一种基于差帧图像融合的弱小目标增强方法

为了能够在小目标检测时更加容易和准确的检测出弱小目标,提出了一种基于差帧图像融合的弱小目标增强算法,该方法首先对视频相邻帧进行差帧处理,然后对差帧结果进行图像融合,最后把融合结果与原视频帧图像的低频分量进行差分运算获得增强图像.实验结果表明该方法的正确性,实现了对弱小目标的有效增强.     

基于SUSAN算子和改进的SNAKE模型的目标追踪算法

为了准确的追踪运动目标,文中提出了基于SUSAN角点检测和改进的SNAKE模型相结合的目标追踪算法.首先,通过帧间差分法检测是否有目标运动;其次,在目标运动范围内用SUSAN算子检测目标的角点;最后以这些角点为基准点进行目标轮廓的初始化,进而用改进的SNAKE模型进行目标的准确拟和.由于帧间的时间间隔较短、目标运动的距离较小,所以在上一帧检测到的角点周围检测当前帧目标的角点,这样不仅加快了检测的速度,并且增加了追踪的准确性.通过试验验证了本算法的有效性.     

基于目标特征和星点不变矩的弹道导弹中段红外图像目标检测方法

天基红外系统对弹道导弹中段目标观测过程中,可能前后帧间图像出现背景较大差异、目标短暂丢失或目标帧间剧烈位移等情况。针对此,提出一种基于目标特征和星点不变矩的弹道导弹中段红外图像目标检测方法,将模式识别中的不变矩概念与目标特征相结合,通过三次分类提取出候选恒星和弹头目标。经仿真计算分析,该方法在连续帧间变化时具有稳定的弹头目标检测效果,而且当帧间出现背景突变和星象拉长时也有较好的检测效果。     

一种基于运动目标识别的智能视频监控系统

针对武器试验现场飞行目标降落中事故多发的现状,设计一种基于运动目标识别技术的智能视频监控系统。系统采用采集前端-服务器端-决策模型。利用背景差分法和帧间差分法检测运动目标图像,从而实现视频运动目标的自动分割;采用轮廓提取和边缘检测技术进行目标识别;最后用特征算法提取目标的特征参数,从而判断目标的参数信息是否会对降落安全构成威胁,做出进一步决策。对实现系统功能所需的关键技术进行详细介绍,在Visual C++6.0中用OpenCV实现相关算法的设计,并给出部分关键代码。仿真实验结果表明:该系统能满足智能监控的基本要求,精确显示运动目标在靶面上的位置,可根据客户需求识别运动目标。     

基于时空域融合的红外弱小目标检测新方法

针对复杂背景下红外弱小目标的检测问题,提出一种基于时空域融合的检测方法。在空域上．通过灰度形态学Tophat变换抑制背景、增强目标;在时域上．对红外图像序列连续四帧进行沿时间轴一维小波变换,实现目标和背景的分离。然后对时空域融合的目标增强图像进行自适应阈值分割来提取弱小目标。实验结果表明。该方法能有效地检测运动红外弱小目标。     

一种用于微弱目标检测的帧间移位累加方法

提出一种用于微弱目标检测的距离-多普勒域帧间移位累加方法,即针对相对于雷达作径向匀速直线运动的目标,利用雷达回波数据的多普勒信息,预测目标的速度及其位置变化,并通过多帧信号的移位累加来提高信噪比,从而有效地检测弱小目标。该方法充分利用了目标信号帧间相关而噪声点帧间不相关的特点,能有效地降低虚警概率及漏警概率,提高对弱小目标的检测性能。     

一种融合光流的分通道帧差目标检测方法

针对目前方法在复杂环境下很难有效检测出运动目标的问题,提出了融合光流的分通道帧差目标检测方法。首先通过降噪和平滑预处理工作增强有效信息,然后使用实时分通道图像差分精确检测运动目标,最终融合光流检测信息,以运动信息修正检测误差,很好的逼近真实目标。在检测算法中使用数学形态学方法去除噪声和斑点以提高检测效果。实验结果证明,该算法能对运动目标快速而准确的检测。     

