改进的均值移位红外目标跟踪

提出了一种改进的均值移位红外目标跟踪算法,该算法融合了基于均值移位的梯度匹配搜索策略与基于特征分类的跟踪算法。以目标与局部背景灰度特征的似然比作为目标区域核直方图的权值,建立了改进的目标表征模型。以Bhattacharyya系数作为相似性度量,在均值移位框架下推导了应用该目标模型下移位向量的表达形式。同时,提出了基于跟踪复杂度估计的目标遮挡情况下的模型更新判别准则。实验结果表明,该算法能够提高目标像素灰度的移位权重,抑制背景干扰,对于低对比度红外目标的跟踪具有稳健的性能,在正确跟踪情况下平均Bhattacharyya系数保持在0.97以上。     

应用Gabor滤波器和局部边缘概率直方图的全局纹理方向性度量

为了构建人机识别纹理方向性模型,提出了一种图像全局纹理方向性的度量算法。首先,设计Gabor滤波器以减小次要方向分量,增强描述纹理的全局方向性分量。然后,构造局部边缘概率直方图,描述纹理方向性的整体分布,定量给出全局方向性度量值。最后,在Tamura纹理模型实验集以及Brodatz纹理图像库上,测试比较了用不同测度算法度量全局纹理方向性的精度。结果显示,在两类纹理图像库上所获得的测试值均与人类视觉感知保持了较高的一致性,其精度比其它算法可高出10%,表明论文所提的全局纹理方向性度量算法可以满足精度要求更高的人机纹理识别模型。     

光学遥感图像中复杂海背景下的舰船检测

本文针对光学遥感图像中复杂海背景下的舰船检测问题,提出一种快速精确的舰船检测方法。首先,基于最大对称环绕显著性检测完成初始目标候选区域提取,并结合一种基于元胞自动机的同步更新机制,利用图像局部相似性和舰船目标几何特征,对初始目标候选区域进行更新,并通过OTSU算法获取最终目标候选区域;然后,根据舰船目标的固有特性对方向梯度直方图特征进行改进,提出一种新的表征舰船特性的边缘-方向梯度直方图特征对舰船目标进行描述,与传统HOG特征相比,这种特征向量侧重于对边缘特征的描述,对梯度向量鲁棒性更强,并且仅为一个24维的特征向量,计算复杂度低;最后,通过构建的训练库完成AdaBoost分类器的训练,并利用训练完成后的AdaBoost分类器完成目标的最终判别确认。本文的检测算法,针对尺寸为1 024pixel×1 024pixel的遥感图像,检测时间为2.386 0s,召回率为97.4%,检测精度为97.2%。实验表明,本文提出算法的检测性能优于目前主流的舰船检测算法,在检测时间和检测精度上都能够满足实际工程需要。     

用于人脸识别的相对梯度直方图特征描述

由于方向边缘幅值模式(POEM)在剧烈光照变化情况下无法获得足够的特征描述信息,本文分析了相对梯度幅值图像特点,提出了相对梯度直方图特征描述方法。该方法根据图像的梯度方向对相对梯度幅值图像进行分解、滤波、局部二值模式编码和特征降维,形成了对光照变化,尤其是非均匀光照变化具有健壮性的低维直方图特征。在FERET和YaleB子集上的人脸识别实验证实:在光照变化较小时,相对梯度直方图特征描述方法与方向边缘幅值模式的性能相当,均显著优于经典的局部二值模式特征;在光照剧烈变化时,前者的识别精度比方向边缘幅值模式至少高5%,性能显著优于方向边缘幅值模式和局部二值模式,展示了相对梯度直方图特征描述方法的有效性和对光照变化的良好健壮性。     

新型自适应背景窗的SAR图像目标检测

传统的全局检测算法假设目标占整个背景中较小的一部分,将SAR图像中的所有像素用于估计杂波概率密度函数,容易造成检测阈值的增大从而对不太明显的SAR图像舰船目标产生漏检。提出了一种新型自适应背景窗的检测算法,该算法通过设置一种新型的窗口对潜在的目标予以剔除,鉴于Parzen窗对杂波背景的良好的估计性能,对剔除后的杂波背景采用Parzen窗进行非参数化的杂波模型估计,进而确定检测阈值,完成目标的检测。相比全局检测算法,提出的SAR图像舰船目标检测算法减少了漏检数量,检测性能得到了改善。实测SAR图像的检测结果表明了该方法的有效性。     

