红外图像中小目标检测研究

在获得的红外序列图像中,检测和跟踪微弱小目标一直是研究的重点。本文对小目标检测系统的背景抑制和目标检测算法和方案进行了调研。采用背景抑制算法以获得更高的信噪比,利用NP准则对图像进行分割,然后用识别算法对目标进行跟踪和识别。计算结果显示,抑制杂波后,采用序贯图像检测能够很好地增加探测概率。     

简评基于图像融合的目标识别和跟踪算法

传统的目标识别和跟踪算法都是基于单传感器图像的.随着多传感器图像融合技术的深入发展,其在目标识别和跟踪领域的应用也越来越广泛.评述了基于图像融合的目标识别与跟踪算法,包括融合预处理、融合识别和融合跟踪,说明了图像融合思想在目标识别与跟踪领域的优越性.     

弹道目标识别的红外辐射数据仿真研究

充足的目标红外辐射数据集是研究弹道目标检测、跟踪与识别的必备前提,以往弹道目标红外数据仿真模型强调特定参数场景下的光学成像研究,以解决目标检测和关联跟踪等图像信息处理问题;而目标识别所需的数据仿真模型更注重在可能的动态参数范围内对目标辐射强度信号变化规律的探究。为了满足目标识别的数据仿真要求,着重探讨了目标场景参数和辐射强度信号动态变化特性;并根据仿真结果分析了影响数据差异特性的底层因素,为设计适合任意仿真场景数据的目标识别算法予以启示。     

图象目标识别图形的自适应步级检测

建立图象目标识别模型，用形状、灰度和运动特征描述图象目标。基于目标建模，把目标识别、门限及目标图形区域步级检测、虚漏警调节和目标空域条件有机地结合起来，给出牵引式跟踪系统中图象目标识别图形的自适应步级检测算法。该算法用于检测具有识别特征的图象目标图形，并成功地应用到实际的实时跟踪系统中的图象目标识别和跟踪。对实际图象的处理结果和在实时跟踪系统中的实验说明本文研究的技术的有效性和适用性。     

基于生物视觉的地面目标识别与跟踪锁定

图像中待攻击目标的自动识别与跟踪锁定是图像制导的基本任务，也是图像制导技术的难点所在。由于获得图像的角度和位置的不同，同一目标在不同图像中会有较大的变形，如何正确地识别出该目标是至今未能很好解决的问题。相比之下，人和动物在复杂的环境中，几乎在各种角度和位置的情况下，均可以可靠地识别出目标，并能完成对该目标的跟踪锁定。因此生物视觉的工作机理成为了当前学者研究的热点，在继承和发展了当前国际上该领域的最新研究成果的基础上，实现了生物视觉原理下的目标识别与跟踪算法，经过大量真实图像的试验，证明了该算法的鲁棒性。     

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。     

基于数学形态学的红外运动小目标识别算法研究

针对红外成像制导跟踪的目标具有低信噪比、且背景和噪声干扰信息严重的特点，设计了一种基于数学形态学的红外灰度图像小目标检测识别算法。实验表明，该算法能够大大提高目标的信噪比，去除背景和噪声干扰，保留目标的灰度信息，满足系统的实时性要求，是一种有效的红外灰度图像小目标检测算法。     

基于连通域标记的目标检测算法设计与实现

在图像目标识别和跟踪任务中,连通域标记算法的设计优化主要体现在执行速度、存储空间和逻辑判断次数三个方面,因此提出并实现了一种基于一次逐像素扫描连通域标记的单目标检测算法。算法结合包围盒和单目标图像检测的特点,只需单行的图像缓存空间,同时简化复杂的等价标号替换操作,目标的判断准则为目标图像连通区域面积最大化,最终以包围盒形式给出目标位置。FPGA仿真结果表明:该方法资源占用率小,检测一幅图像的总时钟周期数为M×N×4(M,N分别为图像行列数),适用于单目标图像的实时识别与跟踪。     

基于边缘统计的简单背景多目标识别跟踪

提出了一种新型图像多目标识别跟踪算法,其突出特点为速度快、目标探测准确性高,并且可以同时对多个目标进行识别跟踪.整个系统包括图像预处理即目标增强,边界的目标识别即纵向、横向统计叠加和目标检测.传统的图像跟踪方式如模板相关匹配方法、梯度形心方法以及极值区域跟踪方法不能同时区分多个目标,遇到多目标和干扰等均会失效.文中提出的方法能够有效地解决这一问题,通过区分可能目标区域,能够在一定程度上抑制干扰并对多个目标进行实时跟踪.     

