基于多小波提升格式的光学/被动毫米波图像融合

以安检中隐匿物品检测为应用背景,提出一种结合多小波变换和提升小波变换的图像融合算法.该方法首先对被动毫米波图和可见光图进行多小波预处理,并通过提升小波正变换分别得到两类图像的高、低频分量;然后对变换得到的低频分量和高频分量分别采用不同的融合规则融合;最后进行提升小波逆变换,及多小波后处理得到融合图像.实验仿真结果表明:融合效果较好,能实现对隐匿物品的快速识别.     

基于自适应投影的三维人体运动图像智能检测

针对目前采用的方法对三维人体运动图像进行检测时,无法准确获取图像中的目标区域,导致算法存在检测完整度低、检测准确率低、误检率高和检测效率低的问题,提出基于自适应投影的三维人体运动图像智能检测算法。首先构建背景粗提取模型,利用该模型提取三维人体运动图像的背景区域,获取图像的人体运动目标区域;其次采用自适应投影方法提取目标区域的特征,在支持向量机的基础上构建最优分类函数,将目标区域特征输入到最优分类函数中,完成三维人体运动图像的智能检测。实验结果表明,所提算法的检测完整度高、检测准确率高、误检率低、检测效率高。     

基于被动太赫兹波图像的图像分割技术

研究被动太赫兹波图像的图像分割算法. 针对被动太赫兹波图像水平和竖直方向平滑程度不同的特点,提出了一种改进的高斯-拉普拉斯算子,不同于传统高斯-拉普拉斯算子各向同性的特点,改进的算子在水平和垂直方向上对边缘具有不同的检测尺度. 实验表明,利用该算子可以将被动太赫兹波图像中的人和隐匿物品自动分割,能够准确、快速地对可疑的隐匿物品进行定位,使被动太赫兹波成像技术满足实际应用的需求.      

基于卷积神经网络的毫米波图像目标检测

在公共安全检查领域中,研究毫米波图像目标检测的快速性和精准性的方法具有非常重要的实际应用价值。提出了基于Faster R-CNN深度学习的方法检测隐藏在人体上的危险物品。该方法将区域建议网络(region proposal network,RPN)和VGG16训练卷积神经网络模型相结合,接着通过在线难例挖掘(online hard example mining,OHEM)技术优化训练所提出的网络模型,从而构建了面向毫米波图像目标检测的深度卷积神经网络。实验结果证明所提的方法能高效地检测毫米波图像中的危险物品,并且目标检测的平均精度高达约94.66%,检测速度约为6帧/s,同时对毫米波安检系统的智能化发展有着极其重要的参考价值。     

基于视觉显著性分析的毫米波辐射图像增强

为了提高分辨率较低的毫米波隐匿武器辐射图像的可读性,研究了基于视觉显著性分析的毫米波辐射图像的增强方法。根据视觉显著性分析方法的原理,选取适合于毫米波辐射图像增强的IG模型。对图像进行频域滤波,通过设计截止频率保留目标边界并去除噪声与目标内部的纹理,在Lab颜色特征空间内计算滤波后图像的显著图作为图像增强的结果。与原图相比,增强后的图像在抑制背景的同时可以突出目标区域,并可采用自适应阈值分割的方法提取目标区域及其轮廓。采用该方法对实测毫米波隐匿武器辐射图像进行图像增强实验,证实了其增强效果在主观视觉及客观评价指标上均优于其他常用方法。     

基于马尔科夫随机场的合成孔径雷达图像分割方法

提出了一种基于MRF模型和最大后验概率准则的SAR目标切片图像分割方法.该方法通过对SAR目标切片图像中不同的区域所占比例进行统计分析,得到了一种有效分割的迭代初值选择方法.本文给出了模拟退火算法,ICM算法,吉布斯抽样算法对模拟图像和实测SAR图像目标区域进行了分割,结果表明,采用本文提出的方法可以加速迭代的收敛过程,降低迭代次数,提高分割速度.     

基于NSCT变换与压缩感知的红外/被动毫米波图像融合

为提高图像的质量和实时传输效率,提出一种基于NSCT变换与压缩感知的红外/被动毫米波图像融合算法.该算法首先对红外/被动毫米波图像分别进行非下采样轮廓波变换分解.然后,对于高频系数采用基于压缩感知的融合方法;低频系数部分则是采用基于图像方差的融合策略.再对融合后的高频、低频系数进行逆变换输出融合图像.最后通过实验仿真证实该算法得到的融合图像能很好地识别目标坦克.     

