基于序列图像的运动目标检测新算法

基于SURF帧间配准和运动历史图像构建,提出了一种基于序列图像的运动目标检测新方法。针对运动检测容易出现虚警的情况,结合多帧关联思想和碰撞检测理论提出多帧碰撞检测算法,以剔除虚假运动目标。在标准测试集上测试序列仿真验证,结果表明,该运动目标检测算法具备较高的查全率以及极高的检测精度和极低的虚警率。     

一种运动背景序列星图弱小目标运动轨迹提取算法

提出了一种序列星图中目标的运动轨迹提取算法.利用交叉投影方法提取星点,确定包含星点的区域;提出一种基于自适应窗口选择PIV技术的序列星图全局运动参数估计算法,并对序列星图进行配准,滤除背景恒星;提出一种目标运动轨迹的提取箅法.实验结果表明该算法对于空间小目标(≥1 pixel)在序列图像中运动轨迹不连续的情况可以进行准确的运动轨迹提取,具有较强的鲁棒性.     

空间目标运动轨迹提取算法研究

在深入分析恒星跟踪和目标跟踪两种模式下星敏感器成像特点的基础上,针对星图中空间目标运动轨迹提取算法进行了研究,提出了基于序列图像多帧累加背景掩模帧生成的目标提取算法.主要思路为多帧累加增强目标与恒星的对比度;设置阈值以凸显目标或恒星;交叉投影法生成掩模帧,确定星点区域;质心法精确求得目标点位置.仿真结果表明,所提出的算法能够有效检测序列星图中的弱小目标,精确提取目标运动轨迹.     

针对运动摄像机的快速低存储开销运动目标检测算法

摄像机的运动会导致整幅图像的运动,使得此情形下的目标检测极具挑战性。针对该问题提出一种快速低存储开销检测算法。首先,利用一种快速低存储开销配准方法计算相邻两帧的单应变换矩阵。而后,使用单应变换矩阵进行相邻两帧之间的配准,并由帧间差分获取帧间运动信息。最后,采用积累运动信息的方式构造不断更新的运动图像,通过对此运动图像进行阈值分割分离出最终的运动目标。在多个不同视频序列下的实验表明该算法能够有效地从嘈杂的场景中检测出运动目标。此外,与先前算法相比,该算法检测性能更好,且显著地降低了存储开销与计算时间开销。对于480360的序列而言,该算法需要的存储开销仅为825 kByte,且运算速度达到16帧/m。     

空间弱小目标图像检测方法研究

针对背景缓慢运动的空间弱小目标图像检测问题,提出了序列图像背景配准方法及基于目标特征的空域滤波方法.通过对动态背景序列图像的背景恒星配准及背景消除,得到了目标图像.通过基于目标特征的滤波,并用质心法计算出每帧目标代替点得到轨迹投影图.最后使用Hough直线检测算法和最小二乘法提取目标轨迹.实验选择了实拍的序列图像,检测结果验证了该方法的有效性.     

采用灰度加权核函数的动态背景运动目标检测算法

针对动态图像序列中的运动目标检测存在的运算速度慢、虚警率高等问题,提出了一种基于灰度加权核函数的检测算法。算法首先利用图像中的平均梯度最大块实现了图像序列的快速配准,然后将图像分为3232的子块,分别计算每一子块图像的灰度加权核函数（GWK）,利用bhattacharyya系数作为配准后图像对应子块GWK函数的相似性度量,确认灰度加权核函数发生变化的子块,进而完成图像中的运动目标检测。实验结果表明,基于灰度核函数的运动目标检测算法运行速度快,可以有效抑制图像配准误差以及灰度起伏的影响,实时实现运动目标检测,具有较好的实时性和鲁棒性。     

从移动背景红外序列图像中检测运动目标

该文提出了一种从背景移动红外图像中自动检测运动目标的算法。该算法首先采用图像灰度互相关度量的匹配算法对连续的6帧序列进行配准,用第1帧和第4帧配准,第2帧和第5帧配准,第3帧和第6帧配准,然后用配准后的图像对分别做差分运算,再将3个差分图像按像素相乘,在运动目标处得到了非常尖锐的相关峰。这为进一步自动跟踪目标提供了一个跟踪窗口的中心点。实验结果验证了该方法的有效性。     

