非凸松弛原子范数空时动目标参数估计算法

针对参数稀疏恢复空时自适应处理中的动目标参数估计存在字典失配的问题，提出一种非凸松弛原子范数空时动目标参数估计算法。该方法利用目标回波在角度-多普勒域的稀疏特性，根据连续压缩感知和低秩矩阵恢复理论实现了运动目标方位角和速度的高精度、超分辨率估计，避免了稀疏恢复中的字典失配问题，有效提高了动目标参数估计性能。仿真实验结果表明，相较于已有基于字典网格的稀疏恢复参数估计方法和原子范数估计方法，所提算法具有更高的参数估计精度和对空间紧邻目标的分辨能力。     

基于压缩域信息的运动区域检测

运动对象检测是智能视频监控的基础,现有的运动对象检测算法在实时性和检测精度方面仍有待提高,提出了一种利用压缩域的信息运动区域检测算法,首先利用压缩过程中产生的运动矢量信息去除摄像机的背景运动,然后利用宏块的DCT系数,宏块类型等信息去除虚假的运动块,最后使用了形态学的腐蚀与扩张处理以提高检测精度.测试结果表明,本文算法速度快、能够准确检测出运动区域.     

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BDWT的运动目标识别及Mexico小波核mean shift跟踪算法

提出了一种应用于智能交通监控系统的运动目标识别和跟踪方法.针对帧间差分提取运动目标的缺陷与不足,提出了一种基于二进小波变换的运动目标识别算法,即直接在二进小波变换域提取运动区域,从而检测出运动目标.对于检测出来的运动目标,对mean-shift跟踪算法进行了改进,采用以Mexico小波核函数自适应mean-shift算法对目标进行跟踪.实验结果表明,提出的算法可以有效地提取运动目标,即使目标与背景具有较高的相似度,也可以较准确的提取出前景运动信息,效果要好于传统的帧差法;跟踪目标准确度高,不受目标大小变化的影响.本算法具较高的实用价值和应用前景.     

二维稀疏采样下的双通道SAR地面运动目标检测方法

多通道合成孔径雷达(synthetic aperture radar, SAR)地面运动目标检测系统具有良好的主瓣杂波抑制能力,但是其采样数据量过大的问题给数据存储与传输系统带来沉重负担。针对该问题,提出一种二维稀疏采样下的双通道SAR运动目标检测方法。该方法首先在距离和方位两维域进行随机稀疏采样,然后利用压缩感知技术对双通道的SAR回波数据进行联合处理,构造变换矩阵将目标能量支撑区从所有场景散射点的能量支撑区中进行分离,采用基于加权的最小l₁范数优化模型进行杂波抑制与运动目标成像。所提算法能够有效降低原始数据量,在杂波散射点的空间分布稀疏性较差的情况下,仍可以较好地检测地面运动目标。仿真实验验证了所提算法的有效性。     

基于运动信息和相位一致性的运动目标提取

提出一种新的时空结合的运动目标分割方法。该算法首先在累积帧差图像上使用改进的高阶统计(HOS)算法检测出运动区域,用最大连通区域表示初始运动目标模板,利用基于Log-Gabor复小波变换的相位一致性边缘检测算法提取出每一帧的单边缘信息,结合初始运动模板与空域边缘图像得到更精确的运动目标模板,最后结合原图像分割出运动对象。实验结果表明该算法能从对比度较小和噪声较大的视频序列中精确地提取出运动目标,且不受光照变化的影响。     

实时场景中多目标运动变化检测和空域定位方法

讨论了一种新的实时图像序列中多个运动目标运动变化检测和空域位置确定算法 :比特层 (bit-planes)差分运动检测和投影矩阵空域定位算法 ,该算法利用图像中不同比特层表征不同信息把图像标定为多个平坦域然后再进行运动目标检测 ,并利用单个摄像机采集的图像进行空域定位 ,在速度、精度、复杂度和适用范围等方面与其他现有面向像素的运动目标检测技术和空域定位方法相比较 ,有更好的表现。将本算法用于交通道口视频实时监控系统中 ,取得了理想的效果。     

