利用二维灰度直方图跟踪红外运动目标

红外图像由于其信噪比低,跟踪目标很难用一维直方图描述。本文提出采用二维直方图建立目标模型,基于均值漂移的红外运动目标跟踪算法。该算法用二维直方图描述运动目标,然后采用均值漂移算法估计候选目标的位置。使用都柏林城市大学红外视频数据对该跟踪算法进行测试,试验结果表明,该方法可以有效应用于实时红外运动目标的跟踪。     

二维Renyi灰度熵和模糊聚类在图像分割中的应用

针对传统二维Renyi熵阈值算法计算复杂度高的问题,提出一种改进的二维Renyi图像分割算法。该算法利用两个一维Renyi熵算法的阈值来代替传统二维Renyi法的阈值,使得计算复杂度大大降低;同时为了改善图像分割效果,综合使用了FCM算法。实验结果表明,改进的算法充分发挥了二者的优势,不仅提高了运算速度,且分割效果更好。     

仿射不变特征转换的运动目标跟踪方法

运动目标跟踪技术在交通管制、智能监控、GPS导航等多个领域有广阔的应用前景。本文提出一种基于经纬度和尺度的ASIFT(Affine-SIFT)跟踪算法,模拟序列图像成像时的倾斜角度,进行实时更新来去除由形变带来的过时特征信息,保证了特征的稳定,提高了配准精度。实验证明,此方法不受传感平台倾斜造成的图像仿射变形影响,能够有效处理目标由于旋转、形变而导致跟踪性能下降甚至跟踪目标丢失的问题,同时对跟踪过程中多目标的关联,也具有较好的鲁棒性,取得了良好效果。     

一种基于图像灰度直方图相似度计算的室内定位方法

近年来,视觉定位由于定位精度高广泛应用于室内定位与导航。然而,室内环境复杂多变,视觉定位在很多场景下无法实现高精度定位,而且多数视觉定位算法耗时和计算复杂度高,不适用于智能手机。为实现基于智能手机的准确高效定位,本文提出了一种基于图像灰度直方图相似度计算的定位方法。该方法分为两个阶段：离线阶段和在线阶段。离线阶段在已知坐标的格网点分别利用智能手机采集图像,提取图像灰度直方图,建立图像灰度直方图图像特征库;在线阶段智能手机在待测点采集图像提取灰度直方图,然后与图像特征库进行相似度计算,选取相似度和最大值的格网作为概略位置,以相似度为权重采用加权均值法得到准确位置。将所提方法和KNN算法进行对比,试验结果表明,该方法的平均定位误差优于0.3 m,与KNN算法相比定位精度提高了40.7%,计算时间优于1.7 s。     

基于均值漂移模型的粗差定值定位

针对粗差定值定位问题,该文从观测值与其估值的解析关系出发,提出了一种基于均值漂移模型的粗差定值定位研究思路和方法。首先利用二次投影公式和帽子矩阵的性质,推导出了参数分量和粗差估计值的另一种估计表达式,讨论了相应估计量的统计性质。然后,根据不同情况,构造了粗差检验统计量,并给出了相应的粗差检验步骤。最后,用一组包含不同粗差的模拟算例验证了该文方法的有效性。从理论上丰富了粗差探测的方法,扩大了均值漂移模型的应用范围。     

均值漂移模型在地壳运动异常测站剔除中的应用

地壳运动及形变分析时,一般认为块体运动以刚性运动为主,整体具有长期稳定性。但受块体局部构造运动和观测粗差影响,少数测站会出现异常运动,只有剔除这些异常测站才能获得对研究区域地壳的长期运动趋势及运动规律的合理分析结果。长期以来,在进行测站筛选时,大多采用将残差标准差的验后估计与残差相比是否超过某一限值来判别异常测站,做法不具备检测粗差的能力,对异常测站剔除并不充分。本文提出利用均值漂移模型对异常测站进行剔除,并与拟准检定法及传统基于残差标准差的简单LS估计法进行对比;对中国大陆构造环境监测网络在环渤海区域的近几期GPS观测的速度场数据进行拟合分析。结果表明,通过均值漂移量求解的迭代过程,不仅能起到抗差测站筛选的作用,而且与拟准检定法相比,还能避免拟准观测选择不准确造成的影响,从而获得更高速度场拟合精度。     