星空背景中目标识别算法研究

为了实时捕获混杂在天基背景中的运动目标,采用基于Fourier—Mellin图像配准与边缘提取相结合的差分算法。先采用Fourier—Mellin算法和相位相关算法求取图像的旋转角度及缩放和平移参数,得出配准点,再对连续采集的两帧图像配准、差分、二值化,将差分图像与后一帧边缘提取的图像进行逻辑乘,得到目标。仿真结果表明,该算法虚警率低,适合微型航天器多目标捕获的要求。     

基于三角形匹配的空间小目标检测算法

由于天基平台拍摄天空图片时,背景和相机同时发生相对运动,造成相邻帧之间无法通过简单的帧差法得到运动的小目标,造成了空间目标检测的难度。在分析星空图像模型的基础上,提出了一种提取特征点组成匹配三角形的图像配准方法。首先对图像进行预处理,通过最优阈值的选取对单帧图像进行分割,去除背景噪声。将星点按面积大小划分,对符合条件的星点组成特征三角形并在相邻帧中进行匹配得到运动参数。在配准时为了减小计算量,忽略背景插值只针对星点坐标矩阵进行处理。最后通过多帧轨迹关联检测出目标的运动轨迹。仿真实验表明,在运动的序列图像中,该方法能实现高检测率和低虚警率的实时检测。     

基于扩展卡尔曼滤波的空间小目标跟踪算法

由于天基平台拍摄天空图片时,背景和相机同时发生相对运动,造成相邻帧之间无法通过简单的帧差法得到运动的小目标,造成了空间目标检测的难度。在分析星空图像模型的基础上,提出了一种提取特征点组成匹配三角形的图像配准方法,该方法通过最优阈值的选取对单帧图像进行分割,去除背景噪声。将星点按面积大小划分,符合条件的星点组成特征三角形并在相邻帧中进行匹配得到运动参数。在配准时为了减小计算量,忽略背景插值只针对星点坐标矩阵进行处理。最后通过多帧轨迹关联检测出目标的运动轨迹。仿真实验表明,在运动的序列图像中,该方法能实现高检测率和低虚警率的实时检测。     

天基监视空间目标轨迹提取算法

序列星图中弱小目标的检测与定位是可见光天基监视中的关键技术之一,星图预处理的结果直接影响检测灵敏度及虚警率。文中引入一种在轨检测轨迹提取算法,该算法适用于高斯噪声的星图,由高斯最小二乘拟合、小区域滤波及星象边缘闽值分割三步组成。可抑制噪声背景减少虚假目标的同时,较好地保持星象边缘。通过算法性能分析可知,同美国天基可见关...     

基于OTSU算法的近红外星图目标提取

导航星目标的提取是近红外天文导航中的关键步骤,直接关系到后续的星目标识别和星图匹配.由于天光背景很强,提取星目标极为困难.近红外天文导航在近红外波段对恒星进行检测,即使在白天也可获得足够多用以导航的恒星目标.在分析近红外星图图像特点的基础上,引入能量投影,根据投影峰值确定潜在恒星目标和噪声点的位置;然后根据能量变化,设定待处理区域,并使用最大类间方差(Maximumbetween-cluster Variance,OTSU)算法进行目标和噪声点快速提取;最后使用多帧叠加,剔除噪声点,最终提取出恒星目标.实验结果表明,该算法计算简单,运行时间短,同时具有较高的检测率.该算法能够在复杂的背景中有效地检测出恒星目标,虚警率较低.     

基于多普勒频偏估计的单帧图像低速运动目标检测方法

常用的图像域运动目标检测跟踪方法对虚警率较敏感,当虚警率较高时,目标检测跟踪的实时性受限。为了降低目标初始检测的虚警率,进而提高目标检测跟踪的实时性,该文提出一种基于多普勒频偏估计的单帧图像低速运动目标检测算法,通过发射多普勒不敏感的LFM脉冲对,忽略多普勒效应对成像结果的影响,但在图像域检测的同时,利用目标回波的多普勒频偏信息进行静目标和杂波亮点的剔除,基于单帧数据,减小运动目标检测的虚警率,实现单帧图像的运动目标检测,从而为目标跟踪奠定良好基础。该算法首先进行图像域的恒虚警检测,再利用宽带时域波束形成和复相关频率测量法,对检测亮点处的波束输出信号进行多普勒测频,仅通过单帧图像就可有效剔除静目标和杂波亮点。同时为了改善宽带时域波束形成的性能,利用2阶锥规划设计滤波器的系数,用9阶FIR滤波器实现了0.01倍采样点的小数时延,提高了多普勒频偏的估计精度。最后通过计算机仿真和水池试验验证了所提算法的有效性。     

