基于改进的区域背景实时更新的目标检测

针对静止摄像机条件下运动目标的检测问题,提出了基于改进的区域背景实时更新的目标检测算法,该方法首先对连续的三帧图像分别做帧间差分并将差分图像二值化,运用改进的线段编码的方法对二值化后的差分图像进行扩充以填补由帧间差分引起的空洞,然后用当前的二值化差分图像减去前一个二值化差分图像,差值为负的区域就是背景应该实时更新的区域,最后用传统的背景差分法就能检测出运动目标．实验结果表明,该方法不仅能在一直有运动物体的视野内获得完整的背景图像,而且背景的实时更新也能有效的减小噪声和突然进入摄像机视野的物体的干扰,有较强的鲁棒性．     

面向地面运动目标检测的SAR图像分辨率选取

在合成孔径雷达地面运动目标检测技术中,SAR图像分辨率的选取直接影响运动目标的检测性能. 为此,该文提出一种适合于运动目标检测的SAR图像分辨率选取方案. 结合感兴趣的目标大小从运动目标检测概率的角度出发,对不同SAR图像分辨率情况下运动目标的检测性能进行分析,以一种具有典型反射截面积的运动目标为例,给出不同目标尺寸条件下的最佳SAR图像分辨率. 该方案可广泛应用于工程实践.     

基于快速移动的红外小目标实时检测跟踪方法

针对运动背景下红外小目标跟踪时精度不高、实时性差的问题,提出了基于数学形态学检测与自适应跟踪窗的方法 .首先,采用了帧差法作为基本基础,通过缓存目标图像建立目标模型,计算目标模型与当前帧差目标二值图像的相似度,根据结果确定筛选方法检测目标;其次,根据目标在上一帧中的位置,通过速度特征自适应调整搜索的范围,解决了因目标穿越运动背景导致目标丢失的问题;最后,通过采集不同情况下的目标红外图像,对运动背景下的小目标进行了检测与跟踪.仿真结果表明,该文提出的算法能够有效检测运动背景下的小目标,具有较高的实时处理能力和准确性.     

一种基于自适应高提升滤波的遥感影像的阴影处理方法

利用遥感影像的颜色特性,基于亮度的阈值检测方法,将阴影区和光照区进行分割;通过高提升滤波方法对阴影区域进行补偿处理.实验证明,对分割出的遥感影像的阴影区域进行补偿处理后,区域内形状信息更加明显.经如上方法预处理后,明显提高了遥感图像超块分割的精确度,进而提高目标物体提取的精度.     

基于OpenCV运动中可变特征目标的检测和跟踪

利用OpenCV计算机视觉库实现运动中目标的检测和跟踪,其目标特征允许发生变化,在运动的情况下实现上述功能要求设计的程序代码注重实时性。使用摄像头对目标物体所在场景进行图像采集,按Haar特征的积分图运算方式,快速地产生含有当前和预估下的目标特征的级联分类器用于目标检测识别。在整个检测过程中,加入了自主学习的模块,通过不间断地对目标进行新特征采样和学习、更新级联分类器,解决在运动状态下识别产生新特征的目标。实验结果表明,本设计在目标物体或摄像头各自运动过程中能实时地有效地对目标实现检测和跟踪功能。     

基于残差块的遥感图像目标识别自编码网络

实现遥感图像目标识别的智能化是一个亟待解决的问题.由此建立了黑龙江地区地表高清遥感图像数据集,以深度学习为基本工具,设计了基于残差块的遥感图像目标识别自编码网络,并使用优化算法对学习过程进行了优化提升.搭建了实验平台,完成了对神经网络的训练和测试实验,验证了该文所提算法的有效性,为实现遥感图像目标识别的智能化提供了有效方案.     

基于能量比的数字水印算法

本文提出了一个基于能量比的自适应数字水印算法，核算法首先把原图像分块并进行DCT变换，再利用能量比确定各个子块的拉伸因子α，最后水印分量以不同的能量分别嵌入列各个子块的三个DCT低频系数中．实验结果表明该算法具有良好的性能．     

结合保角变换和Zernike矩的稳健图像Hash

提出一种用于图像认证和篡改检测的稳健图像Hash方法. 根据密钥对图像进行伪随机分块,将图像块规格化为大小相等的正方形并进行保角变换,使各图像块映射为单位圆. 对各圆形图像区域计算修正的Zernike矩,连接所有Zernike矩的幅度和相位,基于密钥置乱得到所要求的图像Hash. 与直接对正方形内切圆计算Zernike矩 的方法相比,保角变换使图像块四角纳入Hash所表征的图像内容,因而有效改进了篡改检测性能. 图像分块使Hash具备篡改定位的能力. 实验表明该方法具有很低的碰撞概率和良好的感知稳健性,与其他方法相比,碰撞率和检错率较低.     

基于二次模糊相关性的单通道置换图像盲分离

关键词：中图分类号：文章编号：针对模糊处理后的置换图像,提出一种基于二次模糊相关性的单通道盲分离方法. 该方法通过对置换图像进行二次模糊,估计二次模糊前后对应子块的相关系数来构造一个映射空间,利用映射空间内参数的不同分类完成置换混合矩阵的估计,从而实现置换源图像子块的分离. 实验表明,该方法对经历不同模糊处理的置换图像均能达到较高的检测正确率,同时,算法对高斯噪声和有损JPEG压缩都具有较好的鲁棒性.     

