视觉注意的图像目标预检测

提出了融合自底向上和自顶向下模式的视觉注意机制的改进算法.该算法使用以完整轮廓信息作为物体识别标志的方式,几乎不需要先验知识,改进了自顶向下算法的需要大量先验知识的弱点;同时由于将物体轮廓作为的一个识别和预检测的重要参考信息,改进原视觉机制中的仅使用三个显著图,没有整体意识,从而致使识别范围过大的弱点.实验证明该方法提升了搜索预检测目标的准确度.     

一种基于主动视觉的运动目标跟踪方法

提出一种基于尺度不变特征变换(SIFT)特征匹配的目标跟踪方法.首先使用SIFT提取目标特征,构建目标特征库,然后使用基于K维树的特征匹配算法,对实时序列图像提取的SIFT特征与特征库中目标进行精确匹配,实现目标检测与定位,根据定位信息自动控制摄像机转动,始终将目标锁定在图像视野中,实现实时跟踪.在真实的室内环境下进行目标跟踪实验,通过检验每一帧目标定位的正确性,计算目标检测的正确率.在本文实验条件下,正确率达到94%,而使用基于HSV色彩直方图的方法,目标检测的正确率小于80%,实验结果验证了该方法的有效性.     

基于视觉注意机制的实时红外小目标预检测

在红外小目标检测中引入视觉注意机制,以计算机量较小的预检测为代价减少了目标检测的区域,在注意机制中采用 非线性采样模型,并利用相邻采样点形成显著性图,实验证明基于注意机制的预检测能有效地提高系统的计算效率,同时也具有一定的抗噪能力,可用于噪声环境中的小目标检测。     

暗背景下运动发光目标检测

采用通常方法处理暗背景下运动发光目标,因监测摄像机所拍摄二维图像背景的复杂性,导致对目标数量统计的误差,为此,提出了综合形状检测法。该方法在对原始图像提取封闭边缘后,用形状因子和边界在两个正交方向的对称性作为判据,根据发光体目标本身及其光线投影的几何形状差异,将发光体和投影区域分割开,只对反映发光体本身的光亮区域进行统计计数。试验测试表明,该方法的相对误差为4.2%左右。     

一种基于改进视觉注意模型和局部自相似性的目标自动检测算法研究

针对基于视觉注意模型的检测算法只能检测到图像中的感兴趣区域,无法准确地提供目标的轮廓和位置的不足,提出了一种基于改进视觉注意模型和图像局部自相似性的目标自动检测算法。通过增加运动速度和运动方向特征改进了经典的Itti视觉注意模型。利用改进的视觉注意模型提取感兴趣区域,提高了视觉注意模型的检测能力。再利用图像在边缘处具有良好的局部自相似性,实现了基于图像局部自相似性的目标检测算法。实验表明,算法能快速检测到图像中的目标感兴趣区域,并对其进行精确分割和定位。     

基于视觉注意机制的视频监控中海上舰船目标检测

当天空、海面和岸上建筑等自然背景比较复杂时,容易干扰视觉注意的对象,而影响舰船目标的检测。本文提出了一种改进的视觉注意模型来检测海上舰船目标,首先利用小波变换获得舰船目标图像的高频特征和低频特征;然后利用改进的Top-hat滤波器抑制云雾和较强的海杂波,采用改进的Gabor滤波器得到方向特征,采用离散矩变换（DMT,discrete moment transform）得到边缘纹理特征;同时将图像进行色彩空间转换,由HSI（Hue-Saturation-Intensity）空间提取图像亮度、色调和饱和度来构成运动特征和颜色特征;最后将各特征图通过加权线性融合得到兴趣图,通过自适应阈值分割出舰船目标区域。实验证明该舰船目标检测算法具有较好的检测效果。     

一种基于Surendra背景更新的背景减除运动目标检测方法

针对监控环境下运动物体的检测,提出了基于Surendra背景更新的背景减除的运动目标检测方法.首先对视频图像进行灰度化并去噪,再建立一个可靠的Surendra背景更新模型,由背景消减法得到运动目标图像,最后图像进行二值化并采用形态学滤波和连通区域面积检测进行后处理,以消除噪声和背景扰动带来的影响.试验结果表明本文采用的基于Surendra背景更新算法的背景减除的方法,具有较好的实用性.     

一种新的运动点目标检测方法

常规运动目标检测中所用图像都是基于二维空间坐标的序列图,文中根据运动点目标与静态背景的特性,采用一种新的图像表示方法,以时间和空间为坐标,描述的时空图像能较直观地反映运动目标与静态背景的差异,易于实现目标与背景分离。通过实例处理表明,时空方法能更有效地从复杂背景中检测出低信噪比的运动点目标,抗噪声干扰能力强。     

自适应背景下的运动目标检测

智能视频监视就是实时地观测被监视场景的运动目标,如人或车辆等,并且分析描述其行为.在数字视频监控系统中,从视频流里捕获出序列图像并进行实时运动检测是一项重要的功能.采用基于自适应背景相减法的运动目标检测,并结合数学形态学的方法来进行特征提取.该方法由于增强了边缘检测技术,所以有效地提高了检测水平.     

