基于威布尔分布杂波模型的加权有序统计模糊CFAR检测算法

为了解决有序统计恒虚警(order statistic constant false alarm rate,OS-CFAR)、有序统计最大选择恒虚警(order statistic greatest of-constant false alarm rate,OSGO-CFAR)和有序统计最小选择恒虚警(order statistic smallest of-constant false alarm rate, OSSO-CFAR)检测算法在非均匀噪声环境下检测性能严重下降的问题,基于威布尔分布模型和模糊量化的软决策方法,提出了一种加权有序统计量的模糊恒虚警(weighted order statistic and fuzzy rules constant false alarm rate, WOSF-CFAR)检测算法。通过计算 Leading和Lagging子窗口对应的模糊隶属函数值,采用代数积、代数和、最大选择和最小选择4种融合规则对2个子窗口的模糊输出量进行融合,并与比较门限进行比较判别目标有无。仿真表明,提出的检测方法与OSGO-CFAR, OSSO-CFAR算法相比,在均匀噪声、杂波边缘干扰和多目标干扰环境下均具有较好的检测性能,尤其是采用代数积融合规则时,检测性能最优,且提出的检测算法在均匀噪声环境下也具有最佳的检测性能。     

基于动态阈值的运动目标检测算法

本文给出的运动目标检测算法,提出了一种基于动态阈值对称差分和背景差分的运动对象检测算法,详细描述了算法的原理和流程。此外,本文在运动目标检测算法的过程中还采用动态最优阈值的方法,进一步提高了运动目标检测的准确性。     

基于MAML算法的YOLOv3目标检测模型

作为典型的一体化卷积神经网络,YOLOv3模型的网路传输途径简单,检测速度相对较快,但检测精度较低.当遇到新的目标在训练数据集中存在的样本较少时,模型检测会更加不准确,甚至会出现检测不到的情况.本文基于与模型不相关的元学习算法(MAML)改进了YOLOv3主干网络的结构,使其具有内循环和外循环的梯度下降,在初始参数基础...     

基于混合高斯模型的运动目标检测算法

针对摄像机在静止条件下的自适应运动目标检测,提出一种改进的运动目标检测算法。首先,针对高斯混合背景建模初期背景建模效果不理想的问题,利用统计的方法得到背景模型,根据背景图像建立高斯混合模型;在模型学习方面,为均值与方差设置了不同的学习率。针对传统的LBP算子的缺陷,提出了一种改进的纹理特征算子,将其与HSV颜色空间去阴影的方法相结合,从而实现对阴影的检测与去除,利用随机Hough算子对圆的检测原理,在运动目标检测的基础之上,实现对人头的边缘检测。实验结果表明:该算法可以很好地检测出运动目标,并能够有效去除运动目标包含的阴影区域,从而实现人头区域的检测。     

基于SIRP杂波的雷达目标距离检测方法

针对在非高斯相关杂波背景下,传统检测方法难以检测到目标这一问题,基于信息几何理论,通过计算球不变随机过程(SIRP)杂波统计流形上两分布间的距离,定义了一种距离检测器.该检测器通过计算估计分布与目标有无两种假设分布间的距离差,来实现目标检测,从而将检测问题转化为统计流形上的几何问题.仿真结果表明:与传统方法相比,该方法在复杂杂波背景下具有较好的检测性能,且易于实现.     

基于边缘检测与码本模型的运动目标检测算法

传统的码本模型能够快速完整的检测出运动目标,但检测出的运动目标边缘不准确,同时易受到阴影的干扰。针对这一问题,本文提出了基于边缘检测与码本模型的运动目标检测算法。该算法在码本模型提取运动目标的基础上,利用基于YCrCb色彩空间的阴影去除算法消除阴影;然后根据Canny边缘检测算子和形态学闭运算获取运动目标的边缘轮廓。将阴影去除得到的运动目标与边缘检测得到的边缘轮廓进行“与运算”,得到最终的运动目标。经过实验仿真,本算法能够提取边缘轮廓准确和完整的运动目标, 同时能有效的抑制噪声。     

相关K分布杂波中扩展目标积累检测性能分析

针对时空相关K分布(C-KD)杂波背景中扩展目标的滑窗积累检测(SWAD)与顺序统计-滑窗积累检测(OS-SWAD)的性能分析问题,采用广义K分布拟合、矩匹配、相关数据中的有效样本尺寸估计以及分数阶顺序统计等方法,获得了零假设条件下检验统计量的概率分布函数的拟合表达式,建立了虚警概率、恒虚警检测门限以及杂波参数之间的关系方程,并通过蒙特卡罗仿真实验对各种概率分布函数的拟合精度以及给定检测门限下的虚警控制精度进行了评估.理论分析与仿真实验表明本文提出的方法是合理和有效的.     

