在TMS320C6201上实现时延神经网络目标识别算法

本文介绍了一种基于TMS32 0C6 2x的软件设计方法 ,在TMS32 0C6 2xEVM板上实现了宽带毫米波雷达目标时延神经网络识别算法 ,通过程序验证 ,取得了比较好的处理效果。     

视频图象实时处理器的设计

介绍了一个用于目标自动跟踪仿真实验系统的视频图象实时处理器.该处理器硬件由图形图象处理芯片TMS34010和高速数字处理芯片TMS320C25构成,采用相关跟踪算法时,对目标模板32×32象素和搜索区64×64象素处理能达到实时.     

基于窗口预测匹配的序列图像点目标轨迹检测算法

序列图像中运动点目标轨迹的实时检测算法,是目标识别、实时跟踪处理系统中的关键算法之一。在分析不同层次处理方法的基础上,给出了一种基于预测、窗口匹配的点轨迹预测—匹配检测算法,并根据仿真实验的效果,指出此算法可有效地对低信噪比序列图像运动点目标轨迹进行实时检测,具有多目标轨迹检测能力。     

基于DSP的运动目标检测算法优化

本文针对视频图像运动目标检测算法数据量多、处理速度慢的缺点,提出了对运动目标检测算法的优化方法,使用基于TMS320C64X系列DSP的程序优化方法对运动目标检测代码进行优化,采用了编译器选项、内联函数与宏定义、查找表、软件流水等优化方法,最后综合分析了相关优化方法对于时间性能的改进情况,实验结果证明了优化方法的有效性。     

基于高性能DSP实现的多普勒波束锐化实时成像处理

在简要介绍多普勒波束锐化 (DBS)成像原理和TMS32 0C6 2 0 1芯片特点的基础上 ,着重讨论了DBS成像算法基于DSP的实现。在实现过程中充分考虑了通用DSP完成非线性运算、除法运算耗时大以及存贮I/O操作耗时不能忽略等特点。最后分析了算法性能并给出了实验结果     

有约束的Hartley域自适应算法的应用研究

通过对有约束的Hartley域自适应算法、频域自适应算法及时域自适应算法用于自适应降噪系统的计算机仿真研究 ,认为在自适应通信降噪中采用基于Hartley变换的自适应算法较频域自适应算法及时域自适应算法性能更优、降噪效果更好 ,并在高速信号处理器TMS32 0C30上开发实现了该算法 .实验结果表明 ,将Hartley域自适应算法应用于通信降噪系统 ,方法实际可行     

基于提升框架检测的空中强机动视频目标跟踪

空中强机动性目标在视频中表现出运动形变剧烈、运动规律难预测且背景特征不明显不稳定等特点,传统的检测跟踪算法不能有效地对其实施检测跟踪.为解决上述问题,提出一种不依赖于帧间运动特性的基于提升框架检测的空中强机动视频目标跟踪算法.首先,利用提升框架实现图像的小波变换,得到目标的高频分量信息.然后,对高频分量进行融合,并提出了目标特征增强的方法,完成单帧图像的目标检测.最后,实现视频序列的实时跟踪.实验结果表明,该算法能够实时、准确地对空中背景下的强机动性目标进行检测跟踪,有效地解决了目标运动形变剧烈、某些帧中存在遮挡而造成后续帧失跟等跟踪困难.     

低信噪比下融合随机共振的运动目标检测算法

为提高智能视频监控系统中运动目标检测算法在低信噪比条件下的鲁棒性,结合混合高斯背景建模算法和随机共振原理实现一种低信噪比下的运动目标检测算法。算法根据混合高斯背景模型对当前帧生成目标概率灰度图,在本文定义的性能评价函数下,通过向该概率灰度图添加噪声使得评价函数最优化从而达到随机共振,对该随机共振灰度图进行阈值分割得到输出的检测目标。针对昏暗、大雾和红外视频分别进行了实验,证实了本文算法的有效性同时也显示本文算法相对于普通背景差算法性能获得了明显提升。     

基于OpenCV的运动物体跟踪系统的设计与实现

运动物体的跟踪是把运动的物体检测出来,对目标编号并获取运动轨迹。因此,运动跟踪系统性能的优劣关键取决于运动前景检测的准确度。文章首先设计了一种有效的基于自动阈值分割的混合模型运动目标检测算法,然后以此为基础创建了一个独立的前景检测模块,最后将该模块嵌入到OpenCV提供的运动跟踪系统框架里,实现了一个完整的运动跟踪系统。运行结果表明,该系统具有较好的稳定性、准确性,满足了运动跟踪系统实时性、鲁棒性的要求。     

TMS320C6701高速图像处理系统在烟幕性能测试中的应用

烟幕对红外武器的干扰作用表明,在防御红外制导的武器中将发挥巨大作用。主要论述了烟幕性能测试的原理及基于TMS320C6701的高速图像处理系统在测试中的应用,为我军发烟剂的研制工作提供必要的客观量化标准。     