一种背景特征空间相关的跟踪算法研究

针对天空背景红外图像弱小、目标可利用信息特征少,采用通常的几何、纹理等目标特征的时域相关性跟踪算法难以实现连续平稳跟踪的情况,提出了一种基于后处理的弱小目标检测跟踪算法,即利用背景特征的空间相关性实现弱小目标检测,结合前后图像帧中目标灰度特征和运动特征的时域相关性实现了弱小目标的连续跟踪。实验结果证明,该算法对天空背景红外图像弱小目标跟踪稳定可靠,实时性好。     

一种基于多传感器数据融合的目标跟踪算法

在制导与跟踪系统中．雷达和红外成像传感器所固有的优缺点,决定了其自身的局限性。为综合利用上述传感器信息,提高目标跟踪精度,提出了一种基于雷达和红外成像传感器数据融合的交互多模目标跟踪算法,算法首先对红外图像进行处理,然后基于上述处理结果．利用交互多模算法对雷达观测信息进行目标跟踪,最后采用分布式数据融合算法得到最终目标的跟踪结果。在有效提高跟踪精度的同时,减少了运算量。     

可视化目标特征提取及动态跟踪算法验证系统

介绍了基于图像处理的目标特征提取和跟踪算法的验证、评估系统。该系统由图像预处理、目标分割、目标特征提取、特征稳定性分析和跟踪算法等模块构成,集成了诸多的典型算法,对不同的目标和背景进行处理,选择特定目标和背景的最优算法组合,并以动态跟踪形式对算法集进行验证。     

激光雷达跟踪算法研究

形心跟踪算法因为简单、执行速度快而得到广泛采用。然而常规形心跟踪算法因激光雷达图像受到散斑噪声影响而变得不适合。改进算法结合了图像的滤波处理，提高了适用范围。但是这种基于图像灰度均值分割的形心跟踪算法对于小目标图像都会跟踪失败。分析了大目标图像和小目标图像的直方图，指出其均由一个背景的尖峰和目标的拖尾组成，理想的分割阈值点应为尖峰和拖尾的临界点。据此提出了基于累积直方图的形心跟踪算法。此算法以图像的累积直方图拐点为分割阈值，不受目标区面积大小的影响。处理结果表明,对于大目标图像和小目标图像均有较好的效果，并且保持了常规形心跟踪算法执行速度快的特点。     

SAR图像车辆目标ROI的提取技术

SAR图像感兴趣目标区域(Region Of Interest, ROI)的提取是目标识别的基础。该文针对SAR图像中车辆目标ROI提取问题,系统分析了ROI提取过程的关键环节,提出了采用基于有序数据可变索引(Ordered Data Variability Index, ODVI)的自适应CFAR方法实现目标的恒虚警检测,同时对ROI切片计算鉴别特征,并实现序贯鉴别。最后利用X波段SAR图像数据验证了该文的ROI提取技术,给出了鉴别输出的ROI,处理结果显示该文算法能准确提取车辆目标ROI,有效消除虚警。     

结合雷达目标特征的红外成像目标识别

由于单传感器在导弹的目标识别和跟踪方面存在的固有缺陷,近年来,数据融合技术在这一方面得到广泛地应用和研究。文中提出了在双模（ 雷达,红外） 数据融合方案中,结合雷达目标特征的红外成像目标识别方法,并详细讨论了所涉及的图像处理技术（ 区域分割,骨架提取） 和人工神经网络分类技术。最后给出了实验结果和结论。     

Vision-aware target recognition toward autonomous robot by Kinect sensors

Target recognition is a key module in modern human–computer interaction (HCI) and computer vision systems It is pervasively used in many domains like autonomous vehicles and robot, remote operation, and video surveillance. However, due to the complicated environment and object occlusion, target recognition is still a challenging task. In this paper, we propose a novel target recognition algorithm toward autonomous robot by leveraging the Kinect sensors. More specifically, we utilize the Kinect sensors to capture scenario image in real-time. Subsequently, we present an improved HSV-based image segmentation algorithm to decompose the captured image, where morphological operation is employed for foreground target extraction. Afterward, we leverage Spatial Pyramid (SP)-based scheme for visual feature extraction. Then, we adopt a new distance metric for target matching. Comprehensive experimental results have shown the effectiveness of our proposed method.     

基于块的Mean-shift跟踪算法

针对传统Mean-shift跟踪算法在目标发生遮挡和形态变化时跟踪性能下降的缺点,提出了一种基于块的Mean-shift跟踪算法,该算法主要特点有：(1)将跟踪目标平均分块,每小块独立进行传统Mean-shift跟踪,利用小块跟踪未被遮挡的目标部分;(2)跟踪检测器检测目标小块跟踪的有效性,筛选出无效跟踪的目标小块,解决了目标分块造成跟踪性能下降的问题;(3)归一化互相关检测器和邻域一致检测增加了对目标空间信息的检测,弥补了Mean-shift算法的局限性,增加了跟踪的鲁棒性。实验表明,该算法在目标发生遮挡和形态变化时仍然可以有效的实现跟踪。     

基于Mean Shift算法的运动平台下红外目标跟踪

运动平台下, 图像的运动包括目标、背景和平台的运动。复杂的运动关系，加上运动平台下成像质量差，增加了目标跟踪的难度。提出了一种有效的运动平台下前视红外(FLIR)成像目标跟踪算法。对于每一个被检测出的目标，计算灰度和局部标准差的分布，通过计算Mean Shift向量，最小化当前帧目标与模板的核密度分布，实现对目标的跟踪。采用自动更新模板的策略克服目标特征分布发生改变的问题，该策略同样取决于得到的模板与目标分布相似性度量。实验仿真证明，该算法能有效地、准确地跟踪红外成像序列中的运动目标，计算量小，可以满足实时性要求高的场合。