天文图像序列中弱目标的实时检测算法

针对天文图像中运动弱小目标的检测问题,在分析天文CCD图像特点的基础上,根据待检测目标运动状态的不同,提出:1)在检测动目标时,对基于图像对称差分运算方法进行了改进,改进后的方法性能优于图像差分法,且硬件实现容易。该方法以连续三帧序列图像为一组处理对象,在进行绝对差运算之前,对图像进行对比度增强及均值滤波;2)使用形态学滤波的方法实现单帧静止多目标的检测,该方法采用top-hat算子完成背景的估计与目标的检测。为了实时实现所提出的动目标及静止目标的检测算法,设计了DSP FPGA硬件架构方案,并进行了外场实验。实验的结果表明,检测算法在硬件加速的情况下可以实时有效地检测到SNR≈2的弱小目标,并可以同时实时保存原始图像数据。     

基于方向小波变换的镁熔液弱小气泡检测

运用方向小波的多尺度和多方向变换,对高温镁熔液表面弱小气泡进行检测。先对原始图像进行方向小波变换重构高频,抑制背景杂质,再作帧差和迭代阈值分割处理,最后运用数学形态学检测到弱小气泡,并将结果与传统小波检测进行比较。实验结果表明方向小波变换方法是有效的,而且方向小波更符合图像的方向特点,能够较好地检测出复杂背景中的弱小气泡。     

基于FSVM时域背景预测的红外弱小目标检测

本文提出了一种基于模糊支持向量机(FSVM)时域背景预测的红外弱小目标检测方法.首先针对前几帧图像中对应同一位置像素点的灰度值序列,利用模糊支持向量机进行函数拟合,并据此预测下一帧图像在该位置处像素点的灰度值:然后将原始图像与预测图像相减得到预测残差图像,利用基于二维Tsallis-Havrda-Charvat熵的阈值选取快速算法进行分割,并根据小目标运动的连续性和轨迹的一致性进一步分离噪声和小目标.文中给出了实验结果及分析,并与现有的检测红外小目标的空域和时域背景预测算法进行了比较.结果表明,本文提出的算法具有更高的检测概率,明显优于已有的基于背景预测的红外小目标检测算法.     

空中红外小目标并行分割算法

为提高空中红外小目标检测速度,提出了一种基于灰值形态学序列图像膨胀累加、背景估计和自适应阈值分割的并行结构小目标分割算法。该算法对灰值膨胀运算后的相邻三帧图像进行累加以增强小目标能量;将灰值形态学开、闭运算的平均值作为背景估计图像;采用自适应阈值算法从二者相减的差图像中分割出可能目标;其中小目标能量增强和背景估计采用并行处理结构。基于VisualC 6.0编程进行了实验,结果表明,算法对连续三帧768像素×576像素红外视频采集图像的处理时间为3.73s,较常规串行分割算法快一倍以上。     

一种改进的视频序列超分辨率重建算法及应用

在凸集优化基础上,充分利用最大后验概率和凸集投影技术,提出了一种高效强鲁棒性视频序列分辨率提升算法。首先,在空域设计一个简单的预处理共轭梯度估计器,预测原始高分辨率图像;然后,在小波域分别创建帧间和帧内两个不同的凸集,并实施不同的投影运算,提取出隐含在相邻低分辨率图像中的细节信息;最后,利用空域估计器中相邻因子间的关系约束凸集投影解的可行域,保证快速获得图像重建的唯一最优解。仿真实验和实际交通监测系统应用结果均表明,该方法较其他方法不仅可获得更高的峰值信噪比和更好的可视化效果,而且收敛更快,鲁棒性更强。     

遗失目标的实时检测算法

针对视频安全监控问题,提出一种实时的遗失目标检测算法.首先,帧间差分用于获取像素级运动特性,并构造双重背景用于检测双重前景.而后,将像素级特性及双重前景综合以维持双重背景的更新.最后,通过累加证据图像来处理实际应用中的虚警和遮挡问题并证实遗失目标.在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遗失目标.此外,对于352x288的序列而言,该算法的运行速度达到约54帧/s,能够满足实时的监控任务需求.     