一种基于时空域累积差分的红外小目标融合检测算法

在分析了目标、背景与噪声的基本特性后,提出了一种时空域累积差分融合的红外小目标检测算法。在空域上,对原始图像采用高通与低通滤波并差分突出目标信息。在时域上利用目标的运动特性进行多帧累积和差分处理,并对空域和时域处理的图像进行自适应分段线性变换增强图像,最后将增强处理的图像根据相应的准则融合采取自适应阈值分割处理。实验结果表明文中提出的算法能有效检测出低信噪比环境下的运动小目标。     

一种适用于多场景的红外弱小目标检测跟踪算法

红外弱小目标检测一直是军事领域研究的热门问题。本文提出了一种基于图像复杂度和显著性帧间差分的更为精确且高效的红外弱小目标检测跟踪算法。该算法整体框架包含预处理模块、检测模块、跟踪模块三部分。通过预处理对红外图像中的无效像元进行补偿;对不同红外场景进行判断,选用N-P准则直接检测或基于显著性帧间差分法检测目标;实时探测成像范围内背景的移动量、对已检出的目标运动轨迹做出连续性判断,能补偿检测所无法消除的虚警及漏警。选用四组不同场景的数据集进行测试,在目标形心真值3×3范围内的检测率为98.2%,检测失败率(检测出目标形心在其值9×9外)为0.01%,表明该算法能快速实现对各类背景下的目标跟踪检测,并有较高的适应性、准确率。     

基于帧间差分与Camshift相结合的目标跟踪算法

为了能够准确和快速的跟踪运动目标,提出了帧间差分与Camshift相结合的目标跟踪算法。首先,根据帧间差分确定目标的运动区域,再确定运动区域的质心,并以此质心为中心初始化跟踪曲线。然后在此区域内提取特征,用Camshift算法进行目标跟踪。此方法克服了传统Camshift算法需要人为定位和容易发散的缺点。最后通过实验验证了本算法的有效性。     

一种基于帧差法结合 Kalman 滤波的运动目标跟踪方法

为解决视频帧目标跟踪中的尺度变化导致的目标跟踪发生跟丢的问题,提出一种自适应跟踪窗口的处理 方法,利用下一帧的估计位置与当前帧目标位置的差值作为检测量,自适应调整跟踪窗口,实现目标的有效检测和 跟踪。实验结果表明：该方法能有效降低目标跟丢的概率,预防目标的误跟踪,适应目标尺度变化。     

基于时空相关性检测的视频序列动目标检测方法

在充分分析了现有算法在复杂背景下所存在的不足的基础上，提出了一种基于视频序列像素时空相关性检测的动目标检测方法。该方法首先用每一帧中像素的空间相关性检测出目标；再用序列图象中目标的时间相关性检验目标的真实性。实验表明，该方法能很好地检测出运动目标，并具有较强的抗干扰能力。     

动态背景下基于运动矢量补偿的目标检测

在动态场景下,为了降低背景运动对目标检测产生误差的影响,针对视频序列图像,提出基于运动矢量 补偿的目标检测算法。采用背景运动补偿方法来完成目标检测,利用 SURF 特征点来获取精确的匹配点对,从而获 取准确的运动矢量;根据运动目标和背景运动矢量位移的不同来区分出前景和背景区域,将背景运动矢量代入模型 进行参数估计,提高背景补偿的精度;用帧差法检测出运动目标。实验结果表明：该算法具有鲁棒性,能够准确检 测出动态背景下的运动目标。     

视频序列中目标定位跟踪的ー种新方法

提取视频序列中的目标轮廓，进行定位、跟踪，是当前视频处理技术研究中的一个热点。提出了一种新的视频目标半自动定位跟踪的算法。对于初始帧，采用改进的交互方法进行目标的精确定位；在后续帧中，采用零交叉点约束的Snake算法，对具有凹边和尖点特征的复杂目标准确跟踪，获得了理想的实验结果。     

