红外搜索跟踪系统的虚警率降低方法

红外全景搜索跟踪系统能对360?大视场提供实时多目标搜索与定位功能,与此同时大视场的引入也带来虚假目标增多,以及同一运动目标在前后生成的两幅全景图像中位置差异过大的困扰.本文针对以上问题,引入图像金字塔变换降低全景图像分辨率,再利用Lucas-Kanade(LK)光流法计算所有疑似运动区域的光流,最后分析所有光流特征结...     

采用透视变换提高车辆识别准确率的方法研究

道路交通中运动目标多,给基于视频的车辆准确计数带来了挑战。本文采用动态高斯背景建模和背景相减法检测运动目标,然后对图像进行透视变换,这样对一定视场范围内的远近不同的行人、自行车和摩托车等非监控目标,可用同一面积阈值将其与车辆区分开来,该算法简单,计算效率高。实验结果证明该方法能够有效地对非监控目标进行屏蔽,减少对机动车辆错误识别率。     

复杂背景下的运动目标分割与阴影消除

针对目前运动对象分割不完整,以及存在阴影和鬼影对运动目标分割的影响,提出了一种基于复杂背景下的运动目标分割与阴影消除方法.首先利用高斯混合模型进行初始背景建模并提取初始前景对象,将当前视频帧和背景模型进行差分运算,且通过多尺度小波变换时空域特征,将多尺度分析和图像分割相结合,压制阴影并消除鬼影对运动目标分割的影响而得到...     

复杂环境大场景SAR图像飞机目标快速检测

随着人工智能与合成孔径雷达（synthetic aperture radar,SAR）技术的发展,基于卷积神经网络（convolutional neural network,CNN）的SAR图像自动目标识别技术取得了一定的突破.然而,由于飞机自身结构以及SAR成像机制的复杂性,在复杂环境大场景SAR图像中对飞机目标进行快速准确的检测依然存在挑战.为提升算法的检测能力,本文对现有检测算法的处理流程进行了分析与总结,并提出了一种复杂环境大场景SAR图像飞机目标快速检测算法.算法优化了整体检测流程,设计了基于灰度特征的机场区域精细化提取和基于CNN的飞机目标粗检测两大子模块,并采用了YOLOv3网络对机场区域以及飞机目标分别进行初步的提取与检测.实验结果表明,本文算法对复杂环境大场景SAR图像中的飞机目标具有高效的检测能力.     

实时视频图像拼接在工程中的应用

在接收实时下传的视频图像时,需要实时生成相应的视频拼接图像。针对这一问题,通过对接收视频进行采集,得到有一定重叠区域的视频图像序列,应用改进的基于特征区域的特征提取匹配法对重叠图像进行快速配准,采用渐入渐出融合算法消除拼缝,实现无缝大视场拼接。工程应用表明,该方法可以自动对视频图像(25帧/s、帧格式为768×576)进行拼接,满足系统实时拼接的要求。     

基于视频的车辆检测中检测与去除阴影的一种有效方法

本文针对视频车辆检测系统中的关键步骤-视频检测中的阴影去除进行深入研究,在分析了阴影产生的原因和阴影的特点之后,综合利用灰度图像及其差分后的二值化图像,提出了一种基于背景差分的检测与去除阴影的新方法.实验证明,该方法能够较好地去除运动车辆的阴影,保留比较完整的车辆目标信息, 为准确提取车辆目标奠定了基础.     

一种高清视频监控方法和系统

本文介绍了一种高清视频监控方法和系统,用以实现利用标清摄像设备对大视场场景的高清监控。该系统采集广角视场的标清视频信号,对该信号进行运动区域分析,采集具有运动的局部视场的标清视频信号,拼接所有局部视场的图像,得到并输出广角视场的高清视频。     

基于图切割的多频带融合图像拼接

由于在视频帧间隔不大的图像拼接过程中,重叠区域存在运动物体和配准误差时,简单的融合会产生融合鬼影和拼接缝隙。针对上述两个问题,首先利用SURF提取特征点,经过配准求单应性矩阵得到图像的重叠区域,再通过基于网络最大流的图切割查找到全局最优的缝合线,最后使用多频带融合得到宽视野的全景拼接图。实验结果表明,该方法在消除鬼影和拼接缝隙方面具有很好的效果。     

全景视频实时拼接技术研究与实现

随着无人领域的不断发展，对于无人机、无人车、汽车辅助驾驶等操控者来说，需要通过无死角的全景视频进行操作，否则无法掌握无人设备完整的视野情况。通过TP2854视频数据转换芯片将AHD摄像头捕捉多路模拟视频数据转换为数字信号给处理器，再通过SURF算法和FLANN算法进行图像的特征点检测与向量计算、图像匹配、单应性矩阵计算和图像融合，最终将融合的图片数据编码和推流，实现全景视频的拼接。重点对图像融合算法不断改进，实现全景图像无拼缝、无阴影的效果。     

基于优化Renyi熵的航拍飞行运动目标图像提取研究

航拍飞行器是一种具备数据采集、传输、处理的无人机系统.该系统配备传感器、视频采集单元、自动控制与通信系统,能够进行稳态控制与无干预自主飞行,但在视频图像采集过程中的运动目标提取,特别是在复杂环境背景下的图像细节分析受到一定限制.因此,本文提出了一种基于优化Renyi熵的方法,以提高运动目标图像分析速度和精确度.