基于多重单应性变换的改进ViBe算法

针对目前运动目标检测领域内较流行的ViBe算法不适用于动态相机的问题,根据平面间变换为单应性变换的事实,提出了一种基于多重单应性变换的改进ViBe算法。利用ORB(oriented fast and rotated brief)特征点匹配与随机抽样一致（random sample consensus,RANSAC）算法,计算得到相邻帧的不同平面的变换关系;采用全局光流补偿算法消除运动目标上的特征匹配点对,避免多重单应性变换中包含运动平面的变换;根据多重单应性变换改进ViBe算法的前景判定与背景模型更新,使改进算法适用于运动相机采集的数据。在公开视频数据集CDnet 2014与Complex Background Dataset上进行了相关实验,实验结果证明,改进算法能在尽量保留真实运动目标区域的同时,大幅度消除相机运动带来的影响,且在精度、特异性以及虚警率上表现出色,实时处理效率能达到20帧/s。     

运动分割和光流估计的卫星视频超分辨率重建

针对卫星视频中存在局部运动目标的问题,该文提出了一种运动分割和光流估计联合约束的卫星视频超分辨率重建算法。首先通过视频帧间运动分割方法提取局部运动目标,获得其边缘信息;其次用光流方法对视频图像进行逐像素的运动估计,获得初始运动矢量场;利用分割边缘和运动矢量场进行联合约束,并统一运动目标内的光流矢量,获得纠正后的运动矢量场,并作为几何运动矩阵,将其补偿到超分辨率重建模型中生成高分辨率图像;最后用卫星视频数据进行实验,并与传统方法结果进行对比,证明该文算法可以有效地克服运动目标的伪影效应,提升了卫星视频的分辨率。     

遥感视频卫星运动车辆目标快速检测

随着遥感卫星成像技术的快速发展,遥感视频卫星的出现为运动车辆目标信息获取提供了新手段。然而在遥感卫星视频中,运动车辆目标仅为几个或十几个像素并与背景的对比性较低,难以获取车辆的局部细节特征,使得传统监控视频的运动车辆检测方法直接应用到卫星视频图像会存在很多的问题。在分析遥感卫星视频运动车辆目标检测与传统监控视频运动车辆目标检测差异的基础上,本文提出了一种感兴趣区域自动约束的遥感卫星视频运动车辆快速检测方法：首先是快速自动获取运动车辆目标的感兴趣区域;其次在感兴趣区域约束下,基于改进的高斯背景差分方法实现感兴趣区域内运动车辆快速检测。应用Skybox-1卫星视频数据进行了运动车辆目标检测实验并进行了定性与定量分析。实验结果表明,本文方法可以有效自动减少动态背景变化导致的伪运动目标,具有较高的检测率、较高的检测质量、极低的虚警率以及较高的运行效率,可自动高效实现卫星视频图像中运动车辆目标的高精度检测。     

基于稀疏多尺度分割和级联形变模型的行人检测算法

行人检测是视频大数据中提取信息的关键技术之一,是视频大数据挖掘的关键环节。提出了一种基于稀疏多尺度分割和级联形变模型的行人检测算法。首先设计基于图像纹理的稀疏多尺度分割算法提取潜在行人区域,完成初级多尺度检测;同时缩小检测范围,剔除大量背景区域;再基于级联形变模型在候选特征区域进行精细检测,最终实现由粗到细的快速行人检测。在TUD-Crossing和TUD-Pedestrian等公开数据集上对算法进行了测试。实验结果表明,本文算法降低了虚警率,提升了检测速度。     

融合颜色和深度信息的运动目标提取方法

行人检测是计算机视觉、智能交通等领域研究的热点与难点,基于深度传感器对室内复杂场景下的行人检测展开研究。目前,基于颜色与深度数据的目标检测方法主要包括基于背景学习的方法和基于特征检测算子的方法,前者依赖于视频序列头几十帧的背景知识,帧的数量决定检测质量;后者存在计算量大的问题,训练样本的不足也会影响行人检测结果。因此,深入分析了复杂场景特征,融合颜色和深度信息,提出了RGBD+ViBe(visual background extractor)背景剔除方法,实现前景运动目标的准确提取。实验结果表明,提出的RGBD+ViBe方法在前景运动目标检测准确率方面要明显高于仅考虑颜色或深度信息方法以及RGBD+MoG(model of Gaussian)方法。     

