红外搜索跟踪系统中实时图像配准的研究和实现

为实现在红外探测器运动的条件下地面弱小目标的快速搜索与跟踪,提出了一种基于相位相关法配准和角点法配准相结合的红外图像配准方法实现对红外图像的运动补偿。根据相位相关法配准和角点法配准的特点,首先利用相位相关法对运动中的红外图像进行粗配准,然后利用相位相关法配准的结果作为角点法配准的先验信息实现图像的高精度配准。实验结果表明该算法能够在不降低配准精度的条件下,实时地为红外搜索跟踪系统提供红外图像的位移信息,有效地提高了红外搜索跟踪系统对弱小目标的检测率和检测精度。     

对地面弱小目标的检测算法的研究

在研究地面弱小目标时,由于环境、人为误差及成像系统本身的影响,摄像机拍摄的视频会出现画面抖动比较厉害、成像质量差的现象。因此,需要对图像序列进行运动补偿。为实现对地面弱小目标的检测,提出了一种基于Harris角点检测的对地面弱小目标的检测算法。该算法利用了残差图中的灰度信息及残差图序列,在时间上具有连续性,算法的稳定性高,精度较高,实时性好。能够很好地剔除残差图中的虚警点,在较高精度下大大提高了对于地面弱小目标检测的水平。     

复杂地面场景下的红外运动目标跟踪

复杂地面场景下的红外目标易受背景影响并经常出现遮挡情况,难以简单地依靠亮度或梯度信息检测并跟踪目标。根据复杂背景下红外运动目标与背景的速度场差异,提出了利用光流对目标进行跟踪的算法。首先对图像进行配准,保证在随动跟踪时背景的相对静止;然后在目标的跟踪波门内计算改进的Horn-Schunck 光流;最后根据目标的光流特征,优化粒子滤波算法中粒子的转移概率,实现对目标的稳健跟踪。实验结果表明,该跟踪算法能对复杂地面场景下的红外运动目标持续跟踪,并不受目标被短时遮挡的影响。     

基于TMS320C6678的背景更新算法的改进与实现

利用混合高斯模型描述序列图像背景是地面复杂背景下红外搜索跟踪系统中的关键技术。针对背景更新算法的收敛性和估计准确性的问题,提出了一种自适应混合高斯模型的背景更新框架。该背景更新框架通过建立混合模型迭代过程中学习因子与时间、模型状态的关系并且自适应选择混合模型中高斯分布的个数,有效地提高了背景估计的精确程度和算法的收敛速度。通过真实序列图像详细分析本文背景更新框架性能,同时研究设计了基于TMS320C6678DSP芯片的背景更新图像处理系统,实现了视频的传输、处理等系列功能,并与其他算法作比较,从数据分析和实验结果等方面表明本文算法的优越性。     

混合高斯背景更新算法的改进和实现

混合高斯背景更新算法在处理红外目标检测中,与其他算法相比有着明显的优势。然而传统的混合高斯背景更新算法仍然存在着不足,针对传统算法的不足,提出了有效的改进方法,使混合高斯背景更新算法的处理分为兴趣区和非兴趣区进行处理,在不同的区域采取不同的高斯分布个数和权值更新速率进行处理,同时通过改变不同的背景更新速率可以处理背景发生突变的情况和前景目标静止的情况,有效地提高了混合高斯背景更新算法检测红外目标的能力,仿真实验取得了较好的效果。     

基于Harris角点的KLT跟踪红外图像配准的硬件实现

提出了一种基于Harris角点的KLT跟踪图像配准算法用于解决红外搜索跟踪系统中红外图像配准问题。该算法首先对红外序列图像进行Harris角点检测,选取合适的角点作为跟踪点,对跟踪点进行KLT跟踪,通过KLT算法计算出序列图像间的位移量,从而实现红外图像配准。整个算法在DE2-115系统平台上实现,采用CycloneIV系列的FPGA,在Quartus13.0软件上利用Vhdl编写和调试Harris角点检测、KLT跟踪以及匹配程序。最后结论表明,该算法能满足红外图像配准的精度和稳定性,并且FPGA在图像处理中可以提供更高的运算速度,更能满足图像配准的实时性要求。     

基于惯性传感器和Kinect摄像机的OFCM图像匹配算法

提出了一种基于图像三维信息及摄像机运动参数的图像匹配算法,用于解决智能监控系统中图像匹配实时性差、鲁棒性低等问题。该算法分别利用惯性传感器和Kinect摄像机估计出摄像机的运动外参矩阵和图像的深度信息,再根据射影几何原理,结合当前帧图像的像素坐标计算出该像素点在下帧图像的像素坐标,从而完成图像匹配。利用该算法对实际采集的图像序列进行了分析与处理,并从配准精度、鲁棒性和实时性方面与经典匹配算法KLT进行对比。实验结果表明:该算法极大地降低了计算量和计算时间,不仅能满足智能监控系统对图像匹配精度和稳定性的要求,更能满足系统实时性的要求。     

红外偏振图像的目标检测方法

红外偏振成像探测通过对目标辐射和反射偏振态的探测,针对传统光学无法解决的问题,在目标检测方面取得高精度的结果,特别是在军事探测中,能够快速地将混杂在自然背景下的人造目标检测出来,以增强对目标的识别。偏振探测中所依据的强度、偏振度及偏振角信息反映出的不同物理特性,具有很强的冗余性和互补性。针对该特性,提出一种红外偏振图像的目标检测方法:首先使用Mean-Shift算法对红外图像和偏振度图像进行聚类处理;然后利用DS证据理论将聚类后的红外图像和偏振度图像中的物体信息充分结合,以区分目标与背景,达到目标检测的目的;最后通过仿真实验图像与小波融合图像结果的对比表明该算法的优势。     

转动红外探测器下地面远距离运动目标检测方法

地面远距离运动目标检测是红外成像防御中的关键技术之一。地面远距离运动目标检测指利用红外探测器对远距离运动目标实现自动探测和捕获。由于目标距离较远,在红外探测器上成像面积较小,同时远距离运动目标容易被遮挡,很难将目标从复杂的地面背景中提取出来。提出了一种能够在面阵红外探测器转动的条件下实现远距离地面运动目标检测方法。首先利用图像信息计算红外探测器的运动补偿参数并通过背景更新获取目标一次检测结果,然后采用光流法获取背景和目标的运动信息,通过计算背景和目标之间的运动信息相关性实现目标最终检测。实验采用多种场景对文中算法进行验证,结果表明该方法通过转动红外探测器可以扩大目标搜索区域,利用背景和目标之间运动信息的相关性有效地克服了目标遮挡、目标重叠和视差等问题。     

一种运动相机强视差下运动目标检测方法(英文)

从多视角几何的角度分析了强视差下基于运动相机的运动目标检测问题,提出了曲面单应模型,给出了多视角下的三维静止场景的约束条件。现在一般的方法是平面加视差或直接用基础矩阵等简单的几何约束,但无法解决约束条件退化的问题。该算法框架提出了比基础矩阵更强的约束条件,将基础矩阵面退化情况改进为曲面单应下的线退化,并根据曲面单应引入了建模、学习、检测的过程,从而解决了约束条件退化的问题。与以往算法不同,该算法不需要主平面,也不需要防止摄像机出现退化的情况。根据实际采集的图像序列进行了分析对比,真实的数据测试表明该算法在保证算法准确性与稳定性的前提下,能快速有效地学习摄像机的运动,极大地提高了运动目标的探测率,解决了约束条件退化的问题。