自适应背景下的运动目标检测

智能视频监视就是实时地观测被监视场景的运动目标,如人或车辆等,并且分析描述其行为。在数字视频监控系统中,从视频流里捕获出序列图像并进行实时运动检测是一项重要的功能。采用基于自适应背景相减法的运动目标检测,并结合数学形态学的方法来进行特征提取。该方法由于增强了边缘检测技术,所以有效地提高了检测水平。     

一种运动背景下目标快速定位方法

针对运动背景下目标检测算法计算量大,难以实现实时跟踪的问题,提出了一种目标快速定位方法.该方法采用图像配准补偿背景运动量,由多帧图像差分消除背景图像获得目标图像,通过自适应阈值对目标图像二值化,用形态学处理消除噪声斑点,最后通过连通区域像素个数统计判决,进一步去除伪目标,最终定位目标区域.试验结果表明该方法能在2-6 ms内准确定位平移运动背景下的目标.     

分数阶傅里叶变换在合成孔径雷达目标识别中的应用

本文通过分析合成孔径雷达动目标回波线性调频特点,采用分数阶Fourier变换对合成孔径雷达动目标进行检测,对其多普勒参数进行比较精确的参数估计,并通过理论分析和模拟计算证明该方法的有效性。     

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.     

基于多背景模型的海面运动目标检测

提出一种在反射光较强的条件下基于多背景模型的海面运动目标检测方法.使用基于统计模型的变化检测方法将被监控场景区分为海浪波动显著的背景区域和海浪波动不显著的背景区域;对这两种区域中的像素点分别以Weibull分布模型和Gauss分布模型建立背景模型;使用建立的背景模型检测海面的运动目标.实验结果表明,在海面反射光较强且波浪波动较大的情况下,用该方法可以比较准确地检测到海面的运动目标.     

大背景噪声下动目标实时检测方法研究

提出用帧间方块编码差值法和邻域综合法提取运动目标．第一种方法是把当前帧方块的二值图像像素编码值与前帧对应的二值图像像素编码值求差值，由差值检测运动目标；第二种方法是检测２×２方块内各像素的帧差值符号位和帧差绝对值，由二者判别是否运动像素．与普通帧差法相比，提高了抗噪度，改善了运动目标的边缘特性，减少了硬件量．检测算法可以以视频速率工作．实验结果表明，所提出的检测方法是有效的．     

一动一静双基地SAR动目标检测方法研究

针对一动一静双基地合成孔径雷达(SAR)系统,提出了一种多通道双基地SAR动目标检测与速度估计方法;并且在杂波对消后利用目标幅度或相位信息,得到了运动目标径向速度和位置偏移量估计的解析表达式.仿真中利用卫星平台作为发射机、平流层飞艇平台作为接收机,验证了算法的正确性.     

基于时空显著性检测的3D视频生成方法

为了解决3D视频生成方法在获取深度线索方面的难题,使用显著图代替深度图进行3D视频生成。显著图和深度图在性质上有所不同,但是显著图是通过视觉注意力分析得到的,因此也可以给予人眼良好的感官体验。为了得到更适合进行视频内容转换的显著图,将时间信息融入到了深度学习模型当中。通过实验证明了本文方法在两个广泛使用的视频显著性数据集上拥有很好的表现力,所生成的3D内容也具有良好的视觉效果,证明了基于显著性检测的3D视频生成方法具有一定的可行性。     

基于视觉显著性及多特征分析的目标检测

针对视觉显著性分析不能辨别目标且单个特征描述目标具有局限性的问题,提出基于视觉显著性及多特征分析的目标检测.首先,对已标定训练图,生成遍历整幅图像的随机采样区域,通过多特征分析获取每个区域包含目标可能性的先验参数信息;然后,对测试图,依据上述先验信息,基于贝叶斯模型计算每个随机采样区域包含目标可能性的评分值,并将值高的若干区域标记为目标候选区域;最后,结合显著性分析及判别准则,对候选区域进一步判定,以确定最大可能涵盖目标的区域,从而实现目标检测.研究结果表明:显著性分析具有对目标所在区域的主动选择性;多特征结合能有效描述目标以使目标更具可区分性.     

一种自适应背景差分运动目标检测算法

运动目标检测是运动行为理解的前提,也是安防系统研究的热点、难点问题。在分析现有检测算法的基础上,针对背景更新模型不准确、分割阈值难以选取等问题,提出了一套自适应背景差分运动目标检测算法。算法包括：基于像素相关区域灰度曲率特征的背景更新模型,基于直方图统计的动态阈值,改进型区域生长的运动目标标识。实验表明该算法能较好解决光照变化所引起的背景更新以及不同环境下阈值选取等问题。