基于背景建模的动态目标检测算法的研究与仿真

针对静态摄像机条件下的视频监控问题，提出了一种基于背景建模的运动目标检测算法。首先利用统计的方法建立了基于颜色和颜色梯度的背景模型，并实时地对背景模型进行更新，最后将这两种背景模型综合考虑对目标进行有效检测。该算法较好地解决了背景模型的提取、更新、背景扰动、外界光照变化等问题。实验结果证明，该算法对固定场景下运动目标的检测是快速有效的。     

复杂动态环境下运动目标自动检测算法

针对复杂动态环境中运动目标难以精确检测的问题,提出了基于HSV颜色空间的运动目标检测算法。采用HSV颜色空间中背景减法解决运动目标颜色与背景相似和运动目标阴影影响导致运动目标难以准确检测问题;将背景区分为稳定背景和临时背景,提出双背景自动更新算法解决背景发生变化造成目标难以精确检测的问题;算法中引入表示背景变化程度的背景变化率,从而部分或全部更新背景。实验结果证明该方法能够准确检测运动目标。     

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。     

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。     

Moving object detection in framework of compressive sampling

Compressive sensing is a revolutionary idea proposed recently to achieve much lower sampling rate for signals. In the image application with limited resources the camera data can be stored and processed in compressed form. An algorithm for moving object and region detection in video using a compressive sampling is developed. The algorithm estimates motion information of the moving object and regions in the video from the compressive measurements of the current image and background scene. The algorithm does not perform inverse compressive operation to obtain the actual pixels of the current image nor the estimated background. This leads to a computationally efficient method and a system compared with the existing motion estimation methods. The experimental results show that the sampling rate can reduce to 25% without sacrificing performance.     

视频监视中运动目标的检测与跟踪算法

提出一种视频监视中运动目标的精确检测、提取以及跟踪算法。该算法采用基于自适应背景图像估计与当前多帧图像的混合差实现快速精确地检测和提取目标 ,使用扩展的Kalman滤波器预测运动目标下一时刻可能处于的区域 ,缩小了目标跟踪时的搜索范围。充分利用运动目标检测的结果 ,提高了目标的匹配效率及跟踪速度。     

基于频域稀疏压缩感知的雷达目标三维散射中心反演方法

基于平面阵列的微波天线结构可以获取多视角下的目标散射中心三维分布。针对平面阵列稀疏分布导致的目标成像及散射中心反演精度较差的问题, 设计了一种基于组合巴克码的稀疏孔径分布方式。在此基础上, 利用稀疏孔径回波和频域主成分分析得到参考复数信号。利用该参考复数信号对原始回波进行干涉处理, 获得回波频谱的稀疏表征方式。在频域建立基于压缩感知的目标散射中心三维分布模型并进行优化求解, 得到重构后的目标三维频谱, 并逆变换至空间域, 可实现目标散射中心幅度及三维位置重建。暗室试验数据处理结果表明, 所提方法在X波段和稀疏采样率为50%的条件下, 目标散射中心幅度及三维位置反演精度均优于90%。     

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。     

MIMO雷达稀疏阵列优化设计方法

针对运动平台多输入多输出(multiple input multiple output, MIMO)雷达应用中无法进行规则稀疏布阵, 传统的稀疏阵优化设计方法优化对象单一的问题, 提出一种利用多目标进化算法(multi-objective evolutionary algorithm, MOEA)进行阵列结构优化的方法。将MIMO雷达接收端的收发联合和差波束的旁瓣电平为优化目标, 使系统具有尽可能好的和差波束旁瓣抑制性能。仿真结果表明, 基于Pareto秩排序的MOEA的MIMO雷达稀疏阵优化设计可以使系统多种性能得到提升。