一种基于三维小波的视频水印空时算法

针对数字视频的版权保护,以及基于数字视频的信息隐藏,提出了一种基于三维小波的视频水印空时算法。它利用了视频场景镜头分割技术和三维小波变换的空时多分辨水印嵌入策略,以及根据最大似然准则的水印检测算法。针对视频的版权保护,作为版权标志的水印图像先用两个序列扩频预处理成一个图像序列,扩频后的水印图像序列自适应地嵌入到视频镜头的三维小波系数上。该基于三维小波域的水印策略充分利用了视频序列良好的空时多分辨特点,水印算法可靠。针对视频水印的几种特殊攻击,仿真实验证明了该算法具有很强的鲁棒性。     

基于局部二元图的视频对象阴影检测方法

针对在视频对象分割时,运动投影常被误分为视频对象,给出一种新的视频阴影检测方法,该算法基于在灰度图像中阴影区域和背景相应位置具有相同纹理这一事实,其中利用自适应高斯混合模型进行背景建模,利用局部二元图(local binary patterns,LBP)来表征纹理。首先,进行基于自适应高斯混合模型的背景提取,获得包含运动投影的前景分割,分割时加入了LBP纹理相似性判断,减少了分割出的目标内的孔洞提高了分割的精确度。然后利用阴影区域和已获取背景相应位置的LBP纹理相似性,可较好的对视频阴影进行检测。通过实验,获得了不错的阴影检测实验结果,可较好地应用于运动目标检测分割及跟踪等领域。     

非凸运动辅助低秩稀疏分解目标检测算法

针对传统低秩稀疏分解(low rank and sparse decomposition, LRSD)用于视频运动目标检测时检测精度较低的问题,提出了一种鲁棒非凸运动辅助LRSD(robust nonconvex motion-assisted LRSD, RNMALRSD)的运动目标检测算法。该算法首先考虑到视频背景的低秩特性,采用非凸γ范数对秩函数进行逼近,考虑视频背景在变换域上仍然具有稀疏性,引入背景在变换域的稀疏先验。其次,引入运动辅助信息矩阵,使其融入前景的运动信息,表示每个像素属于背景的可能性,提高视频运动目标检测的准确度。然后,采用交替方向乘子法(alternating direction method of multipliers, ADMM)对提出的模型进行求解。最后,将提出的方法应用到视频运动目标检测上进行仿真实验。对实验结果的分析表明,提出的RNMALRSD方法比其他基于LRSD的运动目标检测方法具有更高的检测精度。     

基于边缘和颜色的视频文本图像分割方法

视频中的文本如果直接送入OCR软件,识别率较低,因为文本往往叠加在复杂背景中,所以需要先将文本从背景中分割出来。背景像素可能具有和文本像素相似的颜色,并且由于解压缩的影响,文本像素颜色分布可能具有渐变性,给分割带来一定的困难。针对这些问题,提出一种基于文本边缘和颜色特征的文本分割方法,该方法首先利用文本边缘的高频特性沿文本轮廓对图像的颜色分布进行采样;其次使用K-均值空间聚类方法从采样点集合得到图像分割的种子点和分割半径,从而分割文本图像得到不同的分割结果;最后,利用文本笔画的连通域特征挑选出正确的分割结果。实验表明,该方法较好的解决了视频文本和背景的分离问题,分割结果具有较高的OCR识别率。     

基于联合域滤波的无人机载SAR图像块效应抑制方法

针对无人机载合成孔径雷达(synthetic aperture radar, SAR)成像系统因采用基于块的离散余弦变换压缩方法所产生的块效应问题,提出一种基于联合域滤波的块效应抑制方法。首先,从无人机载SAR成像系统工作原理出发,介绍无人机载SAR图像的压缩处理流程,分析产生块效应的机理。然后,在地面端对SAR图像解压过程的变换域和像素域中分别加入块效应滤波处理手段,其中变换域采用的是“十字型”转移块滤波方法,像素域采用的是双边滤波方法。最后,通过联合域滤波方法达到抑制无人机载SAR图像块效应的目的。实验结果表明,在同等压缩系数条件下,本文方法相比于其他滤波方法可以获得更好的峰值信噪比结果,降低无人机载SAR图像因图像压缩造成的失真影响,具有很强的块效应抑制能力。     