基于稀疏表示和块匹配的图像超分辨率重建方法

针对图像的超分辨率重建问题,提出一种基于稀疏表示和块匹配的重建方法.首先,根据图像退化模型将HR图像退化成LR图像.然后,通过训练获得过完备字典,对图像重建问题进行稀疏表示,并对此进行求解.最后,利用重叠块技术缓解块效应,利用反向投影技术保证全局一致性,最终获得重建的HR图像.另外,将该方法扩展到多帧图像重建中,利用块匹配技术从多帧图像中选择出一个目标图像,以此实现重建.实验结果表明,该方法的重建图像具有较低的峰值信噪比.     

一种自适应遥感图象小目标检测新方法

针对遥感图象普遍存在的小目标,提出了一种新的自适应检测方法.该方法基于图象局部扭曲度和峭度所具有的非对称性和拖尾特性,自适应地确定具有小目标的感兴趣区域(ROI),并在该区域内,结合能量特征实现图象目标的分割.针对分割分的二值图象仍具有的干扰噪声和虚假目标问题,进行了二值数学形态滤波,并结合目标的面积特征实现了小目标的精确检测.计算机模拟仿真结果证明了所提出方法的有效性.     

基于DAM6416P的运动目标检测跟踪系统

基于DAM6416P图像处理平台设计了运动目标检测跟踪系统．该系统采用预置点之间循环扫描的方式对场景进行监控，用帧差法检测有无运动目标出现；发现运动目标后根据目标质心的运动情况控制云台的运动．实现对运动目标的跟踪。实验结果表明系统能够对运动目标进行及时准确地检测和跟踪。     

一种基于轮廓和混合高斯模型的运动车辆视频检测方法

针对光线突变对视频中运动目标检测的干扰问题,根据光线变化对事物轮廓没有直接影响的特点,提出了利用轮廓边缘元素建立自适应混合高斯背景模型的检测方法,有效地解决了由于光线突变造成的背景建模失真和前景目标难以准确提取的问题．实验表明该方法能够准确、实时地检测出复杂天气条件下的运动车辆目标,具有很强的鲁棒性．     

非穿戴指势手指三维定位

根据小波变换在时域和空域均具有优异的局部化特征,基于背景差分,利用小波多尺度特性进行小波多尺度 变换,提取视频运动对象并抑制阴影. 根据手指在图像中的空间位置关系,基于阈值分割与色彩信息融合方法,提取手 指区域. 融合手指指尖特征点、指势手指的手臂中心轴线及其外极线的多几何约束的立体匹配策略,采用求解反对应方 法,确保手指特征匹配的正确性. 实验验证了文中所提方法能有效定位指势手指的三维信息.     

基于阴影检测模型的图像拼接盲取证

拼接篡改是最常见的篡改手段之一。在拼接带有阴影的图像时,篡改者为了掩饰篡改痕迹往往会伪造拼接物的阴影。提出一种基于阴影模型的拼接图像盲取证方法。分析各种经典的阴影模型,在此基础上建立一种适用于拼接篡改取证的阴影模型。使用图像区域增长算法实现对图像阴影的自动提取和定位,并采用能量最小化方法和干扰点去除技术得到鲁棒的阴影比例因子,利用阴影比例因子的不一致性对拼接篡改图像进行盲取证。实验结果表明,该拼接取证方法对于带阴影的拼接篡改图像有较高的检测准确率,能应对各种伪造阴影手段。     

基于空间和时间特性的动态背景中的运动物体检测

基于高斯混合模型(GMM)的方法在运动物体检测中应用广泛,并且取得了很好的效果.然而这种方法在动态背景中,例如摇曳的树枝、喷泉、照相机的抖动等,其效果受到严重影响.主要的原因是忽略了像素间的空间相互关系,这种关系对处理动态背景十分关键.提出一种新颖的运动物体检测方法,通过同时运用空间和时间信息,有效地处理了动态背景.实验效果表明在动态背景中,新方法的效果明显好于传统的GMM方法.     

基于Kim与Camshift结合的运动目标跟踪算法

为了能够准确和快速的跟踪部分遮挡的运动目标,提出了Kim与Camshift相结合的运动目标跟踪算法。首先通过Kim算法(即帧差法与背景相减法结合)自动的提取目标,通过提取目标确定运动区域及运动区域的质心,然后通过此运动区域提取目标特征,用Camshift方法进行跟踪。此法克服了传统Camshift算法需要人为定位,对部分遮挡目标出现目标丢失和跟踪区域偏移的情况,最后通过实验验证了本算法对部分遮挡运动目标跟踪有较好的鲁棒性。     

云天背景下的运动目标检测

针对云天背景条件下运动目标的检测问题，在传统的帧间差阈值法的基础上，运用隔帧差分的方法。通过差分前后的2次滤波，根据图像的连通性原理，精确地提取出运动目标的轮廓。     

多尺度自卷积方差显著性SAR图像目标检测

针对SAR图像中显著性目标检测问题,提出一种基于多尺度自卷积方差显著性的自适应检测算法. 该算法在对SAR图像多尺度自卷积运算基础上,通过计算MSAV得到方差显著图. 设计了一种自适应阈值检测器,完成SAR图像中显著性目标的检测. 实验结果表明,在复杂背景环境下,所提算法能有效检测出与人类视觉较为一致的显著性目标.     

基于细胞神经网络的楼面裂痕诊断研究

为了更好地监测楼面裂痕,提出了一种改进细胞神经网络楼面裂痕图像识别方法.该方法通过一定的图像处理,建立裂痕网络和细节网络,同时增加了裂痕相似网络模型,避免了仅对裂痕特征提取信息不能准确识别裂痕的问题.实验证明,改进的裂痕识别算法实现简单,识别楼面裂痕准确率高,达到了实时识别技术的要求.