红外图像序列运动小目标的图像流检测法

提出了一种利用图像流分析法对红外序列图像中的运动小目标进行检测的算法，首先利用两步分离法对图像进行预处理，筛选出少量的候选运动目标，然后利用图像流模型建立目标的运动约束方程，在多帧连续图像中检测出真正的目标运动轨迹，实验结果表明，该算法能够对小目标甚至是点目标的运动进行可靠检测。     

序列图像目标跟踪的神经网络算法

针对序列图像目标跟踪问题，在提取图像特征点的基础上，提出了一种最优化算法，该算法将序列图像目标跟踪问题转化为相信两帧图像特征点间的匹配问题。文中根据匹配问题的各种限制条件给出代价函数，并利用Ｈｏｐｆｉｅｌｄ神经网络最优化计算功能来求取该代价函数的局部极小值。其中神经元的状态用以表示相邻两帧图像特征点间的匹配关系。神经元间的权连结用以反映地应特征点间的匹配程序。也就是说，本文针对序列黑种人希目标跟踪     

红外序列图像小目标的特征及不变性分析

对红外序列图像小目标检测过程中出现的误差做出了分析，在检测过程中采用形态学中的Top-hat滤波，并根据目标运动的连续性去除噪声和云团。对目标与背景灰度均值之差，目标灰度方差和目标面积这三个特征量进行了研究，发现它们保持相对的稳定，可以作为小目标的不变特性，利用这些特征量设计了RBF神经工对检测结果进行评估，实验结果证明该方法是可行的。     

基于降低图像分辨率的红外目标跟踪方法

灰度图像色彩信息贫乏，背景噪声不易抑制，会导致分割误差大，使跟踪点发生漂移．针对此问题，提出了基于改变图像分辨率的红外目标跟踪算法．以减小图像分辨率的方法，采用逐点匹配。对下一帧图像进行目标9种方向的跟踪判断．实验结果表明，采用该算法运算速度快。解决了在强背景噪声的情况下跟踪点发生漂移的问题．     

红外序列图像中运动小目标的检测方法

研究红外图像中运动小目标的检测和跟踪问题。根据红外图像中背景干扰和噪声的特点,采用梯度倒数加权低通滤波器对图像进行滤波。在目标分割和标记后,沿目标轨迹进行能量积累以搜索和跟踪小目标。实验结果表明,该方法能极大地提高实际红外目标图像的信噪比,改善目标分割效果,能有效地进行小目标的检测和跟踪,尤其适用于目标遮掩或偶尔出现目标丢失的情况。     

红外图像序列运动小目标的空间定位

提出了一种利用透视投影变换和卡尔曼滤波对低信噪比红外图像序列运动小目标进行三维空间定位的新方法,从而达到对红外运动小目标（直至几个像素）进行空间定位的目的。仿真实验结果证明了该方法的可行性和有效性。     

红外序列图像中运动小目标的检测方法

研究红外图像中运动小目标的检测和跟踪问题．根据红外图像中背景干扰和噪声的特点,采用梯度倒数加权低通滤波器对图像进行滤波．在目标分割和标记后,沿目标轨迹进行能量积累以搜索和跟踪小目标．实验结果表明,该方法能极大地提高实际红外目标图像的信噪比,改善目标分割效果,能有效地进行小目标的检测和跟踪,尤其适用于目标遮掩或偶尔出现目标丢失的情况．     