光流网络的无人机视频运动目标检测方法

针对传统光流技术的无人机视频运动目标检测方法计算效率低等问题,提出一种基于改进光流网络的无人机视频运动目标检测方法.首先利用卷积神经网络分别提取视频序列影像中目标的运动特征,并利用所提取特征进行光流计算;其次通过堆叠网络结构增加网络深度、引入小位移子网络等方法提高光流计算的精度和效率;最后通过光流阈值分割实现运动目标的检测.采用4组不同飞行模式下的无人机视频数据进行实验,实验结果表明,无论是在悬停模式还是在航行模式下,所提方法均能实现单目标、多目标和遮挡目标的检测,检测效果更好、计算效率更高(计算时间≤35 ms),基本能满足无人机视频运动目标实时处理的需求.     

尺度分层多阈值结合SVM分类的热红外舰船识别

针对尺度自适应选择分层多阈值方法,有时检测目标不完整且存在较多虚警目标等问题,提出了一种基于尺度分层多阈值和SVM分类相结合的舰船目标检测与识别方法。首先使用尺度自适应分层多阈值方法进行初检测;其次根据样本学习生成舰船目标特征及最佳分类特征组合;最后使用SVM样本学习分类实现舰船目标检测与识别。实验结果表明,该方法比单一使用样本分类法降低了虚警率,提高了检测效率,能在近岸舰船目标与背景对比度较低的情况下实现虚假目标有效剔除,且在突堤式码头停放的舰船目标识别中更有效和更稳定。     

带有地理编码的光学视频卫星物方稳像方法

发现运动目标并获得运动目标的地理位置与运动速度,是光学视频卫星非常重要的一个高精度应用。现有光学卫星视频稳像方法虽然可以获得稳定流畅的视频数据,但视频数据中缺少几何信息,难以满足这一应用需求。针对该问题,提出一种带有地理编码的光学视频卫星物方稳像方法。该方法充分利用卫星视频帧的定向参数信息,构建基于视频帧定向模型的帧间运动模型,并通过辅帧定向参数的运动补偿,实现视频序列帧间几何一致性,再在物方空间对视频序列进行地理编码,生成带有地理编码的流畅视频数据。经对珠海一号卫星视频数据的试验结果表明,该方法可以有效消除卫星平台抖动和卫星定轨测姿等误差对卫星视频帧间几何精度的影响,获得的帧间几何精度与视频稳像精度均优于0.3像素。     

多尺度并联卷积神经网络遥感影像油罐目标检测算法

针对传统遥感影像油罐目标检测算法依赖油罐圆形特征,对于背景复杂和存在大量小目标的情况检测效果差的问题,提出一种多尺度并联卷积神经网络油罐目标检测算法.首先根据油罐目标尺寸对各神经网络检测效果的影响规律,采用不同网络架构分别检测不同尺寸的油罐目标;其次利用经过训练的分类网络对上述检测结果进行后处理,剔除可能存在的误检;最后将所有结果共同进行非极大值抑制,从而实现不同尺寸油罐目标的检测.对多个数据集下的遥感影像进行了测试,实验结果表明,与传统经典的目标检测算法相比,该算法明显提高了油罐目标的检测精度、召回率和鲁棒性;同时级联分类网络对检测结果的后处理过程也大大降低了油罐目标检测的虚警率,提高了可靠性.     