基于卷积神经网络的毫米波图像人体隐匿物检测

本文提出一种基于卷积神经网络的毫米波图像中人体隐匿物检测算法.首先,通过滑动窗选取局部毫米波图像得到正负训练样本,相较于传统的IoU,利用文中提出的IoG指标,不仅可以解决目前毫米波图像数据量不足的问题,而且尽可能扩大正负样本之间的特征差别使得模型泛化能力得到提高.其次,由人工扩展数据集训练的卷积神经网络模型可自动学习到不同种类的隐匿物信息.最后,叠加所有的局部可疑区域得到可疑目标热度图,从而进一步得到隐匿物的位置.使用本文方法对中科院上海微系统提供的728张毫米波图像进行了隐匿物检测实验,训练阶段在局部图像块的验证集上达到了95.6%的查准率和97.6%的召回率,表明了本文提出的IoG指标的有效性和重要性;测试阶段在全图的测试集上达到了88.5%的检测率和13.5%的虚警率,相较于现有的方法,所提出的算法检测率更高、虚警率更低,表明本文方法的有效性和稳健性.     

基于自适应背景模型的全方位视觉人体运动检测

设计了一种新的全方位视觉系统,用来在室内对多个人体目标进行实时运动检测。系统中使用全方位摄像机作为图像采集设备,能在一幅图像中获取水平方向360°的环境信息。在检测开始之前,首先由摄像机对无人环境持续观测一段时间,建立背景的统计模型;在检测开始之后,将每一时刻全方位摄像机采集到的图像变换成柱状全景图像,再利用背景的统计模型,通过自适应的动态背景减除算法得到前景区域,同时在线更新背景模型。最后进行区域分割,确定人体的位置。试验结果表明,该系统在复杂背景的室内环境下,有较好的实时性和检测效果。     

基于背景重建的序列图像车辆目标检测方法

针对静态摄像条件下视频序列图像,提出一种基于背景重建的序列图像车辆目标检测方法.该法先选取一帧图像存入背景缓冲区,然后根据当前帧图像与前一帧图像、背景图像的差分信息对背景缓冲区的背景进行更新.通过运动区域检测、噪声去除、连通单元标记、目标提取、阴影检测等处理,能获取完整的车辆目标区域.实验结果表明,该方法快速、准确,具有较好的实用价值.     

视觉和毫米波雷达信息融合行人识别算法

提出了一种在主动防碰撞系统中采用视觉和毫米波雷达数据融合来识别行人的算法.在基于单目视觉获取的图像中提取HOG特征,采用支持向量机的分类方法检测行人,获取行人信息,通过快速容差中频匹配算法快速地检测目标,并获取目标信息,将基于视觉的行人信息传递给毫米波雷达;根据视觉检测的行人信息与毫米波雷达检测的目标信息进行比对,将匹配通过的目标识别为行人;将基于视觉的行人特征信息与毫米波雷达检测的行人特征信息进行融合,得到行人目标的新特征信息.通过采集道路环境的视频和雷达数据对行人正确识别率进行验证.验证结果表明,采用所提出的算法进行行人识别,在获取更加精确的行人特征信息的前提下,正确识别率较高.     

基于隐条件随机场的人体行为识别方法

提出了一种基于隐条件随机场的人体行为识别方法。首先,通过目标检测和目标跟踪提取图像序列中人体所在时空区域;其次,提取人体区域的 Gist 特征作为人体行为视觉描述子;最后,利用隐条件随机场模型对人体行为进行建模和识别。通过大规模试验证明了该方法的有效性,与其他方法的对比实验验证了该方法的优越性。     

人体运动检测的光流与肤色融合方法

针对复杂背景环境中光流法难以检测出完整的人体目标区域的问题,提出了一种融合光流和肤色信息的人体运动检测方法.对视频序列进行光流分析,确定目标的运动区域;同时基于马氏距离检测出肤色区域;并对光流和肤色信息进行数据融合,分割出人体运动区域.实验结果表明,该方法能够有效地检测出完整的人体目标.     

基于人体骨架模型的远红外视频下老人摔倒检测

利用远红外光谱视频进行老人摔倒检测研究,提出一种基于人体骨架模型的远红外视频下老人摔倒检测算法;采用YOLOv4-Tiny算法获取远红外视频中人体目标位置,再利用COCO数据集训练的区域多人姿态估计网络模型,直接对自采集的远红外视频进行人体骨架提取,得到人体关节点序列,然后对人体骨架建立时空图卷积模型进行特征提取进而检...     