基于梯度直方图变换增强红外图像的细节

针对红外图像信噪比低、目标边缘和细节模糊等缺点,提出了一种基于梯度直方图变换增强红外图像细节的方法。通过分析红外图像的梯度直方图,构造出一个高斯函数来扩展梯度直方图,增大图像的梯度值。采用直方图规定化法,实现图像的梯度直方图规定化,得到变换的梯度场。在从变换的梯度场重建增强的图像时,引入全变分(TV)模型来抑制噪声。实验结果表明,提出算法的图像信息熵比灰度直方图均衡化和规定化算法显著提高,明显增强了红外图像的纹理细节,为目标检测、跟踪和识别提供了高质量的图像信息。提出的算法采用有限差分法迭代进行求解和Visiual C++编程,对大小为480pixel×480pixel的图像的处理时间约为40ms,基本达到了工程应用对图像处理的要求。     

基于Otsu方法的钢轨图像分割

由于钢轨图像灰度分布不均,一般的图像分割法难以将目标从背景中分割出来,故本文提出了目标方差加权的类间方差阈值分割法对钢轨图像进行阈值分割。分析了钢轨图像的特点,总结了加权的目标方差(Otsu)方法及其它全局阈值分割法对钢轨图像分割存在的问题。然后,对Otsu方法进行改进,以目标出现的概率为权重,对类间方差的目标方差加权,使分割阈值靠近单模直方图的左边缘和双模直方图的谷底。最后,计算图像的错误分类误差、钢轨图像的缺陷检测率和误检率来验证算法的有效性。实验结果表明,改进的Otsu方法能有效地分割钢轨图像,错误分类误差接近0。与其它阈值分割法如Otsu法、其它改进的Otsu法、最大熵阈值分割法相比,本文方法对钢轨图像的分割效果更优,缺陷检测率和误检率分别为93%和6.4%,适合机器视觉缺陷检测的实时应用。     

采用稀疏表示的红外图像自适应杂波抑制

针对红外图像中弱小目标的检测问题,提出了一种基于图像稀疏表示的自适应杂波抑制方法.首先,采集500帧红外图像样本,通过训练学习构造包含图像各个层次结构特征的多成分超完备字典;然后,通过红外图像的协方差自适应地选择与图像子块对应的超完备字典对图像进行稀疏表示,利用匹配追踪算法得到子图像在超完备目标字典下的最佳表示系数;最后,根据表示系数以及对应的原子向量对图像子块进行重构,从而得到突出红外小目标的高信噪比重构图像,实现杂波抑制.不同环境下的多项实验表明,该算法可在复杂背景下自适应地抑制杂波,提高图像的信噪比;通过简单的阈值分割可以分开目标和背景,为之后的目标检测处理奠定基础.得到的性能评价指标显示:本算法计算量较小,实时性较强,鲁棒性较强,易于硬件实现.     

采用多特征共生矩阵的模板匹配

为解决在模板匹配过程中,目标图像发生局部遮挡、背景变化、光照变化以及剧烈非刚性形变等情况而出现的匹配失败问题,本文提出了一种基于多特征融合的共生矩阵模板匹配算法。首先,采用多特征融合的方法提取图像信息。分别提取图像的颜色特征、深度特征、方向梯度直方图(HOG)特征,通过主成分分析(PCA)与K均值聚类的方法实现多通道多特征融合;随后,以共生矩阵作为相似性度量方法,通过统计相似性特征信息来代替直接施加距离计算;最后,计算滑动窗口中每一组像素点对的共生概率,并加权求和作为匹配得分,由此在目标图像上寻找最佳匹配区域。通过实验对比,本文算法的AUC(Area Under Curve)得分为0.658 6,较目前最好的几种模板匹配算法DDIS-D、DDIS-C、BBS算法分别提高了:7.9%,8.1%,20.2%。采用特征融合的方法能够充分利用图像信息,有效提高匹配的准确率;共生矩阵可以捕获图像的纹理相似性,且这种度量方法仅与共生统计有关,与实际像素无关,能够在一定程度上克服复杂场景对匹配结果带来的影响。实验结果表明本文的方法匹配精度更高、鲁棒性更强。     

基于杂波尺度的坦克射手图像融合质量评价

坦克射手图像融合的质量对坦克射击精度起重要作用,对于人眼视觉系统来说,如果图像中背景信号与目标非常相似,我们就很难从背景中发现目标,这种与目标信号相似的背景信号称为杂波。随着光学、探测器以及信号处理技术的快速发展,噪声对图像质量的影响越来越小,背景杂波成为制约图像质量的主要因素。     

