基于背景建模和前景建模的红外运动检测

为抑制了红外图像信噪比低、非静止背景等引起的虚警产生,将基于背景建模和前景建模运动检测(BM-FM)算法引入红外面目标检测中;为抑制因目标与背景对比度低引起的部分目标区域漏检,提出了基于空间邻域信息的前景建模方法(SNFM),利用前一帧图像在像素点邻域内的前景目标点为样本,用核密度估计进行前景建模.试验表明了基于该前景建模方法的BM-FM算法的有效性.     

一种改进的Mean-shift目标跟踪算法

提出了一种利用多帧图像中目标区域颜色直方图特征信息的Mean-shift目标跟踪算法,该算法以Mean-shift为核心,在对目标模板建立特征模型时,不仅考虑了前一帧的目标区域的颜色直方图,而且将前数帧中目标区域的颜色直方图通过加权一起考虑,从而提高了跟踪的稳定性。     

二元探测传感器网络的递推加权质心目标定位算法

为进一步降低二元探测传感器网络质心定位算法的计算复杂度和通信量、提高定位精度,推导出一种质心算法的递推公式,使用该递推公式可以大大减少定位的计算、存储和通信量;在递推质心公式的基础上,提出了一种基于节点探测到目标的次数的递推加权质心定位算法,从而提高了定位精度.对递推公式和加权质心算法进行了模拟仿真,结果验证了递推公式和加权递推质心算法的有效性.     

基于粒子滤波的活动轮廓模型视频跟踪(英文)

跟踪变形目标包括假定目标的全局运动和时间方程的局部变形。粒子滤波算法依靠参数化法选择,但是不能处理曲线的拓扑变化。活动轮廓模型是独立参数化,可以比较好地适应拓扑变化。基于上面两个方法的局限性,将上述两种方法相结合,运用于变形目标的跟踪。实验结果证明,该方法有很强的鲁棒性,对部分遮挡的物体有很强的适应性,证明了该方法的有效性。     

结构主导目标检测中的纹理随机化

已有基于卷积神经网络的目标检测算法倾向于提取目标纹理特征,而非结构特征;因此,已有方法不能实现变纹理目标的可靠检测.针对此问题,提出基于纹理随机化的结构主导 目标检测方法,采用仿真纹理随机化方法减弱网络模型对纹理特征的拟合,实现基于结构特征的变纹理目标可靠检测.利用目标的三维模型,借助Blender渲染引擎,完成纹理随...     

基于两级隐式形状模型的抗遮挡目标跟踪

为解决遮挡条件下的目标跟踪问题,提高定位精度,提出一种基于两级隐式形状模型的目标跟踪算法。首先利用Fast Hessian检测子提取待跟踪目标及周围区域的局部关键点区域构建码本字典,用SURF描述子获取码本的特征描述矢量建立码本支持模型,然后利用广义Hough变换建立码本字典集与目标之间的共生关系,通过隐式形状模型进行在线学习更新,最后通过寻找投票空间中的极大值来对目标进行定位,根据跟踪过程中目标遮挡程度的不同,分别赋予目标自身码本投票及周围码本投票不同权重,提高不同遮挡状态下目标定位精度。实验结果表明,在目标被遮挡甚至不可见或者丢失后重新回到视场时,该算法均能鲁棒地定位出目标。     

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。     

探雷声纳增益参数自适应调整仿真

针对探雷声纳操作过程中增益参数调整繁琐,影响水雷目标辨识的问题,定义了声纳图像亮度和对比度两个指标,设计了探雷声纳手控增益和时控增益两个参数的自适应调整方案。对仿真探雷声纳图像检验结果表明,该方案可以在少数几次的参数调整后,图像亮度和对比度比较适于水雷目标辨识,可为探雷声纳的智能化设计提供参考。     

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。     

基于改进遗传算法的天基光学监视平台轨道优化

针对地球遮挡、地影、太阳光干扰、月光干扰、空间目标相对观测平台的角速度等约束对空间目标可见性的影响问题,基于已编目空间目标双行轨道根数,研究以太阳同步晨昏圆轨道作为观测平台轨道,采用改进多变异位自适应遗传算法对单星观测平台轨道进行优化设计。仿真结果表明,改进的多变异位自适应遗传算法有效地解决了多变异位自适应遗传算法不能保证收敛到所有种群中最优个体的问题,且随机抽取10%左右的目标样本可以达到与采用所有目标相当的性能,计算效率提高约一个量级。