基于深度学习的烟包识别与分类

目的 提取烟包图像数据训练深度学习目标检测模型,提升烟包流水线拣包效率和准确性。方法 基于深度学习建立一种烟包识别分类模型,对原始YOLOv3模型进行改进,在原网络中加入设计的多空间金字塔池化结构(M–SPP),将64×64尺度的特征图下采样与32×32尺度的特征图进行拼接,并去除16×16尺度的预测特征层,提高模型的检测准确率和速度,并采用K–means++算法对先验框参数进行优化。结果 实验表明该目标检测模型平均准确率达到99.68%,检测速度达到70.82帧/s。结论 基于深度学习建立的图像识别分类模型准确率高且检测速度快,有效满足烟包流水线自动化实时检测。     

基于RPCA及低秩表示的气液两相流动图像中气泡图像分离研究

气液两相流中对气泡的测量研究是非常重要的,气泡测量技术中,如何实现气泡与背景分离是研究的重点问题。现有的测量技术大多采用图像二值化、边缘检测、图像滤波等方法来实现气泡信息的提取,而这些测量方法往往是存在不足的,仅仅针对单一图片或者需要人为手动选取。本文通过SVD（单值分解）和RPCA（鲁棒主成分分析法）对气液两相流中的气泡图像进行背景分离,其方法主要有两个特点：连续相关性和自动获取性。并提出逐行累加和逐列累加的方法,测量气泡的运动过程形态。研究表明,相比于原始的图像分离技术,利用RPCA运算,对气泡的定位、大小和速度表示都更准确。     

快速背景重建的在线运动目标检测

为了能快速地从视频图像序列中创建可靠的背景图像,进而提取运动目标,文中提出了一种基于反馈信息的运动目标检测算法.首先提出了基于相邻帧信息和背景估计信息相融合的背景重建算法,保证了在视频场景改变时仍能迅速捕捉背景;还提出了基于一种在线Otsu法的运动目标检测,将相邻帧运动目标信息反馈到目标提取算法中,弥补传统Otsu法的不足;最后提出了对光线变化具有一定鲁棒性的背景估计算法.实验表明,该方法的重建速度快,准确率高,能满足实时检测的需要.     

摄像机旋转运动下的快速目标检测算法

论文提出了一种摄像机旋转运动下的快速目标检测算法。首先为图像的全局运动建立旋转参数模型,然后基于运动预测在相邻帧之间建立SIFT特征点对,利用RANSAC去除外点的影响,结合最小二乘法求解全局运动参数进行运动补偿,基于残差图像的更新策略实时更新特征点集,以适应背景的变化,最后使用帧差法获得运动目标。该算法不仅保持了SIFT本身的优越性能,而且极大地提高了检测速度。实验结果表明该算法可以实时准确的检测出运动目标。     

基于计算机视觉的运动车辆检测

针对视频图像中车辆检测问题,提出了一种基于计算机视觉的运动车辆检测方法。首先,选取最佳方差参数并利用双边滤波对图像进行预处理;再利用Surendra背景更新算法实时更新背景图像,采用粒子群(PSO)极大熵法求得背景差分图像的阈值;然后,将得到的二值图像进行形态学处理并检测出运动车辆。实验结果表明,该算法不仅适用于简单背景、车速较慢的环境中,而且在复杂背景、噪声较大、车速较快的情况下,该方法均能够克服外界环境的不利影响,准确地检测出运动车辆,提高检测的准确率。     

空时级联滤波红外点目标检测

时域递归最大值滤波是一种较易实现的红外小目标检测方法,但是在递归过程中存在目标膨胀的缺陷,影响了该方法的应用。通过研究分析,提出了条件最小值滤波替换最小值滤波抑制目标膨胀,较好解决了目标膨胀问题。结合空域最大中值滤波预测背景,将点目标和强噪声保留在预测残差中,再通过递归最大值滤波对预测残差进行时域递归处理,以完成能量累积提高信噪比,设计完成的算法实现了对尺度为 1 个像素,运动速度小于 1 像素每帧的点目标的可靠检测。     

基于最小一乘背景预测的红外小目标检测算法

本文提出了一种基于最小一乘背景预测的红外小目标检测算法.首先在建立最小一乘准则背景预测模型的基础上,根据最小一乘估计的性质,应用线性规划的方法解决最小一乘估计中极值的选取问题;然后将原始图像与预测图像相减得到预测残差图像;最后利用基于二维指数熵的图像阚值选取快速算法进行分割.文中给出了实验结果与分析,并与基于最小二乘背景预测的检测算法作了比较.实验结果表明,本文提出的算法具有更高的检测概率,优于基于最小二乘背景预测的检测算法.     