基于Camshift算法的神经丝蛋白自动跟踪

神经丝蛋白体型细长、形态多变,跟踪难度大。为了能够准确稳定的获取神经丝蛋白质的运动状态,利用了改进的Camshift算法实现了对神经丝蛋白运动的自动跟踪。利用HSV颜色空间的颜色直方图建立目标模型,结合预测点对目标特征点加权。通过在目标颜色概率模型中引入核函数,利用核密度梯度来进行目标搜索,最终在每帧图像中获取目标的具体位置。鉴于神经丝蛋白的特殊性,还对比分析了其他两种概率预测类算法的跟踪效果。实验结果表明,此方法能够快速稳定跟踪神经丝蛋白,为神经丝蛋白质的医学研究提供了新的途径。     

基于达芬奇的运动目标检测系统

针对视频监控领域,利用达芬奇双核(ARM+DSP)处理芯片DM6446的高处理性能,设计了运动目标检测系统。在系统硬件上围绕DM6446进行了设计和实现;在用户软件上实现了视频的录制、存储、回放和运动目标检测等功能。ARM核应用程序采用多线程设计,DSP核运行目标检测算法。算法采用改进的颜色直方图方法,利用高斯模型计算颜色的背景概率,通过比较背景和前景的概率,达到了运动目标检测的目的。测试结果表明,算法简单可行,具有实时性,且软硬件工作良好,能够满足实时采集与图像处理的要求。     

基于模糊分类的弱小目标检测方法

提出了一种新的基于模糊分类的红外云层背景弱小目标检测方法。本文直接从待分类图像入手提取出不同的类别区域,这样得到的分类模板就准确的体现了当前图像的不同类别,在此基础上进行分类就能得到图像的准确的类别分类从而实现弱小目标检测。首先,对红外天空背景弱小目标图像进行分析,将图像中的三类物体：净空、云及弱小目标细分为11个类别区域;其次,定义了类别特征矢量并基于此提出了类别核的定义;再次,根据类别核的定义从待检测图像中提取出11类区域的类别核;最后,根据模糊分类的理论,定义了类别相似系数和类别贴近度,通过类别核对图像进行分类和类别归并,保留弱小目标类别完成检测。实验结果表明,该方法能够对红外弱小目标图像中不同类型的区域进行准确分类,较好的实现了对低信杂比的复杂云层背景图像中的弱小目标检测。     

基于剪切波变换的复杂海面红外目标检测算法

针对复杂海面红外目标检测问题,利用剪切波变换优良的各向异性能力和系数的几何特性,提出了一种基于剪切波变换的复杂海面红外目标检测算法.该算法利用剪切波变换得到边缘图像,同时提供边缘的方向信息,极大提高了海天线的检测和识别概率;然后根据海天线位置进行边缘加权,抑制海杂波,保留目标信息;经过减行均值滤波,对加权边缘图像进行分割;最后,进行数学形态学处理,检测出舰船目标.实验结果表明,该算法可以在单帧图像中检出目标,并且对存在阳光亮带、海杂波等干扰的复杂海面背景取得较好的检测效果.     

红外弱小目标的分割预检测

提出了一种目标分割预检测方法来提高检测红外弱小目标的准确性和实时性。针对红外图像的特点,利用改进的自适应背景感知算法抑制目标图像的背景以提高目标检测概率;根据已有的先验知识构造属性集,把灰度直方图限定在感兴趣区域,减少背景的影响;然后,利用属性直方图的最大熵进行图像分割以检测目标。为了提高分割算法运算速度,应用了快速递推算法。实验结果表明,本文提出的背景抑制算法能更好地抑制背景,提高图像的整体信噪比;分割算法具有更好的分割检测效果,候选目标点分割准确、虚警目标点较少,运算速度提高了91%。对分割图像进行后续处理,剔除了大部分虚警目标点,为后续目标准确检测提供了有力保障。     

Multi – oil droplet recognition of oil-water two-phase flow based on integrated features

