研究了几种图像锐化方法并进行了比较。然后进行帧间差分和阈值分割,成功分离出运动目标。最后采用投影法得到运动目标的大小及位置。实验结果表明,提出的运动目标检测与跟踪方法简单、有效、实时性高。     

静态背景下运动目标边缘提取

针对运动目标在单帧图像中所占的比例较小,传统的边缘提取方法对整幅图像计算时产生大量冗余,对噪声敏感,提取出的运动目标轮廓不明显,提出一种基于帧差法和图像分块相结合的运动目标边缘检测方法。该方法首先对序列图像进行差分,按照特定的阈值对图像进行分块,完成对运动目标的细分割,分离出运动区域和非运动区域,然后对分割出来的运动区域进行边缘检测,将边缘检测结果和差分结果进行"与"运算,从而提取出运动目标轮廓。实验结果证明,分块边缘检测方法能较为准确地提取出运动目标且能提取出清晰的运动目标边缘轮廓,能满足实时性。     

基于小波多尺度图像配准的运动小目标检测

探讨了一种红外图像序列中独立运动小目标检测的新方法。通过一种鲁棒的小波多尺度图像配准过程消除主场或背景运动的影响。同时,利用改进的Fisher算法及小波变换对低频的图像进行分割,最终将目标从背景中分离出来,并对配准后分割的图像差分,获得目标运动轨迹。实验表明了该方法的有效性。     

基于图像序列的运动目标检测研究

提出一种基于图像序列的运动目标检测算法。采用相位相关算法计算由于摄像机运动而导致的图像背景的平移量和旋转量,引入自适应阈值对待处理图像做平滑处理,进行图像配准处理,最后在差分相乘算法之前采用高通滤波处理,滤除噪声,增强边界以提取运动目标。实验结果表明该方法在工程实践中具有良好的性能和很强的适应能力。     

人体运动目标检测与跟踪方法的研究与实现

通过摄像机拍摄到的一段视频,对其中运动的人进行检测与跟踪。在目标检测方面,获取运动行人图像序列,利用自适应背景提取方法得到背景,根据将目标与背景进行分离的分割阈值,对差分图像进行分割,提取运动区域,检测出人体运动目标;在目标跟踪方面,选用基于Kalman滤波的运动跟踪系统,通过估计出运动目标的下一位置,对运动目标进行实时跟踪。这里的实验是在Linux平台上利用Intel的开源OpenCV函数库建立起模型并实现算法。经过多次仿真测试表明,使用Kalman滤波可以很好地解决实验中两个人握手时运动目标间遮挡的问题,并跟踪运动目标,而且处理速度比较快,能够满足一般情况下的实时性要求。     

视频中运动物体检测算法的研究

为了从运动场景中(视频序列)提取高质量的运动物体,本文提出一种基于代数多重网格和帧间差分法相结合的运动目标检测算法,该方法利用代数多重网格对帧序列图像进行重构,分别得到重建的三层图像,再利用帧差法对处理过的相邻图像进行差分处理,从而提取场景中运动的物体,实验证明,此方法解决了帧间差分法不能提取对象完整区域和对场景噪声等敏感的问题,鲁棒性高,能准确的检测出在场景中运动的目标。     

基于时域的红外图像序列中快速运动小目标检测算法

提出了一种新的红外图像序列中快速运动小目标时域模型。为差分图像序列中的背景像素、目标像素、杂波像素建立了模型,将目标检测问题转化为噪声中已知信号的检测问题,并应用相关检测技术进行目标检测。理论分析表明,在SNR和SCR均大于6的情况下,算法具有很好的性能,实验结果也证实了算法的有效性。     

红外弱小目标检测的方法研究

本文研究在红外图像序列中检测运动弱小目标的方法。对传统的差分图像预处理方法进行了分析和改进，提出了利用累积效果和形态学滤波的图像预处理方法，简化了似然比检测阈值分割方法，提出了利用目标质心运动特征的目标提取判决方法。仿真实验表明，该方法能够准确高效地检测出运动弱小目标。     

基于隔帧差分向量无穷范数的运动弱小目标的检测

提出了运用隔帧差分向量无穷范数检测红外图像序列中运动弱小目标一种新算法。 算法以隔帧差分为基础,该处理系统不仅能够探测到帧间位移不小于1个像元的点目标,而且可以探测到帧间位移小于1个像元而多帧累积位移大于1个像元的运动点目标,使算法探测与识别目标的能力大大提高,为不同速度多目标的检测提供了新的可能。仿真实验结果表明,该算法具有较高的检测率和良好的实时特性,能有效地检测出低信比红外图像序列中的弱小运动目标。     

基于五帧差分和模板匹配的运动目标检测识别

针对帧差法和背景差分法检测运动目标准确率低,自适应能力弱等缺陷,提出了一种改进五帧差分法与背景差分法和模板匹配相结合的运动目标检测和识别算法;通过改进的五帧差分和背景差分法融合的算法从视频图像序列中检测出运动目标;利用形态学方法去除噪声,改善运动目标提取效果;在Harris算法提取图像匹配特征值的基础上角点配准,提高图像识别的准确率,通过提取目标特征与自适应模板图像进行特征匹配的方法实现了目标检测识别和跟踪。仿真结果和实验表明该方法有噪声和部分遮挡的运动目标有良好的检测识别效果,识别率达到了95%。     

