张文超[1]2004年在《复杂背景下运动小目标识别算法研究》文中研究表明复杂背景下运动小目标的识别是一项十分有用的工作，可以应用在航天军事导弹轨迹识别跟踪、交通违章检测等众多领域。但在有些场合如红外制导中，需要能够尽快地截获并锁定跟踪目标，由于在红外传感器与目标之间的距离很远（通常为几十公里甚至上百公里），目标在像平面上的成像仅为点目标并且淹没在各种杂波背景中。这样的点目标没有一定的几何外形，且目标尺寸相对于复杂的大面积背景来说显得较小、信噪比较低，若采用单帧图像检测就显得十分困难。因此通常的识别算法，如基于形体边缘检测、基于膨胀能量积累检测等就显得无能为力。本人在查阅大量中外资料的基础上，并结合运动目标点在相邻帧之间的相关性，提出了一系列针对运动小目标识别的算法。正是由于运动小目标相对于复杂强背景具有以下明显特点 ：a 目标尺寸小 b对比度小 c空间天电干扰以及检测器件本身的随机干扰大 d相邻帧之间运动点目标具有很强的相关性。因此可根据这些特点对每一帧图像采用 Tophat 变换形态学滤波、差帧滤波、波差分或基于高频系数小波重建等高通滤波滤除每一帧图像中的大面积背景，而保留点状小目标。其核心就是设计一个高通滤波器。对于每一帧经过高通滤波后的图像，其表现为大面积的零背景和包含点状目标点状噪声在内的高频分量。然后根据相邻帧之间运动点目标的相关性，进行差帧多帧迭加，目标由于其运动性，在迭加帧上表现为相关性很强的点轨迹，而高频点状噪声，则由于其随机性相互抵消一部分，未抵消部分在几何面积上表现为相关性很差的随机分布干扰点。对于迭加帧，根据运动目标点所表现出的强相关性，采用双向链表数据结构，进行递归算法识别，链表的每一节点存储当前目标点的位置信息和灰度值信息，以当前点为圆心，以相邻帧间时间与点目标在成像平面内的投影速度的乘积为半径的前向半圆区域内，进行搜索。以链表的长度为门限，设置阈值。当链表长度达到阈值门限时，输出链表的所有点，即为要识别的运动点目标轨迹。以下框表说明该实验系统的基本原理。 ~ I ~
魏敦生[2]2012年在《星空背景下小目标的跟踪与识别》文中进行了进一步梳理随着现代高科技飞速的发展，人类的活动空间已不仅仅局限在地球表面及低空区域，太空以及外太空已被视为兵家必争之地，能否对它进行有效控制对各个主权国家安全的意义重大，因此，太空已成为世界各国展示科技的平台和军事斗争的前沿阵地。在这种新的军事斗争形式中，基于视觉的空间目标监视系统起着基础性和关键性作用。空间目标监视系统的任务是对重要空间目标（特别是非合作目标）进行精确捕获、跟踪与匹配识别，确定可能对航天系统构成威胁的航天器的类型、任务、尺寸、形状和轨道参数等重要目标特性；对目标特性数据进行归类和分发。但天空气象复杂多变，特别是在夜空背景下，要实现目标的跟踪与识别比较困难。它融合了图像处理、模式识别、人工智能以及自动控制等许多领域的知识，是一个多学科的、极具挑战性的前沿课题，是计算机视觉领域中的研究热点之一。星空背景下运动小目标的跟踪与识别算法是本文研究的重点。本文在前人研究成果的基础上，对星空背景下的小目标的跟踪与识别算法进行了一些改进和实现，主要工作如下：首先，对于星空背景下运动小目标的检测，本文根据星空背景的特点介绍了在恒星定位的基础上采用RANSAC算法进行图像配准；同时，为了实现目标捕获，研究了基于混合高斯模型（GMM）的方法对小目标进行捕获的技术；在图像配准和捕获到目标的基础上，最终采用基于kalman滤波的算法对目标进行轨迹估计，获得目标运动的轨迹。其次，针对星空背景下近景目标的跟踪，本文研究了基于粒子滤波的跟踪技术，并提出了一种基于多模型混合的空间目标跟踪技术。根据粒子滤波的特点，将粒子滤波运用于星空背景下近景小目标的跟踪，实现了对卫星的有效跟踪。虽然粒子滤波算法可以实现对目标的有效跟踪，但它计算量巨大，所以本文还研究了采用基于仿射变换和粒子滤波的跟踪技术来对目标进行跟踪。实验表明，采用基于多混合模型的跟踪技术可以精确的对目标进行跟踪，与采用单模型的方法相比，基于多混合模型的跟踪技术大大提高了跟踪的精度，有效地融合了目标的颜色信息和运动信息，成功解决了与目标类似颜色的背景对跟踪的干扰问题，同时这种方法对目标遮挡也不敏感。最后，对于星空背景下目标的识别问题，文章分别采用傅里叶描述子和Shape Context描述子这两种轮廓描述子对目标进行轮廓特征提取，通过这些算子，我们成功的找到轮廓最为相似的目标进行匹配，实现了对目标的识别。