无人机在战场侦察与目标指示中的应用

快速有效的感知战场态势和获取敌方、己方和友方的目标信息 ,是现代战争中克敌制胜的关键。无人机以其有别于有人驾驶飞行器和卫星的特点 ,在战场侦察与目标指示方面发挥了重要作用。对以无人机为核心的无人机战场侦察与目标指示系统 ,特别是对其成像子系统进行了概要描述 ,提出了成像子系统有效工作需要解决的主要关键技术和可能的技术途径。     

一种适用于 UWB-SAR 的实时成像算法

UWB-SAR系统较之常规SAR系统,成像所需计算量更为庞大,实时处理的实现更难.通过将子孔径思想应用于BP算法,给出了一种实用的实时成像算法(LocalBP算法),该算法同BP算法相比,成N×N点的图像,运算量可减少,同时该算法具有良好的并行及流水实现结构.     

红外告警系统数据处理器的研究

主要介绍了红外告警系统中数据处理器的构成、数据处理（空间匹配滤波、目标分割、鉴别与跟踪）算法以及硬件实现等内容。     

多特征的UAV快速目标识别算法仿真

针对UAV(Unmanned Aerial Vehicle)侦察图像快速目标识别问题,重点展开基于多特征的UAV快速目标识别算法的仿真研究。算法结合图像的不变矩特征和SIFT特征,首先用不变矩特征构造适应度函数并利用遗传算法的全局搜索能力,在侦察图像中进行搜索,快速提取出可能包含目标的感兴趣区域(ROI,Region of Interest);然后采用尺度不变特征变换算法(SIFT,Scale Invariant Feature Transform)在ROI区域中进行匹配识别,从而确定目标的精确位置。仿真结果表明:算法具有较强的鲁棒性,能有效地识别飞机目标并显著减少识别时间,为UAV系统提供了一种近实时的目标识别方法。     

SAR图像目标分割与方位角估计

图像分割和目标方位角估计是进行SAR (SyntheticApertureRadar)图像自动目标识别的重要步骤。文章提出了一种基于MRF (MarkovRandomfield)模型的SAR图像分割算法 ,利用ICM (IterativeConditionalMode)局部优化方法 ,获得MAP (maximumaposteriori)准则下的图像分割结果 ,将图像分割为目标、阴影、背景三部分。然后确定目标离雷达最近的点 ,从而得到目标的主导边界 ,并估计出目标的方位角。用MSTAR (MovingandStationaryTargetAcquisitionandRecognition)数据进行实验 ,估计方位角的准确性与现有算法的结果相比 ,具有明显提高     

图像处理技术在消防灭火模拟训练中的应用

阐述了应用图像处理技术构建消防灭火模拟训练系统的方法,对其中的技术要点从原理上进行了说明。提出了一种基于目标信息特征的灰度Hough变换实用加速算法用于直线检测,使其运算量比传统算法下降了4个数量级。实验结果证明这种检测与提取灭火水柱中心线的方法快速、有效。用该方法构建的系统,经实际运行证明是图像处理技术在消防灭火模拟训练方面的一个成功的应用。     

红外成像自动目标识别技术研究--计算模型与数据流程

红外自动目标识别是当前智能化图像处理及应用开发的前沿关键技术,其研究进展与计算机视觉的发展水平紧密相关。人类视觉系统是计算机视觉的原始模型,其视觉感知机理的研究将有助于揭示视觉表象的本质,进而为准确描述图像特征信息提供科学而可靠的依据。主要从视觉感知模型、感知功能模块响应特性、视觉对比灵敏度等方面对视觉感知基本原理加以综合分析,并力图利用这些功能卓越的信息处理机制阐明一种具有普适性的视觉计算模型———目标-背景表征模型。在此基础上,将背景区域感知与目标特征分析相结合,提出了自适应信号检测、目标特征识别和运动轨迹跟踪的层次化数据处理流程,从而为红外自动目标识别技术提供一条新的探索途径。     

基于多DSP系统实现的非聚焦合成孔径实时成像处理

合成孔径成像是提高图像方位向分辨率的有效方法,但算法运算量大,在机载条件下往往实时性得不到保证。采用非聚焦成像算法可以在分辨率与运算量之间作一个折衷,可以在分辨率要求不是很高而需要实时性很强的情况下,输出方位向得到较大改善的实时图像。在简要介绍非聚焦合成孔径成像原理和TMS320C6203芯片特点的基础上,着重讨论了非聚焦合成孔径成像算法基于多DSP系统的实时实现,分析了系统性能并给出了实验结果。     

地面目标特征识别与无人飞行器位姿估计

针对小型无人飞行器位置姿态估计问题,提出了一种基于视觉图像目标特征的相对位姿估计算法。应用Camshift算法获取目标初始位置,利用非线性尺度空间下的KAZE特征进行跟踪区域特征点提取,与源目标特征点进行匹配,得到精确的目标位置信息,实现了在图像平面内的目标快速跟踪,并得到机体轴系下无人飞行器与目标间相对位置和姿态角的估计值。对算法进行了实验验证,具有优良的跟踪性和实时性。