动态背景下基于帧间差分与模板匹配相结合的运动目标检测

基于图形处理器单元（GPU）提出了一种帧间差分与模板匹配相结合的运动目标检测算法。在CUDA—SIFT（于统一计算设备架构的尺度不变特征变换）算法提取图像匹配特征点的基础上,优化随机采样一致性算法（RANSAC）剔除图像中由于目标运动部分产生的误匹配点。运用背景补偿的方法将静态背景下的帧间差分目标检测算法应用于动态情况,实现了动态背景下的运动目标检测,通过提取目标特征与后续多帧图像进行特征匹配的方法最终实现自动目标检测。实验表明该方法对运动目标较小、有噪声、有部分遮挡的图像序列具有良好的目标检测效果。     

基于模糊积分的可信度融合目标检测

针对可见光和红外热图像序列中的远距离目标检测问题,提出了一种基于模糊积分的可信度融合的目标检测方法。该方法通过帧间差累积,在两种传感器的图像中确定了运动目标区域,根据目标区域的强度分析,定义了目标可信度度量,进而利用模糊积分融合函数进行可信度融合以实现目标检测。试验结果表明模糊积分分类效果较好,从而证明了该方法在目标识别中的可靠性和可信度,具有一定的实用性。     

基于多源遥感卫星的海面舰船目标检测方法

围绕光学卫星遥感图像中的海面舰船目标检测问题,考虑静止轨道遥感卫星和低轨道高分辨率遥感卫星的优缺点,提出一种基于多源遥感卫星的海面舰船目标检测方法。该方法首先通过多结构多尺度形态学滤波和自适应阈值分割对静止轨道卫星遥感图像进行目标预检测,然后将预检测结果与卫星图像的地理位置信息相结合来确定高分辨率遥感图像候选目标区域,最后提取候选目标区域中目标的主要特征,进行舰船目标判别,将判别结果反映到静止轨道遥感卫星图像上。仿真结果表明,该方法能有效检测出海洋背景遥感图像中的多个运动舰船目标,具有目标检测率高、虚警率低、时效性好等优点,为静止轨道遥感卫星对海面运动舰船目标的实时监视跟踪提供了技术支撑。     

针对运动摄像机的快速低存储开销运动目标检测算法

摄像机的运动会导致整幅图像的运动,使得此情形下的目标检测极具挑战性。针对该问题提出一种快速低存储开销检测算法。首先,利用一种快速低存储开销配准方法计算相邻两帧的单应变换矩阵。而后,使用单应变换矩阵进行相邻两帧之间的配准,并由帧间差分获取帧间运动信息。最后,采用积累运动信息的方式构造不断更新的运动图像,通过对此运动图像进行阈值分割分离出最终的运动目标。在多个不同视频序列下的实验表明该算法能够有效地从嘈杂的场景中检测出运动目标。此外,与先前算法相比,该算法检测性能更好,且显著地降低了存储开销与计算时间开销。对于480360的序列而言,该算法需要的存储开销仅为825 kByte,且运算速度达到16帧/m。     

基于鲁棒回归的运动背景补偿技术

为检测运动背景中的动目标，通常需要进行运动背景补偿校正。本文充分考虑运动背景下的各种因素，提出一种基于鲁棒回归的运动背景补偿技术。它首先利用光流场模型估计背景运动速度，之后利用鲁棒叠代加权最小二乘法估计图像传感器的全局运动参数，通过估计出的全局运动参数对运动背景进行补偿校正。实验结果表明本文所述方法的有效性。     

运动目标检测与跟踪算法的改进与实现

提出了一种对视频图像中运动目标检测并进行实时跟踪的新方法。该方法利用基于背景建模的背景差分与改进的带时间戳的运动历史图像(tMHI)的目标分割相结合的算法对运动目标进行检测,在获取到视频流中的运动目标轮廓后使用基于tMHI的运动梯度算法来实现运动目标的跟踪。实验结果表明,该方法能够对指定区域内的目标进行有效识别和准确跟踪,并且弥补了运动目标暂时性停止时无法检测出来的不足。     

基于图像配准的运动目标检测

针对导弹训练模拟器探讨一种基于图像配准运动的目标检测方法.由于差分法在动态背景下不能有效地检测出目标,故使用一种快速的基于图像亮度的角点检测,并通过考虑实际的跟踪速度与方向,建立图像间角点的对应关系,采用最小二乘法得到最佳仿射系数,再对图像进行仿射变换,由帧差法得到目标.     

一种基于粒子群算法的红外运动小目标检测算法

提出一种基于粒子群算法的运动小目标检测算法。首先利用两步分离法对图像进行预处理,筛选出少量的侯选运动目标,然后构造候选航迹,利用粒子群算法对候选航迹进行搜索,从而检测出目标航迹和目标点。实验结果表明,该算法能有效地检测出运动小目标的位置。