融合深度特征与梯度特征的红外目标跟踪算法

由于红外序列图像目标与背景的对比度低,图像的边缘模糊并且灰度级动态范围小,采用何种特征描述目标成为跟踪的关键。深度特征和梯度特征是目前大部分跟踪算法采用的主要特征,然而深度特征提取的目标语义信息关注类间分类(Intra-Class),忽略类内差别,容易受到相似背景(Distractor)干扰;梯度特征作为局部区域特征不易受背景干扰,但不能适应目标的剧烈形变。基于这2种特征的互补性,提出一种融合深度特征和梯度特征的红外目标跟踪算法。深度特征与梯度特征被分别用来表征目标的语义信息与局部结构信息,增强了对任意目标的表征能力;利用不同特征建立的跟踪模型进一步提高了跟踪的鲁棒性。通过建立模型互助机制,利用深度特征跟踪模型与梯度特征跟踪模型的互补性,对目标实施了精准的定位。实验中,选取了最新的红外视频跟踪数据库(VOT-TIR2016)用来验证文中算法的有效性,结果表明：和当今主流跟踪算法相比,算法在精确度上获得了3.8％的提升,在成功率上获得了4.3％的提升,能够有效处理跟踪中相似背景与形变的影响。     

基于Mean Shift算法的卡尔曼滤波红外摄像头的目标跟踪系统设计

红外图像具有被动成像、抗干扰性强、目标识别能力强和全天候工作的特点,已经被广泛应用于军事侦察、监控和制导等领域.在背景干扰或者遮挡情况下传统的Mean Shift跟踪算法的跟踪存在不连续的问题.针对人体目标的活跃性和特殊性,设计一种在Mean Shift算法基础上结合卡尔曼滤波和Bhattacharyya系数遮挡判定因子的目标跟踪系统.当遮挡发生时,通过滤波器预测目标下一帧的位置,继续实现跟踪.测试结果表明：在背景干扰或者遮挡的情况下该跟踪系统可以有效地对目标进行准确跟踪.     

UKF与Mean shift算法相结合的实时目标跟踪

针对Mean shift(即MS)算法理论上的不足以及跟踪目标时的邻域跟踪局限性,提出将Mean shift算法与尺度无迹卡尔曼滤波器(Scaled unscented Kalman filter,SUKF)相结合的实时目标跟踪算法.该算法利用尺度无迹卡尔曼滤波器获取Mean shift算法的初始位置,然后,利用Mean shift算法获取跟踪位置.通过分析跟踪区域内横纵向直线的统计变化获取目标的尺度变化,依此自适应调节Mean shift跟踪算法中核函数带宽,并对高速公路上快速运动的车辆进行跟踪实验.研究结果表明:该算法与固定核窗宽Mean shift算法相比,对目标跟踪更准确;SUKF 滤波使MS的迭代次数减少,跟踪的实时性提高;核窗宽自适应调节可使跟踪误差降低到50%以下.     

基于复杂融合特征与灰度-纹理直方图描述子的红外弱小目标检测追踪算法

为了解决当前红外目标检测追踪算法仅依靠单一图像特征对弱小目标增强,使其在背景杂波与噪声干扰严重条件下,难以剔除图像背景中的伪目标像素,导致弱小目标检测与追踪精度不高,提出了基于复杂融合特征与联合灰度-纹理直方图描述子的红外弱小目标检测与追踪算法。首先,针对红外图像不同特征的背景干扰因素,引入不同方向的腐蚀操作结构元素,设计了分类Top-Hat变换算子,充分抑制背景杂波与噪声,从而将弱小目标从复杂背景中凸显出来;随后,引入方差权重信息熵,构建复杂融合特征,对红外图像进行分割,确定候选目标区域;并基于管道滤波模式,对候选目标区域中的真实弱小目标与伪目标进行筛选,将虚假目标过滤;再考虑弱小目标的强度与纹理特征,基于LBP技术(local binary pattern),设计了灰度-纹理直方图描述子,充分描述红外弱小目标的边缘、线端与角点等鲁棒性特征,较好地保留目标的空域信息,有效剔除图像背景中的伪目标像素;最后,联合均值漂移算法,对红外弱小目标进行精确追踪。实验结果显示:与当前红外目标检测追踪技术相比,在复杂背景干扰条件下,本文算法具有更高的检测精度与更低的追踪误差。     

基于遗传算法的红外车辆目标模糊增强

由于红外车辆目标在成像过程中存在许多不确定性即模糊性,针对红外图像的模糊性将模糊理论应用于红外图像增强处理,本文提出了一种新的基于模糊理论的图像质量测量函数,把它作为遗传算法的适应度函数对非完全Beta函数的α和β参数进行自适应动态调节来拟合几种典型的灰度变换曲线,实现了感兴趣区域红外车辆目标的自适应模糊增强.实验结果表明了该方法的合理性和有效性,在性能上优于传统的图像增强技术和现有的一些同类增强技术,具有较高的自适应性和智能性.     

