模式识别图象预处理中的目标快速定位法

在模式识别和机器视觉等系统的实际应用中，首先要完成图象预处理的任务，即需要从实时采集的图象中把感兴趣的物体检测出来，以便于后续的识别处理。本文提出了一种基于二值图象形态学腐蚀运算的快速目标测定位法，通过修改腐蚀的运算的算法，构造两个新的形态结构元素可快速有效地对目标进行检测定位，文中给出了基本算法和实验结果。     

车载毫米波高分辨实时SAR系统对江中船只识别的方法

随着社会的发展,江河中的船只种类越来越繁多,一些船只不按规定的时间和航线胡乱行驶,这给管理工作造成了极大地不便.本文提出了一种采用实时的毫米波高分辨SAR系统进行河流湖泊船只识别的方法,通过对SAR 成像算法、目标识别、ISAR成像跟踪等的分析论证了高分辨SAR实时成像、跟踪系统的可实现性.从而构建成车载毫米波高分辨SAR系统,通过对河流船只进行实际的成像、目标识别、跟踪实验,验证了此系统可以全天候的对河流湖泊中的船只种类进行实时识别并进行跟踪,从而方便管控.     

一种实用的红外弱小目标检测跟踪处理机研究

以小波变换作为对红外弱小目标进行检测识别的核心算法，并根据该算法搭建了基于FPGA和DSP的红外信号处理器的硬件平台。该平台在FPGA上实时完成了离散小波变换算法，可用于检测弱小目标，并通过DSP实现了稳定地跟踪。结果表明，该设计的方案对红外弱小目标的检测识别和跟踪具有实际意义。     

低信噪比序列图像中目标检测、识别及跟踪算法的研究

本文研究红外探测仪器产生的低信噪比序列图像中目标检测、识别及跟踪算法。该算法基于图像累加后沿目标的运动轨迹方向信号积累，并结合目标在各个不同阶段的特性，分别在检测、识别及跟踪阶段完成目标信号的处理，最后给出目标的位置和速度信息。     

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.     

复杂图象序列的自适应目标提取和跟踪方法

本文根据视知觉原理研究了提取和跟踪复杂图象中运动目标的计算模型和算法，分析和检验了改变模型有关参数对图象分割门限的影响。与某些常规算法不同的是，新方法综合考虑了目标一背景条件、视觉非线性、帧间相关性和差异性，目标提取作为一个完整瓣两步过程包括三个准则和一个快速寻优算法，目标跟踪使用二值模板匹配，给出了在可见光图象序列上的实验结果。     

图象跟踪算法仿真环境

图象跟踪系统具有重要的军事价值，所选用的跟踪算法的俦到图象跟踪系统的性能，为了分析各种跟踪算法在不同应用环境下的跟踪能力，开发研究新的跟踪算法，对各种算法某种评价其跟踪状况的准则，建立了一个图象跟踪算法仿真环境。     

反舰红外成像导引头自动目标识别跟踪技术研究

文中概要介绍了一种红外成像导引头自动目标识别跟踪技术，在搜索条件下，实现了对实现舰船目标的全自动实时的识别和跟踪，目标丢失后系统能重新自动捕获，自动转入跟踪。     

一种高分辨率雷达二维图像的特征提取与目标识别方法

分析了雷达目标散射信号特征，根据雷达图象的特点，将二维雷达灰度图转经为一维列向量；采用ＡＲ模型进行图象分析，利用所得到的参数通过ＢＰ神经网络训练识别，分析了不同雷达散射信号与建库，识别的关系。     

基于OpenCV的校园智能视频监控设计与实现

在校园中,采用智能视频监控系统能够有效的减少人为干预,提高监控效率,并可对固定场景视频中的动态目标进行检测、分离、跟踪与有效识别。使用OpenCV和VC++2010构建了智能视频监控系统,采用了背景差分法对监控区域内的动态目标进行快速实时检测。在目标跟踪方面,提出了CamShift算法,实现动态目标的精确跟踪。     

基于改进YOLO网络的双通道显著性目标识别算法

由于缺乏目标的先验信息,实时预警检测系统存在虚警率高、实时性偏低等问题,限制了实战环境下的广泛应用。为了提升目标检测识别的性能,本文提出了一种基于改进YOLO网络的双通道显著性目标识别算法,该算法利用红外图像与可见光互补特性进行多尺度融合,并在融合图像上采用显著性检测获取疑似目标区域,最后利用改进的识别网络对疑似区域进行多层次目标识别。改进的YOLO识别网络增加了一路辅助网络,改善整个特征提取网络的性能,并采用注意机制对辅助网络和骨干网络的特征信息融合,增强有效信息通道,抑制无效信息通道,提高网络识别效率。仿真实验结果表明,本文提出的模型可以有效地提高目标检测与识别精度,其实时性得到了大大增强。     

基于图像目标识别印章的可视数字跟踪系统

图像目标识别印章; 牵引式可视数字跟踪系统; 智能识别跟踪; 图像代数     

基于目标中心距离加权和图像特征识别的跟踪算法

本文提出了一种实时跟踪算法,以目标中心距离加权的灰度图像作为模板,采用mean-shift迭代方法实现目标的空间定位;同时建立二值图像模板,根据目标的图像特征,进行尺度定位.本算法改进了kernel-based算法对变尺度目标的跟踪.对于超过一定像素的较大目标,本算法进行"降采样",大大减小运算量,从而实现了对大尺度目标的实时跟踪.实时视频流的跟踪实验验证了该方法的有效性.     