基于无人机视频的运动目标快速跟踪

无人机视频序列影像是尢人机在高速运动的条件下获取地面目标的动态信息,相机的运动给目标检测、跟踪带来了一定的困难。针对无人机视频序列影像背景位移的特点,将运动目标检测与跟踪技术分为运动估计、目标检测、目标跟踪3个部分。由于无人机视频序列影像中目标较小、分辨率较低,因此采用基于区域的目标跟踪算法。该方法计算量小,计算速度快...     

基于均值反差滤波的红外小目标检测算法

已有背景预测算法的基础上,提出了一种基于均值反差法作为不相似度量对图像进行滤波,在增强小目标的同时抑制了复杂背景,并通过自适应的背景预测算法,实现了对小目标的快速检测。实验结果表明,该算法对小目标适应性强,能大幅度地提高目标/背景的信噪比,从而快速而准确地检测出小目标的位置     

一种基于灰度直方图的分割阈值自动检测方法

提出一种新的灰度直方图阈值点自动提取算法——最大落差搜索法。利用灰度直方图直观特点,计算统计直方图峰值和谷值。选取最大峰值点为基准点,其余峰值点到基准点区域中,任意非最大峰值点与区域中所有谷值点所形成的最大落差,选取最大落差集合中的最大值,对应该值的低谷值点即为分割阈值点。该方法能够准确得到分割图像的阈值。     

结合均值漂移分割与聚类分析的遥感影像变化检测

针对传统遥感影像变化检测方法对前后期影像数据质量要求高、适应范围窄、检测精度较低等问题,本文在引入异常点检测思想的基础上,提出了一种结合均值漂移分割与聚类分析的遥感影像变化检测方法。首先将前期地理国情矢量数据与待监测的遥感影像进行地理配准;然后在地理国情矢量数据的基础上对遥感影像作均值漂移算法二次细分割,获得的矢量图斑继承了原有父级类属性,并对同一父级类的影像图斑进行光谱、空间、纹理、指数等特征提取;最后采用高斯混合模型与最大期望值算法聚类获得多个类别,在父级类下找出异常类别的图斑。通过试验对比分析,表明了本文方法的有效性和可靠性,为遥感影像变化检测提供了新思路。     

双目序列影像3维运动物体定位跟踪

将计算机视觉中立体和运动视觉相结合,通过数字摄影测量方法,对智能视觉监控中计算机系统所获得的双序列图像通过物方“图像”分析法完成对运动物体空间位置的定位、量测及其跟踪,其中包括:摄像机检校,立体-运动双匹配约束,运动参数的求解及其云台运动控制等内容。给出采用所述方法,从真实双目序列影像中获取物体以匀速直线运动和匀加速直线运动云台运动控制的实验结果。     

基于灰度共生矩阵提取纹理特征图像的研究

在遥感影像分类的过程中非光谱特征起着重要的辅助作用。纹理特征作为一种重要的非光谱特征对于遥感影像分类精度的提高也有很重要的作用。本文主要研究了通过灰度共生矩阵提取纹理特征图像的方法,对该方法提取纹理特征图像进行了相关的实验分析。并将其在分类中的应用进行实验,证明了灰度共生矩阵提取的纹理特征对图像分类精度提高起到一定的作用。     

利用改进的遗传算法对红外影像自适应目标进行检测

针对红外影像背景复杂、噪声污染严重的特点,提出了一种基于训练样本的形态学背景估计方法,并将其应用于天空背景下的小目标检测及复杂自然背景下的人物目标检测实验。实验结果表明,改进的遗传算法不仅有效地改善了其过早收敛的缺陷,还增强了算法的局部探索能力,可消除复杂自然背景的影响,并可以有效地抑制椒盐噪声,检测结果的查准率和虚警率均有很大改进。     