基于噪声特征参数估计的视频运动区域自动提取

视频运动区域的自动提取是视频对象生成的关键。提出了一种视频运动区域的自动提取方法 ,首先对当前视频帧进行全局运动估计和补偿 ,并和上一帧进行差分运算 ,然后通过估计噪声特征参数自适应地滤除噪声 ,从而提取出运动区域。与传统的差分方法相比 ,该方法具有更强的鲁棒性和精确性。实验结果表明了该方法的有效性。     

高速运动目标视频序列分层技术研究

视频序列分层技术是视频内容检索系统的关键部分 ,讨论了目标高速运动下的视频序列分层技术。采用高阶统计量、图像能量理论及块处理技术 ,快速拼接、重建视频序列中各镜头的背景 ,利用重建背景进行视频分层。实际视频序列的测试结果验证了该算法的有效性 ,层次分割的准确性 ,适用于实际高速运动视频序列的层次分割。     

基于目标区域约束的牙颌模型分割线探测方法

精确的将牙齿从牙颌模型中分割出来是虚拟牙齿矫正系统的一个重要的预处理问题.现有方法在进行牙颌模型分割时,多会对所有的面片直接进行计算处理.针对该问题,提出一种基于目标区域约束的分割线探测方法,可以将探测范围锁定在实际分割线的周围.该方法根据种子点的位置自动构建切割平面及切割线;通过寻找切割线上负曲率最大的位置来锁定探测...     

隐身目标的双基地雷达探测技术

以F-117A作为典型的隐身目标,提出一种计算隐身目标双基地雷达探测区域的新方法。通过对指定的雷达警戒区域进行网格剖分,在不同的网格节点位置计算隐身目标的双站雷达散射截面,由双基地雷达方程出发,从能量角度得到雷达探测判定不等式,计算目标的雷达探测区域。给出了应用该方法的具体步骤,通过仿真实验证明了该算法的可行性。     

雷达动目标短时稀疏分数阶表示域探测方法

机动目标检测和精细化运动状态估计始终是雷达信号处理的热点和难点问题,基于时频分布的动目标检测方法难以同时获得高时频分辨率,且参数估计精度受搜索步长的限制。稀疏时频分布技术结合了经典时频分析技术和高分辨稀疏域信号处理的优势,是传统变换域处理技术的扩展。构建了短时稀疏分数阶表示域信号处理框架,并在此基础上,提出了两种雷达机动目标检测和估计方法,即短时稀疏分数阶变换和短时稀疏分数阶模糊函数,实现了时变信号的时间稀疏变换域高分辨表示。对海雷达目标探测试验验证表明,所提方法适用于复杂背景下雷达机动目标的探测,并能获得目标运动状态的精细估计。     

基于小区域滤波的快速星图弱小目标分割算法

时间序列帧星空图像中弱小目标的检测是天基监视地球同步轨道卫星需要解决的关键技术之一,星图中的背景杂波抑制与小目标分割对运动目标的检测与精确测量是至关重要的。针对这一问题,提出了一种基于小区域滤波的快速星图弱小目标分割算法。首先采用最小二乘拟合方法得到高斯背景均值和标准差;然后利用小区域滤波抑制背景杂波;最后利用固定阈值滤除灰度过小像素点。实验结果表明,该算法能够较好地保持恒星和运动目标的边缘,为恒星和运动目标的快速定位奠定了基础。     