实时目标检测与跟踪系统的设计与实现

针对固定监控场景设计并实现了一个实时的运动目标检测与跟踪系统.在复杂背景下,改进的三帧差分法能准确、快速检测出运动目标.金字塔图像的Lucas Kanade光流法跟踪目标容易丢失;传统的模板匹配跟踪方法由于对图像利用率高,其跟踪比较准确,但计算量大.文章将两者结合起来,可以避免上述问题.实验表明,该算法能较好地实现目标跟踪、获得目标运动轨迹,且具有良好的实时性和鲁棒性.     

运动目标检测与跟踪算法的改进与实现

提出了一种对视频图像中运动目标检测并进行实时跟踪的新方法。该方法利用基于背景建模的背景差分与改进的带时间戳的运动历史图像(tMHI)的目标分割相结合的算法对运动目标进行检测,在获取到视频流中的运动目标轮廓后使用基于tMHI的运动梯度算法来实现运动目标的跟踪。实验结果表明,该方法能够对指定区域内的目标进行有效识别和准确跟踪,并且弥补了运动目标暂时性停止时无法检测出来的不足。     

一种基于兴趣区提取的红外搜索系统目标实时检测算法

针对周扫红外搜索系统对空目标探测面临的图像数据量大、弱目标检测概率低、虚警率高等难点问题,提出了一种基于兴趣区(ROI)提取的目标实时检测算法。算法分析了周扫红外搜索系统获取的图像中目标与背景的特性,根据目标运动特性与灰度特性,在周扫红外搜索系统获取的整幅全景图像中快速提取目标可能存在的兴趣区;针对兴趣区内的局部目标图像切片,进一步精细检测识别,剔除虚假目标干扰。外场试验获取的实测数据目标检测结果表明,算法针对复杂低空背景下弱目标能够实现低虚警率稳健检测,已应用到了周扫红外搜索跟踪系统的工程样机研制中。     

地面复杂场景图像相关跟踪算法研究

提出了一种性能良好的快速图像相关跟踪算法，利用视频图像序列帧间及帧内的相关性，采用空间及灰度多尺度分解算法，减少匹配算法的运算量和提高目标定位精度，建立相关跟踪置信度评估、模板自适应刷新、相似目标辨识等准则，有效地提高目标跟踪的稳定性和鲁棒性。实验结果表明，该算法能够较好地实现各种复杂场景条件下的目标稳定跟踪。     

多尺度线状目标的机场跑道识别

特定目标的检测与识别是自动目标识别的关键技术之一。作为典型地面目标,机场跑道的识别．一直是自动目标识别领域人们感兴趣的研究课题。针对机场的跑道成像是线状结构和高灰度值的特征。提出了一种基于多尺度线状目标强化的机场跑道识别算法。实验结果表明,在复杂背景下,此方法在将机场跑道目标强化出来的同时,能够很好地抑制其他非线状特征目标,起到真正的强化作用。因此,在复杂背景下,此方法较基于边缘的机场跑道识别算法具有更好的识别性能。     

具有遮挡鲁棒性的目标中心距离加权的跟踪算法

本文提出了一种实时跟踪算法,以目标中心距离加权的目标图像直方图作为模板,采用mean-shift迭代方法进行目标定位;当目标被部分遮挡时,用"分块匹配"的方法提高算法鲁棒性;对于超过一定像素的较大目标,本算法进行"降采样",大大减小运算量,从而实现了对大尺度目标的实时跟踪.实时视频流的实际跟踪系统验证了该方法的有效性.     

基于SURF算法的汽车底盘异物检测

针对汽车底盘数字图像数据量大、计算耗时长这一难题,构建了汽车底盘数字图像智能异物识别总体结构,提出并实现了基于SURF算法的汽车底盘异物检测。首先利用SURF算法提取特征点并进行匹配,根据匹配得到的单应性矩阵对待测图进行校正,得到标准图与校正图的差分图,然后对差分图进行增强对比度、阈值处理和边缘跟踪,最后标记处异物的位置和大小。实验结果表明,所提出的算法能有效检测出汽车底盘所携带的异物,并能达到系统实时性的要求。