复杂背景下的颜色分离背景差分目标检测方法

针对复杂背景下运动目标检测失检率高的问题,提出了用于复杂背景目标检测改进的 基于RGB 颜色分离的背景差分目标检测方法。主要是对RGB 三通道图像独立进行背景差分运 算,阈值二值化后合并三通道前景图像,得到完整前景目标图像;再利用检测的边缘对前景图像进 行修正,消除光照变化带来的噪声;RGB 三通道使用自适应权值的递推算法进行背景更新。最后 采用实验室采集的图像序列进行了仿真实验,结果表明,该方法在复杂场景下有效识别颜色差异, 避免了灰度值相近而造成的目标缺失,提高了检测精确性。     

基于PTZ 摄像机的运动目标跟踪控制

针对在PTZ摄像机下云台实时连续控制比较困难的问题,对基于PTZ摄像机的运动目标跟踪控制方法进行研究。以HSV颜色直方图作为模型特征,通过Mean-shift算法实现运动目标的定位和检测。运用模糊控制的思想对PTZ摄像机云台的运动进行控制,并以行人跟踪视频来搭建系统进行实验分析。结果表明:该方法是可行的,具有控制简单、定位准确的优点,能提高目标跟踪的稳定性和可靠性。     

地下铁磁物体的分步磁定位方法

针对地下铁磁物体埋藏深度大、测量范围受限、各种干扰因素多、与周围介质间磁性差异小难以定位的情况,提出-种分步磁定位方法.首先根据不同深度面上所有测量点的磁场突变值确定铁磁物体顶端所处深度,再利用磁梯度异常和磁场随距离衰减规律实现对磁性体顶端位置的准确定位.实际工程应用表明:该方法对于地下铁磁物体具有定位准确和成本低廉的优势.     

基于母函数正交化的模型化磁性物体矢量探测和定位

针对传统的模型化检测和定位方法中存在的计算复杂和需解多元非线性最优化问题的缺陷,对模型表达方式中的母函数进行了正交化,使其成为信号子空间中的一组标准正交基,并给出了信号在不同子空间中的逼近,并依据正交化的结果,提出了一种新的模型化目标检测和定位方法。仿真结果表明这种方法有效且简洁。     

基于时空卷积特征记忆模型的坦克火控系统视频目标检测方法

视频目标检测技术是提升坦克火控系统战场目标搜索能力的有效手段。针对面向坦克火控系统的视频目标检测任务,提出一种基于时空卷积特征记忆模型的视频目标检测方法。将时空卷积特征校准机制与卷积门控循环单元相结合,建立时空卷积特征记忆模型,同时对多个视频帧中目标的表观特征及运动信息进行建模,以传递并融合视频帧中的目标信息。在特征提取网络以及检测子网络中结合可形变卷积,在检测过程中应用视频序列非极大值抑制,提高对形变以及遮挡目标的检测能力。构建一个包含多种目标类型、尺度、遮挡等条件的坦克火控系统视频目标检测数据集,为多种目标检测方法的测试提供依据。测试结果表明,与R-FCN、 D&T以及MANet等目标检测方法相比,所提方法的平均精度均值最高,能够更好地满足装备的应用需求。     

基于分层模型和鲁棒字典学习的背景差分炸点检测

针对背景差分炸点检测方法中背景模型难以更新背景估计和运算复杂等问题,提出一种分 层模型下基于鲁棒字典学习的背景差分炸点检测方法。为提高运算效率,该方法对图像帧建立3层金字塔分层模型,在每层将图像帧分割为互不重叠块,逐层以图像块为单位通过改进的鲁棒字典学习方法进行背景估计,与当前图像帧作背景差分实现炸点检测。采用炮弹炸点图像序列对所提出的方法进行了实验验证。实验结果表明,与现有炮弹炸点检测方法相比,该方法在准确率、误检率和鲁棒性方面均具有优越性能。