基于最大值投影和快速配准的空间小目标检测

天基观测平台下弱小目标的检测是分析空间安全的重要研究内容。由于空间中存在大量外观与目标相似的恒星导致可利用空间分布信息缺乏;观测平台的不规则性运动导致帧间成像差异,都使得开发自动快速处理算法的难度增加。在分析星空图像模型的基础上,提出了一种基于三角形匹配和最大值投影的小目标检测方法。首先通过特征三角形对序列图像进行配准,并采用星点坐标矩阵的方法减小计算量。然后针对序列帧所有图像,采用最大值投影变换的方法,检测运动的小目标。最后通过200帧观测图像对算法进行验证,实验表明该方法能实时、准确地对目标进行检测,同时可以精确地定位目标质心。     

红外与可见光图像配准研究现状与展望

红外与可见光图像配准是常见的多模态图像配准,它广泛应用于军事、遥感等领域,有必要对其研究现状进行综述。在描述了红外与可见光图像配准问题后,首先简述了图像配准的一般方法,分为基于图像区域的配准方法和基于图像特征的配准方法,重点述评了局部不变特征方法中的SIFT算法和SURF算法;然后按文献发表时间顺序对红外与可见光图像配准的国外和国内研究现状进行了详细述评;总结了红外与可见光图像配准研究中存在的问题;最后对其进行展望,并指出未来的研究重点是以SIFT算法和SURF算法为研究基础去构造对模态不敏感的不变特征和其相应的描述子。     

一种实用的靶场红外运动目标检测方法

为解决靶场红外运动目标检测问题,提出了一种实用的检测方法。首先利用差分图像法对运动敏感的特点,实施运动区域检测,然后采用基于恒虚警率方法确定阈值,实施二值化,并分别向横纵坐标投影,取极大值点的坐标作为目标位置的粗略估计,最后在提取出的目标区域实施精确检测。仿真实验结果表明,该方法目标检测效果较好,可实现像素精度定位,能有效抑制背景,且运算量小,实时性强,适用于多种情况。     

基于傅里叶梅林变换的SURF算法

针对加速鲁棒性特征算法,在没有后续去误匹配等处理的情况下,对存在较大旋转角度的两幅待匹配图像,匹配精度较低的问题,提出了一种基于傅里叶梅林变换的SURF算法。该算法通过对待匹配图像和参考图像实施傅里叶变换和梅林变换,利用能量谱求出两幅图像发生的旋转角度,并利用SURF算法找出图像间发生的平移和尺度变化,实现了图像间的匹配。实验结果表明,该算法可有效地实现图像间存在较大旋转角度时的几何匹配,且相比已有的SIFT和SURF算法,具有更好的匹配效果。     

一种用于红外与微光图像配准的改进型SURF算法

针对红外与微光图像配准的特殊性, 为了减少配准计算量,提出了一种从主方向确定和特征点描述 两方面加以改进的加速鲁棒特征(Speeded Up Robust Feature, SURF)配 准算法。首先检测微光图像和红外图 像的边缘,然后用改进型SURF算法提取两种图像边缘上的特征 点,并采用最近邻距离法对原始特征点进行筛选。在得到较高精 度的特征点后进行粗匹配。接着用随机抽样一致 性(RANdom SAmple Consensus, RANSAC)算法对一次筛选后的 特征点进行精匹配。最后利用精确的特征点建立变换模型,并 将重采样后的待配准图像与参考图像实现配准。实验结果表明, 该算法不仅可以解决红外与微光图像的配准问题,而且在匹配精度和 算法运算时间等方面的表现均优于原始SURF算法。     

基于SURF-DAISY算法和随机kd树的快速图像配准

提出了一种基于SURF-DAISY算法和随机kd树的快速图像配准方法,首先利用经典SURF特征检测器分别提取参考图像和待配准图像中的特征点,为了进一步提高算法速度,对SURF算法进行改进,利用DAISY描述符代替SURF原有的特征描述算法对特征点进行描述;之后通过随机kd树算法对参考图像和待配准图像的特征点进行匹配并且使用经典RANSAC(随机抽样一致性)算法剔除误匹配点对;最后用最小二乘法估算出最佳的空间几何变换参数,实现两幅图像的配准。实验结果表明:相对于标准的SURF算法,本文方法在基本保持性能不变的同时,配准过程所消耗的时间最多减少了45.6%。