基于动态窗口的图像线性目标快速检测算法

为解决标准霍夫变换中冗余计算多、时间和空间复杂度高等问题,提出一种基于动态窗口的线性目标快速检测算法。算法执行过程中,仅计算动态窗口局部范围内满足直线参数的非零点,减少了图像全局查找直线参数的复杂性。实验结果表明,与标准霍夫变换相比,所提出的算法对不同尺寸的图像处理运行时间可节约5%以上,内存消耗可降低10%以上,具有一定的应用价值。     

基于稀疏表示模型的SAR图像目标检测算法

针对合成孔径雷达（synthetic aperture radar,SAR）图像可视性差、目标区域小以及特征不明显等特性对目标检测造成的困难,将稀疏表示模型应用于SAR图像目标检测,提出一种基于稀疏表示模型的SAR图像目标检测算法。首先,利用K—SVD算法训练样本提取对样本最具描述能力的SIFT特征形成字典;其次,通过将进化机制和稀疏表示结合,逐步提取整幅图像中含有目标的图像块;最后,输出稀疏表示误差小于阈值的图像块的位置作为目标检测的结果。实验结果表明,与传统目标检测算法相比,该算法在检测率和运行效率方面均有一定的提高,取得了较好的效果。     

基于改进MLE-NR方法的杂波Weibull分布模型参数估计

为了解决传统最大似然-牛顿拉夫森(MLE-NR)方法需要谨慎地选择初始值保证迭代过程收敛的问题,该文提出了一种针对杂波韦布尔(Weibull)分布模型的参数估计方法。首先计算迭代点处的海森(Hessian)矩阵,然后根据海森矩阵的值,不断调整迭代过程中的发散点或错误的初始迭代点,使发散的迭代过程重新收敛,从而正确地估计模型参数。针对长度为256、512、1 024、2 048、4 096的随机样本数据,分别进行了N=500的蒙特卡洛(Monte-Carlo)仿真,仿真结果证明了该文方法的收敛性。蒙特卡洛仿真结果和基于实测样本的处理结果说明了该文方法的有效性和鲁棒性。     

基于动态规划的雷达弱目标检测前跟踪算法

针对中重频雷达弱目标检测的距离-多普勒模糊问题,提出了一种基于动态规划的检测前跟踪算法。在多重频工作模式下,将目标的状态分解为模糊状态和模糊数两类变量,将解模糊问题转变为对模糊状态和距离-多普勒模糊数的联合估计问题。对每个单重频雷达数据都采用动态规划算法估计目标状态并获取目标最大的航迹能量。最后采用余差查表法解距离-多普勒模糊并回溯目标真实航迹。仿真结果表明,在存在距离-多普勒模糊的情况下,该算法对雷达弱目标具有很好的检测性能。     

基于snake模型的目标检测

研究了snake模型在目标检测中的应用.分析了传统目标分割方法的不足和snake模型在目标检测中的优势,即在目标检测中能充分利用已知的目标形状信息;研究了传统snake模型在用于目标检测时存在的难以收敛到凹陷区域的问题;提出了适合目标检测的新的snake算法.在新snake模型中,能量函数的外力项用傅里叶描述子来构成.实验结果表明新的snake模型能使轮廓收敛到凹陷区,可以实现目标的检测.这一结果丰富了目标检测的方法,拓宽了snake方法的应用范围.     

基于空间分布特性和局部复杂度的显著目标检测算法

目前的视觉注意显著区域检测算法,主要依赖像素间的相互对比,缺乏从全局角度对显著目标的分析理解。依据显著目标是显眼、紧凑和完整的思路,提出一种基于目标空间分布特性和局部复杂度的无监督视觉注意显著目标自动提取算法。首先根据局部区域与其多个尺度邻域的对比,得到亮度显著图;然后利用颜色信息的显眼性、空间分布和区域一致性得到颜色显著图;同时通过对方向的空间分布和局部复杂度进行多尺度分析得到方向显著图;最后通过显著值的空间分布和面积增强因子相结合的融合策略得到输入图像的显著图,根据显著区域确定感兴趣区域位置,在基础上完成目标检测。将此方法应用于各类具有不同特点的彩色图像进行仿真实验,得到较好的检测结果,表明该算法是切实可行。     