Multi-oil droplet target recognition is one of the applications of machine vision in the measurement of oil-water two-phase flow parameters, which could combine other algorithms to obtain the oil droplet velocity and the water holdup of oil water two-phase flow. Appropriate target representation features can improve the recognition effect of multiple oil droplets. However, due to shooting environment differences and quality differences of oil-water two-phase flow images, existing target representation features do not perform well in low-quality oil-water two-phase flow images. To improve the precision of multi-oil droplet target recognition in oil-water two-phase flow and reduce the miss rate, this paper constructs an integrated feature on the basis of aggregate channel features (ACF). The integrated feature named aggregate channel features with histogram of local gravitational feature（ACFHG） contains the color feature channels reflecting the overall color features of the oil droplet sample, the gradient amplitude channel reflecting the overall gradient of the oil droplet sample image, the gradient direction histogram feature channels reflecting the local gradient of the oil droplet sample image, and the local gravitational feature channels that ensure oil droplet target recognition in low quality photos and photos taken in complex shooting environments. Moreover, the rotation invariance is obtained by taking the oriented gradient histogram of the local gravitational feature to further improve the multi-oil droplet target recognition effect. Experiment results show that the average precision of multi-oil droplet target recognition using the integrated features is 83.38%, which is 9.93% higher than that with using ACF, and the miss rate is 9.13%, which is 57.18% lower than that with using ACF. Compared with other existing target detection methods, the method proposed in this paper still has an advantage in the rate of missed detection.     

基于兴趣点的遥感影像可匹配性度量

为了提高基准图制备的有效性,研究了遥感影像的可匹配性,并针对点特征提出了基于兴趣点度量遥感影像可匹配性的度量指标。首先,利用非下采样Contourlet变换的高频系数提取图像的局部极值点作为兴趣点;然后,利用兴趣点的高频系数和方向特性定义兴趣点的幅值特性和结构特性。最后,分析兴趣点幅值特性和结构特性与实际匹配概率的关系,构建可匹配性度量指标。实验结果表明,可匹配性度量指标与实际匹配概率的线性相关性高于0.9,Spearman相关系数高于0.85,评估结果准确性高、单调性好。利用该指标对图像可匹配区域进行筛选,其制备的基准图的平均匹配概率大于95%,比传统方法提高了15.4%,改善了基准图制备的效率和可靠性。     

基于成像提取的RCS精确测量方法研究

高精度雷达散射截面(RCS)测量对背景环境具有较高要求,当背景环境存在较强干扰时,通过背景矢量对消难以消除杂波影响。提出基于成像提取的高精度RCS测量方法,从背景杂波中分离和提取出目标的散射信号,从而提高了测量的精度。首先推导了像与RCS的数学关系,然后利用转台模式下的测量回波进行成像处理,得到目标区域的二维像;从成像区域中提取目标的二维像,通过波谱变换和定标获得目标的RCS。仿真结果表明,该方法对于具有干扰情况下的RCS测量,可以改善3~5 d B的测试精度,并且能够对弱散射目标进行测量。实验结果表明了成像提取方法的有效性和准确性。     

基于空时混沌分析的海面小弱目标检测

为了提升海杂波中小弱目标检测能力,通过研究海杂波在空域和时域上的动态特性,提出基于空时混沌分析的海面小弱目标检测方法。首先,在海杂波混沌动力系统相空间重构的基础上提取海浪序列图像的空域混沌参数和时域混沌参数,验证海杂波在空域与时域具备混沌性;然后,采用径向基函数神经网络学习海杂波的空域混沌重构函数、时域混沌重构函数和空时耦合系数,联合空域和时域混沌特性综合重构海杂波在时间与空间上的传播规律。多种复杂度海面目标检测试验结果表明,与空域混沌和时域混沌方法相比,预测误差可降低10%,检测概率可提高20%,基于空时混沌重构的海杂波抑制能力与小目标检测性都得以显著提升。     

基于低秩三分解的红外图像杂波抑制

针对红外图像中对比度较低、目标信号较弱且受背景噪声杂波干扰较大的特点,结合信号的稀疏表示理论提出了一种基于低秩三分解模型的红外图像背景杂波抑制算法。首先,分别对红外图像中目标、背景和噪声3种成份进行建模描述,得到低秩三分解模型。然后,采用二维高斯模型构造红外小目标超完备字典,利用所提出的低秩三分解模型将分块重置的图像数据矩阵分解为背景、噪声和目标3种成份。最后,对于目标分量进行阈值处理从而得到突出红外小目标的重构图像,实现杂波抑制。在3种不同情况下的实验结果表明:本文算法能够使红外图像局部信噪比提高2倍以上;与其他经典算法相比,抑制因子至少提高15%。得到的结果表明,所提算法能够有效抑制杂波,在提高红外图像信噪比的同时,对不同噪声干扰也具有较强的鲁棒性。