基于边缘特征的SAR图像目标检测方法

如何快速而准确地检测出SAR图像中的目标是一个极富挑战性的课题.利用图像边缘特征和模糊集理论设计了一种快速有效的SAR图像目标检测算法.该算法先利用模糊软阈值小波降噪方法去除相干斑噪声,然后用模糊边缘检测器检测出降噪图像的边缘,最后利用形态学操作算子提取出边缘图中的目标区域.与基于亮度特征以及基于纹理特征的检测算法相比,提出的检测算法能够快速、准确地检测出目标,而且产生的虚警数量较少.SAR实测数据的实验结果表明,提出的算法是有效的且具有很好的应用前景.     

交通监控视频中的车辆异常行为检测

构建了利用交通监控视频对车辆异常行为进行检测的系统框架.使用改进Surendra背景差分与三帧差分相结合的算法进行车辆目标检测,结合CamShift算法与Kalman滤波器进行车辆目标跟踪,提取车辆质心绘制运动轨迹,针对车辆运动方向判别、违章变道、调头等行为提出了检测方法.实验结果表明,提出的交通监控视频中的车辆异常行为检测系统具有较高的实时性与准确性,部署简易快速,维护成本低廉,可以满足当今智能交通系统日益增长的需求.     

一种基于手机平台的运动人体检测算法的研究

 针对智能手机平台计算能力弱、存储空间有限的特点,本文提出了一种适用于该平台的快速运动人体检测算法.在背景光线慢变的条件下采用背景更新法以快速提取前景目标;针对光线剧变的情况,设计了一个光线剧变检测法,以检测前景目标.在此基础上,结合背景差与帧间差方法,给出了适合在室内环境下基于手机平台监控报警的快速运动人体检测算法.实验结果表明,算法能有效探测到人体目标,并能应对光线突变之情况.     

基于视频车辆运动轨迹场的交通事件检测方法*

针对现有交通事件检测算法存在的模型复杂、运算量大,并且检测结果滞后的缺点,提出了一种基于视频车辆运动轨迹场的交通事件检测方法.该方法以基于视频的车辆跟踪轨迹为基础,形成正常车辆运动轨迹场,进而将当前车辆轨迹矢量与正常轨迹场矢量比较,最终实现了对超速、慢行、变道和逆行的异常交通事件的检测.研究结果表明,与传统方法相比,该方法算法简单,并且可以快速、准确地对异常交通事件进行检测.     

基于AdaBoost算法和人眼定位的动态人脸检测

在快速人脸检测算法中,基于AdaBoost算法的人脸检测算法得到越来越多的认可。然而,该算法在复杂环境下常有误检的情况。为了既快速又能提高检测的准确率,提出了以人眼定位的算法作为辅助的人脸检测算法。首先应用AdaBoost算法检测人脸的位置,然后再利用改进的模板匹配算法对人眼进行快速识别与定位。在人眼检测方面,利用金字塔算法加快了检测速度。实验表明,该方法可减少AdaBoost算法的误检率。     

一种微弱点运动目标的快速统计检测算法

本文提出一种新的从序列图像中检测微弱点状运动目标算法,该算法基于多帧检测技术,它首先累加多个差分帧,构成组合帧,然后在组合帧内对目标轨迹进行统计判别.与其它检测算法相比较,该算法在保证较高检测性能的同时,具有快速、实时的特点.本文还给出了该算法性能的理论分析结果及实验仿真结果.     

红外图像中快速运动目标的检测与跟踪方法

红外热成像图像具有分辨率较低,细节模糊,对于快速运动目标适应性较差的特点。本文提出了一种结合目标检测算法,目标跟踪算法的红外图像中快速运动目标的检测与跟踪方法。该方法根据红外图像特点,使用ViBE算法检测运动目标,检测出图像中显著运动目标后,触发跟踪器,使用fDSST目标跟踪算法对显著运动目标进行跟踪。测试结果表明,该方法对于快速运动的红外图像目标能够高效检测、快速跟踪。检测与跟踪效果相对传统方法具有检测率更高、鲁棒性更好、实时性更强的优势,对于红外图像中目标检测与跟踪具有很强应用价值。     

一种基于运动搜索的运动检测和边缘检测算法

提出了一种基于运动搜索的运动检测和边缘检测算法并估计了其硬件消耗.该算法利用视频编码器在编码过程中的中间过程计算数据,相对传统的视频编码器,以很少的电路结构消耗实现了运动检测和边缘检测两项功能.试验结果表明,提出的算法可快速、有效地获得满意的运动检测和边缘检测结果,并具有较强的鲁棒性.     