基于Alpha稳定分布模型的彩色图像边缘检测新算法

 在彩色图像的边缘检测中,如何去掉噪声的干扰及怎样更精确的检测出边缘是图像处理中一个非常重要的问题。本文提出了一种去除脉冲噪声干扰的彩色图像的边缘检测算法。首先,提出一种基于Alpha稳定分布模型的图像去噪算法。其次,利用改进的各向同性边缘检测器和快速熵阈值技术自动确定图像边界,并考虑了像素与其邻域像素的颜色距离进一步精确定位图像的边缘。实验证明,该算法能够克服脉冲噪声的影响,较精确的检测出彩色图像的边缘。     

基于匹配分布和混合高斯模型的车辆检测算法

为解决高斯混合模型GMM（Gaussian Mixture Model）在车辆检测中存在的车辆断裂等问题, 提出了一种基于匹配度分布的混合高斯车辆检测算法。该算法采用c均值聚类法计算混合高斯模型初始值, 得到初步的背景模型； 匹配度分布的提出充分考虑了背景变化的时间性和空间性的特性； 根据前几帧检测结果得到每个点的匹配度分布, 对当前图片改变背景学习的规则, 去除了干扰, 适应了背景的变化。实验结果表明, 该算法较传统的混合高斯检测方法检测率平均提高16%以上, 使背景也更稳定和准确, 克服了车辆检测的断裂以及光照突变等问题, 提高了车辆区域检测的准确性。     

基于匹配分布和混合高斯模型的车辆检测算法

为解决高斯混合模型GMM(Gaussian Mixture Model)在车辆检测中存在的车辆断裂等问题,提出了一种基于匹配度分布的混合高斯车辆检测算法.该算法采用c均值聚类法计算混合高斯模型初始值,得到初步的背景模型;匹配度分布的提出充分考虑了背景变化的时间性和空间性的特性;根据前几帧检测结果得到每个点的匹配度分布,对当前图片改变背景学习的规则,去除了干扰,适应了背景的变化.实验结果表明,该算法较传统的混合高斯检测方法检测率平均提高16％以上,使背景也更稳定和准确,克服了车辆检测的断裂以及光照突变等问题,提高了车辆区域检测的准确性.     

复合Rayleigh分布模型尺度参数的Bayes估计

基于完全样本讨论了复合Rayleigh分布尺度参数的估计问题。在平方误差损失、LINEX损失函数下导出了复合Rayleigh分布尺度参数的Bayes估计。给出了Monte Carlo数值模拟例子,将得到的估计与最大似然估计进行比较。     

基于自然语言表达的目标检测算法

为帮助机器人根据自然语言表达定位环境中的物品,提出一种快速、端对端的基于自然语言表达的目标检测算法:同时训练一个卷积神经网络与一个循环神经网络来学习视觉与文本信息.循环神经网络用于将自然语言编码为向量,卷积神经网络用于获取图片中的区域特征信息.对比图片中的区域特征与自然语言特征,相似度高的即为目标区域.在开源数据库UNC-Ref与G-Ref中训练并测试了该模型,证明了该模型的快速性与准确性.     

基于遮挡标记的目标检测算法

为解决自然环境下被遮挡目标检测精度低的问题,提出一种基于遮挡标记的目标检测算法,此方法对图像数据进行标注,分析被遮挡目标的图像特征损失,提出遮挡补偿机制;基于YOLO V3模型构建二分类器对目标和背景进行区分,从而完成目标检测任务.实验结果表明:改进后的YOLO V3模型在不同的遮挡目标个数占比下,平均检测精度均明显高于传统的YOLO V3模型,在自然环境下检测被遮挡目标,能达到更好的效果.     

一种基于混合高斯模型运动目标检测新算法

针对传统的混合高斯模型算法检测时存在较多噪声的不足,提出了一种基于混合高斯模型与三帧差法相结合的运动目标检测算法。该算法首先分别通过混合高斯模型算法和三帧差法各获得一幅前景图像,然后将两幅图像进行逻辑或运算;再对获得的图像进行自适应中值滤波处理,并利用连通域阈值面积去噪法除去剩余的噪声,最终提取出运动目标。实验仿真结果表明,利用该方法可以有效地提高运动目标的检测率。