历程图中的弱目标轨迹增强方法

针对受海洋环境、干扰等影响而导致历程图上弱目标不明显,进而使目标检测能力降低的问题,提出一种新图像检测算子与一维直方图分段均衡联合处理(NIDO-ODSHE)的弱目标轨迹增强方法。首先利用新图像检测算子对波束输出数据中的历程图进行滑窗检测,接着对检测后的数据进行子自适应分段直方图均衡增强处理,最终得到新的历程图。采用NIDO-ODSHE方法处理后的历程图能获得较大处理增益,历程图更清晰,弱目标轨迹显著增强,而且处理过程中无需设置参数、计算量小。通过对被动声纳历程图的仿真和试验数据分析表明:NIDO-ODSHE方法可以增强历程图弱目标,提高弱目标人工/自动检测能力;与直方图均衡(HE)处理方法相比,NIDO-ODSHE方法可使图像均方误差提高12%以上,图像清晰度提高6%以上。     

基于投影直方图提取目标感兴趣区域的新方法

提出了一种基于灰度投影直方图获取单幅检测样品的目标感兴趣区域的方法,并利用鲁棒的图像匹配算法生成参考图像.首先,采用改进的灰度投影直方图法获得单幅图像的检测样品感兴趣区域,建立感兴趣区域提取模型;其次,利用基于形状的特征匹配算法学习样品图像,生成印刷品检测的参考图像,在此基础上,提出基于图像金字塔数据结构的分层匹配方法.实验结果表明,该方法能够在87 ms内获取首张图像样品感兴趣区域,并且图像匹配过程对图像之间存在的明暗程度、旋转变化等干扰具有良好的鲁棒性,匹配精度可达95%,匹配时间为152 ms,可快速准确地生成参考图像.     

基于毫米波雷达的输电线路山火故障检测方法

在提取的红外多谱图像火点目标中,存在大量黑色杂质和边缘锯齿,导致获取的山火故障信息存在偏差,输电线路故障检测精度低.为此,提出了基于毫米波雷达技术的输电线路山火故障检测方法.首先利用红外多谱摄像仪获取山火红外多谱图像,提取火点目标后采用数学形态方法处理该图像,然后在毫米波雷达技术检测输电线山火故障过程中,通过大气模型数据标准计算大气分子系数,利用Fernald方法获取气溶胶系数,结合形态学处理后的火点目标图像得到山火位置、烟雾浓度、山火火势等信息,并发出输电线路故障警报.实验结果表明,采用本文方法检测输电线路山火故障时的准确度高达99.30%,时间消耗约为1 s,是一种高效率、高精度的输电线路山火故障检测方法.     

一种运动目标单独识别的方法研究

利用不同人体之间纹理特征相异的特点提出一种检测特定目标的方法。首先,在背景差分图像中标识不同的运动区域,确定这些区域的极大概率、能量和熵3种特征向量;再把这3种向量进行相似性处理;最后比较处理数据的相似程度,从而达到对特定运动目标识别的目的。通过实验表明,这种方法不止在单幅图像中能识别出其中的特定目标,而且能计算序列图像中同一特定目标的相关性。     

基于激光雷达与毫米波雷达融合的车辆目标检测算法

针对仅基于单一传感器的目标检测算法存在检测精度不足及基于图像与激光雷达的多传感器融合算法检测速度较慢等问题,提出一种基于激光雷达与毫米波雷达融合的车辆目标检测算法,该算法充分利用激光雷达点云的深度信息和毫米波雷达输出确定目标的优势,采用量纲一化方法对点云做预处理并利用处理后的点云生成特征图,融合毫米波雷达数据生成感兴趣区域,设计了多任务分类回归网络实现车辆目标检测.在Nuscenes大型数据集上进行训练验证.结果表明:检测精度可达60.52％,每帧点云检测耗时为35 ms,本算法能满足智能驾驶车辆对车辆目标检测的准确性和实时性要求.     

基于主被动传感器融合的车辆检测

为了检测车辆目标,提出了一种基于主被动传感器融合的车辆检测方法.将车辆检测分为假设和验证假设两个步骤,在假设阶段,通过被动传感器——毫米波雷达进行目标的检测与跟踪,在对雷达数据进行最邻近法聚类后,在多假设跟踪模型下,将观测目标集与通过卡尔曼滤波器预测的目标集进行数据关联,得到雷达目标.在验证假设阶段,首先通过新出现的雷达目标找出车辆可能存在的区域,然后通过训练好的分类器对这些区域进行验证得到最终的车辆目标.在实验室的无人自主车平台上,本系统在城市道路和乡村道路环境下进行了大量实验,结果表明本文的方法可以有效地检测并跟踪到车辆目标,得到目标的距离和速度信息,从而帮助自主平台实现更多功能.