一种基于肤色和脸部特征的人脸检测方法

针对人脸检测问题中快速性与准确性难以同时满足的情况,提出了一种将肤色和脸部特征相结合的方法来检测人脸.由于通过基于肤色的算法能快速定位出人脸大致位置,因而检测速度能达到实时的要求;同时利用脸部特征进一步细检,可保证检测的精确性.     

基于自适应检测算法的ASTER遥感图像机场检测

针对不同时段、区位的遥感图像,通过改进传统Canny算法解决机场快速检测的问题.提出了应用于ASTER SWIR波段遥感图像的机场自适应检测方法,包含图像自适应背景抑制方法、自适应分割阈值生成方法和边缘跟踪连接方法.采用2幅图像进行实验,检测出其中地机场区域.结果表明算法比传统检测算法执行时间减少13%,抗噪性和自适应性提高.     

图像边缘检测算法的设计和研究

针对经典的边缘检测算法均涉及梯度的运算,存在对噪声敏感、计算量大等缺点的问题,为了找到一种检测效果好、计算量相当的图像边缘算法,提出了只基于对周边像素的灰度比较,完全不涉及梯度运算的SUSAN算法。主要研究了SUSAN算法,并比较了主流的Prewitt算子,Gauss—laplace算子,Canny算子的边缘检测算法,经Matlab仿真实验后,确定该算法不需要计算微分,计算量小,进一步减少了噪声的影响,且SUSAN算子控制参数的选择很简单,任意性较小,所以比较容易实现自动化的选取,是一种非常有效的算法。     

基于自适应阈值的行人惯性导航零速检测算法

在基于微机电系统(MEMS)的行人惯性导航中零速区间检测算法是制约导航位置解算误差增长的重要因素。针对利用固定阈值实现零速检测算法在不同运动状态下存在检测适应性差的问题,根据行人步态特征以及周期性零速规律,以合加速度和合角速度为检测数据,提出了一种基于自适应阈值的零速检测算法。利用检测数据在运动状态下的动态特点及统计特征,根据获得的运动状态信息更新零速区间检测阈值,以适应在不同运动状态下实现准确的零速区间检测。实验表明,自适应阈值算法对零速区间可以进行精确检测,零速检测准确率达到98%。检测结果用于导航定位解算的误差率小于1.5%。     

基于YOLOv5的轻量级火焰视频流实时检测算法

针对火焰检测模型小目标检测能力差、模型体积大、计算复杂、难以部署到移动端设备的问题,提出了一种轻量化的DGC＿YOLOv5 (you only look once v5)算法。本文首先调用k-means计算函数,计算出适合本文数据集的锚框尺寸;其次引入卷积块注意力机制(convolutional block attention module, CBAM),提高算法对小目标的检测能力;然后利用轻量型的Ghost模块对主干网络中的C3模块进行改进;最后利用深度可分离卷积(depthwise separable convolution, DS＿Conv),用简单的线性计算代替复杂计算,降低模型复杂度,减小模型体积。实验表明,相比原始的YOLOv5算法,本文算法在测试集上的平均精度均值(mean average precision,mAP)可达到94.4%,比原始算法提高1.7个百分点,在视频测试集上平均检测速度可达到71 FPS,可以满足实时检测的要求,参数量和计算量分别减少为原来的41.2%和34.8%,模型大小减少8.4 M,便于后续移动设备端的部署。     

基于卷积小波包变换的自适应多用户检测

为提高DS-CDMA多用户系统检测的效率,提出了基于卷积小波包变换的自适应算法。理论分析和仿真结果表明,该算法收敛速度快,且计算量增加较少,是一种高效的自适应检测算法。     