NSCT域梯度加权的红外与可见光图像融合

提出了一种非下采样轮廓波变换(NSCT)域梯度加权的红外与可见光图像融合方法.在多尺度变换图像融合框架下,先对多源传感图像进行非下采样轮廓波变换,然后对变换得到的图像低通成分进行梯度域加权融合,对高通成分进行绝对值最大选择融合,最后通过非下采样轮廓波逆变换得到融合图像.利用梯度加权融合生成融合图像的低通系数,更好地保留了各源图像低通成分包含的有用信息.大量实验结果表明:该方法能有效提升图像融合性能,明显增强融合图像的对比度,融合图像表现出更好的视觉质量和可观测性.     

基于自适应阈值的红外图象增强

针对红外图像高背景、低反差的特点,在传统的分段线性变换的基础上,提出了一种自适应的算法。通过对原始图像的直方图统计得到该图像的背景阈值,再通过对原始图像上目标区域的灰度估算得到该图像的目标阈值,由此将图像分解成背景、目标和不感兴趣的区域三部分,然后通过分段线形变换将背景和不感兴趣的区域进行灰度压缩,同时将目标区域进行灰度拉伸,从而达到有效的抑制背景、增强目标的目的。通过实验结果比较,该算法无论在阈值的自适应方面或者是图像增强的效果,都优于传统的直方图均衡和双直方图均衡算法。     

红外图像序列运动小目标的空间定位

提出了一种利用透视投影变换和卡尔曼滤波对低信噪比红外图像序列运动小目标进行三维空间定位的新方法,从而达到对红外运动小目标(直至几个像素)进行空间定位的目的.仿真实验结果证明了该方法的可行性和有效性.     

一种M序列的高效生成算法

提出了M序列的一种生成模型，结合计算机的特点，构造了一种M序列的高效生成算法，可以在资源十分有限的条件下快速生成M序列。     

B超心脏序列图象轮廓特征点相关法跟踪的研究

介绍了心脏 Ｂ 超序列图象轮廓光流场的一种检测方法, 旨在应用相关法跟踪各帧特征点得到序列轮廓光流场, 这是一种变形体序列光流场的研究, 文章还讨论了这种方法的实际操作和实验结果     

一种有效的SAR图象典型目标特征提取和识别方法

在合成孔径雷达（SAR）图象中，需要对其中的人工和自然目标进行识别和分类，目标的特征提取是自动目标识别系统中的关键部分．一般图象的特征会采用颜色、纹理、形状等特征量．在SAR图象中，由于存在大量的背景噪声、目标边界模糊等问题，造成以上特征量在分类时往往不能达到很好的分类效果．作者提出了一种典型目标特征提取和分类识别方法、这种方法基于SAR成像的原理，在图象灰度阂值分割后做粗搜索分别提取灰度特征，椭圆矢量特征，以及栅格特征，然后进行SAR图象典型目标的分类识别、实验表明，这种方法效果较好．     

雨天图像中目标显著性检测算法设计与效果评价

雨天条件下,图像中目标的许多特征被掩盖,使得户外图像应用系统效能发挥受到严重的影响。为了提高雨天条件下图像中目标检测的质量,通过综合分析雨天图像中的目标特征,发现其亮度颜色信息、色彩差异信息和暗通道先验信息对目标的显著性具有高敏感度,进而提取了雨天图像中目标的显著性特征,构建了基于混合特征的目标显著性检测模型,最后通过多个评价指标的效能评估实验,与经典算法进行对比,验证了本文算法的有效性。