视频序列图像中运动目标检测与阴影去除

提出了一种新的基于柯西分布的光照模型(shading model,SM)变化检测方法。在一种快速动态背景图像初始化的基础上,建立了Gaussian统计背景模型;基于使用统计假设检验方法检测变化区域的结果,利用YCbCr颜色空间的亮度、颜色信息,识别和消除视频序列图像中的阴影和反光等。试验表明,该文所提出的方法可以承受整体或局部的、缓慢或突然的背景光线变化,以及由场景背景中小的背景扰动、阴影或反光导致的噪声,可以较精确地检测背景目标,改善了SM方法在较暗区域的目标检测效果。     

顾及运动估计误差的“凝视”卫星视频运动场景超分辨率重建

在含有运动地物的“凝视”卫星视频影像超分辨率重建问题中,针对由于运动估计不准确导致的重建后运动物体存在“格网”和“拖尾”等问题,提出了顾及运动估计误差的运动场景超分辨率重建方法。首先,在MAP模型框架下分析了基于L1范数和L2范数的保真项对于运动估计误差的稳健性,引入稳健的M-估计作为保真项,自适应的减少运动估计误差对重建结果的影响;然后,分析了稳健估计条件下Tikhonov、TV、BTV正则项的重建效果;最后,提出了基于稳健估计的双边滤波超分辨率重建方法,用SkyBox和吉林一号的卫星视频数据验证本文方法。试验证明,本文方法对含有运动目标的卫星视频影像具有较好的重建效果,重建后动态和静态地物细节都得到提升,归一化方差和梯度能量指标都优于其他方法。试验表明了本文方法的可行性。     

复杂背景下的仿蝇视觉遥感异常检测

本文针对遥感影像复杂背景下,背景地物光谱特征与目标光谱特征之间存在较强相关性的问题,提出一种基于仿蝇视觉的复杂背景下遥感异常检测算法。首先构建并行多孔径背景模型,实现对复杂背景特征的自适应描述;然后基于异常目标的光谱特征相对异常性,采用相对马氏距离区分异常区域、不确定区域与无目标区域,消除背景与目标光谱相关性对检测结果干扰的同时,弥补了传统假设检验无法区分无目标和不确定问题的不足;最后融合多个背景模型的检测结果,实现异常目标检测。仿真实验将围绕多种背景地物并存复杂区域的异常检测验证本文算法的有效性。     

顾及道路约束条件的动态目标检测与跟踪方法

智能交通是智慧城市的重要组成部分,面对复杂多变的道路背景,如何能够快速检测、跟踪道路监控影像中的动态目标,是智能交通建设的关键技术难点。本文根据道路监控视频特点,提出了采用道路约束条件与颜色特征集相结合的动态目标跟踪方法,以道路约束条件确定运动目标搜索区域,利用HSV颜色特征集进行特征匹配,然后基于ⅡR滤波背景法对背景影像进行更新及动态目标的检测,并根据道路约束条件与颜色特征相结合跟踪方法实现对动态目标的跟踪及动作预测。试验结果表明该方法可准确对运动目标进行检测与跟踪,且对慢速运动目标也具有较好的响应能力,实现了对道路动态目标的实时检测与跟踪。     

视频星运动目标检测方法的对比和分析

视频卫星可提供大尺度运动场景的实时监控,而运动目标检测是其应用的核心问题。本文设计并实现了目前3种主流的运动目标检测方法,以路面交通监控视频和卫星视频为应用背景,详细探讨了3种方法在检测精度、实时性和运动目标完整性等方面的优缺点和适用条件。实验表明:混合高斯模型方法在多目标复杂背景下,表现出较强的适应性。粒子滤波法具有抗灰尘噪声干扰特性,运动目标边缘保持较好。     