基于深度卷积神经网络的SAR舰船目标检测

针对传统合成孔径雷达(synthetic aperture radar,SAR)图像舰船目标检测算法检测精度易受斑点噪声影响,且只能提取底层特征及其泛化性较差的问题,提出了一种基于深度卷积神经网络的SAR图像舰船目标检测算法。首先将目前先进的单次多盒检测器(single shot multibox detector,SSD)检测算法应用到SAR图像舰船目标检测领域,指出了其在该领域存在的局限性,在此基础上提出了基于SSD的新的检测方法,包括融合上下文信息,迁移模型学习,在公开的SSDD数据集上进行了训练和测试,对实验结果进行了对比分析,实验结果表明,相比于原始的SSD检测算法,所提出的方法不仅提高了目标检测精度,同时也保证了算法的检测效率。     

海空背景下红外运动小目标的检测方法

针对海空背景下红外运动小目标的检测问题,提出了一种先前景抑制,再二值化,然后基于质心轨迹累加的序列检测流程。利用海空前景红外小目标图像灰度直方图一般呈现"双峰一谷"型式这个特点,前景抑制将海空前景分割和中值滤波结合起来进行。在前景抑制基础上,提出了基于分块门限分割的二值化方法进一步抑制随机噪声。最后,基于目标运动的连续性、规律性和噪声的随机性,在图像二值化基础上,进行了质心迹累加的序列检测。仿真实验结果表明:所提方法具有很好的检测效果。     

稀疏字典学习海面微弱动目标检测

针对强海杂波背景下微弱动目标信号提取困难、雷达检测性能差的问题,在稀疏表示理论的基础上,提出利用字典学习算法抑制海杂波、重构目标信号。该算法通过K类奇异值分解（K-singular value decomposition,K-SVD）算法学习海杂波和目标的稀疏域主成分特征,得到相应的学习字典,抑制海杂波并对目标信号稀疏重建,解决了以往固定字典与高海况下雷达回波匹配度低、目标信号提取效果差的问题;并通过算法参数的分析和优化,进一步提高了算法性能和工程实用性。基于实测数据的实验结果表明,相比传统检测方法,所提算法能够有效检测高海况下微弱动目标,显著提升检测性能。     

大幅面星载SAR图像中机场检测算法

重点研究了大幅面星载合成孔径雷达图像中的目标检测问题.选取机场区域作为检测目标,提出了一种基于区域形状特征的检测算法.算法使用自适应聚类分割法解决大幅面图像中复杂背景下的小目标分割问题,选取椭圆近似法代替常用的最小外接矩形和边界框法计算区域的尺寸和体态特征.通过对多幅实际获取自不同场景的大幅面星载合成孔径雷达图像进行实验,结果表明,本算法可快速、准确地检测出包含在场景中的单个或多个结构不同的机场区域.     

用于SAR图像小目标舰船检测的改进SSD算法

针对合成孔径雷达(synthetic aperture radar, SAR)图像小目标舰船检测中存在的检测率较低、虚警较高等缺点,提出了用于SAR图像小目标舰船检测的改进单步多框检测(single shot multibox detector,SSD)算法。首先,制作了一个专门用于SAR图像小目标舰船检测的数据集,在SSD目标检测算法的基础上,提出了迁移学习、浅层特征增强和数据增广3个方面的改进;利用性能更好的ResNet50作为特征提取结构,在浅层特征增强网络结构中采用了inception模块的分支结构,同时使用了空洞卷积扩大特征图的视觉感受野,增强了网络对小尺寸舰船目标的适应性;最后在数据集上进行了多组对比分析实验,实验结果表明所提方法相比于原始的SSD,平均准确率提高了5.4%,并且对SAR小目标舰船的漏检和误报明显减少。     

基于背景重建的高光谱图像异常检测

针对高光谱图像异常检测中背景信息与异常目标信息难以有效区分,背景预测精度不佳的问题,提出一种新的基于背景重建的高光谱图像异常检测算法。通过字典学习方法获取高光谱图像背景光谱字典,并利用该字典对待检测图像进行稀疏重建,得到预测背景图像。将预测背景图像与原始图像做差后得到残差图像,进而利用局部RX检测算法对残差图像进行遍历,实现异常目标检测。通过对真实高光谱图像场景进行实验,证明了算法的有效性。