双目序列影像三维运动参数确定

结合立体视觉的特点,介绍了一套双目视觉系统与完整的、由双目序列影像确定场景中目标运动信息的方法。其主要步骤包括相机检校、运动与立体影像的匹配、运动前后三维特征点的对应以及运动参数的求解。并给出了从真实双目序列影像中获取物体匀速直线运动和匀加速直线运动参数的实验结果。     

一种多特征自适应融合的粒子滤波红外目标跟踪方法

提出了一种自适应融合颜色特征和边缘特征的粒子滤波跟踪算法。首先,利用粒子滤波的天然框架,选择在红外条件下最能代表目标信息的颜色特征和边缘特征构造目标的多特征模型;然后,根据不同特征对目标与背景的可分性,对多特征模型中各特征分量的权值进行自适应调节;最后,借助动态空间模型,对粒子滤波跟踪算法进行改进,预测粒子的运动状态,从而克服环境突变对跟踪稳定性的影响。实验结果表明,本文算法能克服各种背景杂波及噪声的干扰,并能很好地解决目标在复杂背景下的尺度变化和突变运动带来的困难,保证了跟踪的鲁棒性和稳定性。     

基于GLCM的侧扫声纳影像纹理数据库设计

根据侧扫声纳影像的特征,提出了基于灰度共生矩阵(gray level co-occurrence matrix,GLCM)纹理分析的声纳影像纹理提取方法,对不同的纹理特征参数进行量化分析,生成侧扫声纳纹理图像,并建立侧扫声纳图像纹理数据库,实验结果验证了该算法的有效性和可行性。     

基于梯度径向夹角直方图的异源图像匹配

提出一种图像全局特征描述方法——梯度径向夹角金字塔直方图.该特征不受图像灰度级非线性变换和图像旋转的影响,具有较强的抗噪声能力.基于该特征的匹配算法能够对存在旋转变换的异源图像进行匹配.用SAR图像和可见光图像对匹配算法进行测试,结果表明基于梯度径向夹角金字塔直方图匹配方法的匹配成功率优于传统方法.由于对基准图进行离线...     

基于修正后直方图不变矩的符号图像变化检测

提出了基于修正后的直方图不变矩对符号图像进行变化检测的算法。该算法的主要思想是首先计算图像直方图不变矩，然后用两幅符号图像之间的相关系数来修正，利用修正后的不变矩来检测符号图像变化。该方法解决了Hu不变矩在检测符号图像变化时难以克服的灰度变化问题。结果表明．该算法对符号图像的对比度和灰度有较强的抵抗能力，能够提高符号图像变化的检测率和控制误测率。     

Convective Cloud Detection and Tracking from Series of Infrared Images

The most significant part of prediction of precipitation is the detection and identification of convective (cumulonimbus) clouds, also the tracking of cloud movement is important for identification of location of precipitation. A very simple methodology for detecting convective clouds and then tracking its movement from a series of infrared (IR) images is proposed in this paper. IR image is segmented using k-means clustering algorithm, which has been implemented using Euclidean, Manhattan and Mahalanobis distances and the results have been compared. Cloud clusters have been identified from segmented image and subsequently the large clusters were extracted. Center of Mass (CoM) was calculated for each selected cloud cluster and its position after every 30 min was predicted and compared with the actual values. If the predicted position deviates, the proposed models automatically adjusts itself, and the next prediction becomes closer to original values of position.     

基于UNIX的动态地理目标跟踪技术

介绍了基于UNIX动态地理目标跟踪原理与系统设计思想,详细阐述了一种在UNIX下实现地理信息显示及动态目标跟踪的方法,并根据自己的开发经验介绍了消除闪烁、提高目标显示效果的技术方法。