遥感时间序列影像变化检测研究进展

同一区域、不同时期大量历史数据的积累,以及同一区域能够方便地获取高时间分辨率遥感数据,使遥感时间序列影像变化检测成为近年来遥感技术与应用的研究热点。本文系统总结和评述了当前遥感时间序列影像变化检测的相关研究进展和应用状况,在阐明遥感时间序列分析的意义,以及时间序列影像在变化检测中的优势的基础上,从非遥感领域时间序列变化检测方法出发,针对遥感时间序列影像变化检测的需求,明确和归纳了遥感时间序列变化检测的问题与类型,并对当前最新研究进行了综述,总结了各种方法的优点与不足,重点介绍了基于经验模态分解的遥感时间序列影像异常信息检测方法和基于隐马尔可夫模型的土地利用/覆盖变化检测方法,以期能够为相关研究提供参考。最后总结了该研究领域的发展趋势和存在问题,并对今后的研究工作和未来发展方向进行了展望。     

一种基于AR运动模型CKF算法的无人机导航

针对无人机组合导航滤波算法中传统的运动模型单一固定,灵活性差,无法精确描述无人机复杂多变的运动状态,甚至还会导致滤波发散等问题,提出了一种基于AR运动模型的CKF算法,并应用于无人机导航定位中。通过滑动窗的方法,构建实时动态更新AR模型估计物体运动状态,并且结合CKF进行滤波,从而有效提高无人机导航性能。仿真实验结果表明,该算法能够有效提高无人机导航定位精度,优于其余几种基于传统运动模型的滤波算法。     

独立成分分析的高光谱异常变化检测

遥感探测到的小目标信号一般是弱信号,利用传统的高光谱异常变化检测方法直接抑制背景来突出异常变化目标,往往导致小目标弱信号同时被抑制,造成目标探测率低、虚警率高。基于独立成分分析方法,研究了弱信号小目标的高光谱变化检测模型,该模型首先通过投影寻踪将异常变化影像投影到独立成分,突出异常变化目标,然后再抑制背景,从而达到异常变化目标和背景的有效分离。该模型可以有效降低虚警率,提高探测率。利用模拟数据和真实数据进行了精度验证,结果表明,利用模拟数据得到的探测精度为99%,利用真实数据得到的检测精度为86%,与传统异常变化检测算法相比,精度最高提高了9%。本文研究方法适用于弱信号小目标的高光谱异常变化检测。     

Optimising the accuracy of a low-cost photogrammetric motion study system

Generally, a low-cost image-based motion study system consists of a set of two or more video imaging cameras and a set of object space control targets. The control targets are required to provide for the computation of exterior parameters of the video frames of objects in motion. Subsequently, the computed exterior orientation parameters are used to compute the position of the motion targets. In general, the accuracy of the motion data is dependent largely on the accuracy of the 3D coordinates of the control targets, the computed camera and lens parameters and the frame rate of the camera. Obviously, it is difficult to improve the frame rate of a low-cost camera; however, the other factors may be optimised analytically. Optimising the accuracy of the control targets is a straightforward process and is discussed briefly in the paper. Optimising the computed camera and lens parameters was the main focus of the research. Consequently, the paper provides the detail of the developed optimising technique. The results show that an optimal principal distance and other lens parameters can be determined by analysing the error of a set of highly accurate object distances. The evaluation shows that the accuracy of the video motion study system can be improved by as much as six times or a reduction of scaling error from 1·06 to 1·01.     

Dim and Small Target Detection Based on Characteristic Spectrum

Dim and small target detection is one of the most challenging issues based on space-based detector. Original space-based detector only uses infrared bands, and the target information is limited in one-band image, so that detection error rate is high. In order to increase the target information, we suppose spectral imaging technology can be applied to the space-based detection system. Use bands of stronger radiation of targets than that of background as detection bands theoretically; the detection bands also can be called as the characteristic bands of targets. On these bases, the paper proposes methods of fuzzy fusion and fusion segmentation to achieve the target detection. Fusion is a combination of images from the characteristic bands, which can eliminate background, restrain noise, and enhance the target. Threshold segmentation and fuzzy algorithm assisted fusion algorithm to complete the final detection. In the simulation experiment, missile plume is considered as the detection target, atmosphere, cloud and jet plume is considered as the detection background, and the advantages of the characteristic spectrum detection and the proposed algorithm are verified from SNR, SCR, ROC curve, and time.