窄带物联网信道接收端检测算法的并行化实现

针对窄带物联网物理随机接入信道检测和到达时间估计算法处理数据量大、计算耗时的问题,通过分析接收端检测算法的可并行性和数据相关性,基于可重构阵列处理器提出了一种并行化硬件实现方案。该算法在高层配置参数产生的前导符号和通过前期信道处理后的接收符号具有最大相关性时,将此时的到达时间和残留子载波偏移作为估计指标,通过流水线的方式使用多个轻核处理元(Processor Element,PE)实现并行计算以提高运算效率。实验结果表明,使用6个PE同时调度实现算法的映射,运行了35985个周期,其性能比单个PE提升36.18%。用可重构多核阵列处理器实现该算法的运行时间相较于用Matlab实现降低了173.09倍,有效提高了接收端检测算法的运算效率。     

一种基于改进块匹配算法的运动车辆检测

针对传统块匹配算法计算量大、光照变化较敏感和实时性差的缺陷,本文对块匹配算法进行了相关研究,提出了改进算法。首先把两幅彩色图像转化为灰度图像,并通过概率松弛标记算法获得边缘图像,计算相邻两幅图像的差分图像得到运动区域,然后将差分图像与边缘检测图像相与得到运动区域的边缘信息,再进行匹配得到位移矢量场并对其进行矢量中值滤波,最后通过顺序区域增长将运动车辆分割出来。实验结果表明:本文方法相对于传统方法平均检测时间降低约58ms,而平均检测率提高了约6.7%。这种算法鲁棒性强、实时性好。     

探测窗口的NAF_ω算法

椭圆曲线上的点乘运算是椭圆曲线加密(ECC)的一个关键运算,它的速度直接影响椭圆曲线加密的速度。本文分析了窗口宽度w的非相邻表示型(NAFω)算法,根据NAF的性质提出了一个探测窗口的NAFω算法。本算法减少了运算中的移位和异或运算次数,缩短了运算时间。经建模仿真,结果表明本算法的时间消耗大约是原算法的1/(ω+1)倍,且随ω的增大运算效率也在提高。     

一种新的雷达脉冲信号的非匹配检测算法

在电子侦察领域中，传统的雷达脉冲信号检测是基于包络检波的非匹配检测。为了提高在低信噪比条件下对雷达脉冲信号的检测概率和参数估计精度，文中提出了一种新的雷达脉冲信号的非匹配检测算法——极值序列分析法。该算法可在低信噪比条件下完成雷达脉冲信号的检测，然后对雷达脉冲信号的脉冲幅度、脉宽、到达时问、信噪比和载频等参数进行估计。仿真结果表明：极值序列分析法对雷达脉冲信号的检测概率高、参数测量精度高和处理速度快。     

基于YOLO算法的红外图像目标检测的改进方法

传统红外图像行人检测方法利用人工进行比例模板设计和行人轮廓特征提取,由于预设模板比例相对固定,当行人因衣着增减、随身携带物品及姿态改变等原因使其轮廓比例发生较大变化时,往往会导致算法失灵而出现漏检现象。而基于深度学习的目标检测则通过对大量样本的本质特征进行抽象、提取、加工和整合,进而实现对更多样特征的学习。因此利用深度学习目标检测算法进行红外图像行人检测应用的研究可以弥补传统检测方法的不足。YOLOv3是目前性能较为均衡的识别算法,本文在分析YOLOv3系列算法的原理和特点的基础上提出了一个新的改进算法模型——Darknet-19-yolo-3,在几乎不损失检测精度的条件下提升检测速度,一定程度上实现检测准确率和速度的相对平衡。     

基于提升小波的自适应阈值边缘检测新算法

针对传统的单一边缘检测算法抗噪能力差、边缘不连续等缺点,本文提出采用两种算法相结合的方式来进行边缘检测。首先,对原始图像进行多层小波分解;对分解后的图像低频部分用提出的改进提升算法进行边缘检测,对高频部分用小波变换的局部模极大值算法检测边缘;通过将各层边缘信息按一定的融合规则融合起来得到一个组合边缘,最后细化图像边缘。实验证明,这种方法相对于传统小波分析有着计算量小,计算速度快和要求存储空间小等诸多优势,同时,也能做到不丢失图像信息,保证了边缘的连续性和封闭性,检测效果较好。