RETRACTED: Implementation System of Human Eye Tracking Algorithm Based on FPGA

With the high-speed development of transportation industry, highway traffic safety has become a considerable problem. Meanwhile, with the development of embedded system and hardware chip, in recent years, human eye detection eye tracking and positioning technology have been more and more widely used in man-machine interaction, security access control and visual detection.
In this paper, the high parallelism of FPGA was utilized to realize an elliptical approximate real-time human eye tracking system, which was achieved by the series register structure and random sample consensus (RANSAC), thus improving the speed of image processing without using external memory. Because eye images acquired by the camera often generate a lot of noises due to uneven light and dark background, the preprocessing technologies such as color conversion, image filtering, histogram modification and image sharpening were adopted. In terms of feature extraction of images, the eye tracking algorithm in this paper adopted seven-section rectangular eye tracking characteristic method, which increased a section between the mouth and the nose on the basis of the traditional six-section method, so its recognition accuracy is much higher. It is convenient for the realization of hardware parallel system in FPGA. Finally, aiming at the accuracy and real-time performance of the design system, a more comprehensive simulation test was carried out.
The human eye tracking system was verified on DE2-115 multimedia development platform, and the performance of VGA (resolution: 640×480) images of 8-bit grayscale was tested. The results showed that the detection speed of this system was about 47 frames per second under the condition that the detection rate of human face (front face, no inclination) was 93%, which reached the real-time detection level. Additionally, the accuracy of eye tracking based on FPGA system was more than 95%, and it has achieved ideal results in real-time performance and robustness.     

基于背景图像的视频图像压缩感知重构关键技术研究

目的针对视频序列相邻帧图像之间的相关性,提出了基于帧间差分的背景图像的视频图像重构算法。方法利用前2帧的重构图像求得背景图像,作为下一帧图像重构的先验知识。结果明显提高了重构图像的质量,同时也减少了重构图像所需时间。结论将帧间差分法与压缩感知重构算法相结合得到的视频重构算法,在视频图像重构的质量和速度上都有明显优势。     

多阈值选取与边缘连接的边缘检测算法

论文针对Kirsch边缘检测算子的缺点,提出一种多阈值选取与改进的边缘连接算法相结合的方法,对图像,尤其是医学图像进行边缘检测。该方法首先用高斯滤波器对原始图像去噪,使用传统Kirsch算子计算梯度,然后设定低阈值和自适应阈值来保护图像弱边缘和提取真正边缘,最后通过改进的边缘连接算法连接边缘。实验结果表明,论文的方法具有保持弱边缘、连接性好的边缘检测效果。     

基于假设理论的序列图像中多目标检测和跟踪(英文)

本文提出一种基于目标检测的多维假设多目标检测和跟踪方法,此算法对于序列图像的照明变化和遮蔽现象具有很高的鲁棒性.首先,对序列图像进行背景抑制、时域滤波和杂波剔除的预处理,得到单帧的初始目标检测结果.对于初始检测中存在的漏检和误检现象,采用基于假设理论的跟踪概率模型优化初始检测轨迹;将目标的跟踪信息反馈于目标检测模块,形成一闭环自适应跟踪系统,达到多目标的最优检测和跟踪.实验结果表明了所提出的方法在多目标检测和跟踪中的可行性和有效性.     

一种修正的基于混沌预测误差的目标检测算法

基于混沌预测误差的目标检测算法是检测混沌背景下目标的算法.本文对该算法的检测结果进行了分析,分析结果表明其检测到的目标区域比实际的目标区域大.针对这个问题,对基于混沌预测误差的目标检测结果进行了修正,修正后的结果更接近于目标的真实大小.用Lorenz混沌系统产生的仿真数据和实测的机载海面合成孔径雷达(Synthetic Aperture Radar,SAR)图像进行了实验.实验结果与理论分析的结果一致,从而证明了理论分析的正确性.