张恒[3]2008年在《红外目标检测与识别理论与技术研究》文中认为本文对红外目标检测、识别以及红外目标图像的处理算法进行了一些研究。主要有空时域滤波在红外目标检测中的应用、红外目标运动检测分析、基于灰度估计的红外目标检测研究、红外目标逐步匹配识别算法研究,基于标记和神经网络的红外目标识别算法研究。从抑制背景的角度,研究了空时域滤波在红外目标检测中的应用,既从空域上考虑,又从时域上着手。图像在空域上的滤波采用自适应滤波减少噪声的影响。针对梯度形成的目标边缘,可能在时域差分后损失有用信息,本文提出在差分前先检测目标边缘,差分后利用像素邻域的信息加以插值补偿。由于时域和空域的噪声是互不相关的,所以将空域滤波的结果和时域滤波的结果综合,得到具有高信噪比的图像,能很好地适应复杂的起伏背景,达成对目标的有效检测。针对目标运动检测问题,从光流法分析、梯度运动估计和灰色系统估计叁个方面进行分析。经过仿真试验得出结论,最好在实用中将光流法分析和梯度运动估计结合,先用光流场发现目标的运动规律(前提是符合光流的形成条件),再用梯度方法准确测量,针对运动目标的帧间运动轨迹用灰色系统估计来预测。试验表明,采用上述方法对红外运动目标检测有一定的建设性意义,同时考察了检测运动目标的适用度。对于灰度估计下的红外目标的检测问题,提出了改进的最大熵估计算法,首次提出了熵估计中的柔性因子和强制因子的概念。利用红外目标图像的熵进行灰度估计后,对筛选出来的目标做标记,经像素形态结构算子滤波后,检测出红外图像相对应的目标。为求解由马尔可夫随机场问题分割图像的最大后验概率问题,采用了基于博弈论的决定性退火算法,它能收敛于局部最优解。再利用矩函数的特性,对退火后的图像的矩-傅里叶描述子特征向量构成的特征矩阵进行逐步匹配。使用退火处理与逐步匹配识别算法的结合,能够在很大程度上识别到目标。研究了基于标记和神经网络的红外图像识别问题。选取实际红外目标,依据预处理后的图像,提取对应目标的递归标记作为BP网络的输入样本,目标的形心为输出样本,构建BP神经网络。对网络进行抗干扰训练后,根据目标形心特征进行变分辨率相关匹配。在提高了目标识别率的同时,极大地增强了图像处理的实时性。本文通过仿真,对红外目标检测和识别体系中的红外目标图像处理方法进行了深入研究,为复杂环境下红外目标检测和识别提供了有效的算法,对工程实践具有指导性意义。
张文超, 王岩飞, 陈贺新[4]2007年在《基于Tophat变换的复杂背景下运动点目标识别算法》文中进行了进一步梳理提出了基于Tophat变换复杂背景下运动小目标识别算法。对于单帧图像采取形态学上Tophat滤波,进行低频背景抑制。为增强目标点,再进行差分多帧迭加,在最后的迭加帧上采用双向链表进行轨迹识别,根据轨迹点的相关性以链表深度为域值进行轨迹判决。实验结果验证此方法可以较好地从复杂背景下提取运动小目标。
张峰[5]2010年在《红外成像ATR系统中的数字图像处理及识别检测分类技术研究》文中研究表明随着红外成像自动目标识别(ATR)技术在精确武器系统上的广泛应用,世界各国都在加速发展红外成像ATR技术的研究和装备的研制。本文根据“十一五”国防重点预研项目,对红外成像ATR系统研制过程中涉及到的若干问题作了较为深入的研究,主要研究成果如下：针对红外焦平面阵列器件(IRFPA)在大动态范围内应用的问题,提出了基于非线性快速卡尔曼滤波的非均匀性校正算法,该算法能对IRFPA实现非均匀性和非线性的双重校正,且运算量较小。为满足系统在某些实际场合应用的需要,针对传统基于场景统计的非均匀性校正算法的不足提出了一种基于平稳小波变换的非均匀性校正算法,该算法能在场景变化不充分的条件下对IRFPA进行非均匀性校正。由于红外图像在传输过程中易受到噪声的污染,加之红外成像本身具有图像细节模糊不清的特点,严重影响了后续目标检测以及目标匹配的精度,为此提出了一种基于联合直方图均衡及图像融合的红外图像增强算法,该算法能够有效抑制噪声,提高图像的对比度；另外该算法通过对原始图像进行非线性外推处理得到新的细节成分,在增强对比度的同时增强了图像目标的细节。针对传统帧累加以提高图像信噪比的方法易造成图像中运动目标模糊的情况,提出了一种改进的基于图像序列的图像增强算法,该算法通过准确的提取图像中目标的运动场,通过带有运动补偿的时空域滤波完成红外图像的2D-TDI增强,仿真实验的结果验证了算法的有效性。针对复杂背景下低信噪比红外弱小目标检测问题,提出了基于各向异性判决和双边滤波的红外弱小目标检测算法。该算法能对图像背景中精细部分进行有效预测,取得了较好的背景抑制效果。针对红外成像ATR系统需要精确的目标轮廓的要求,提出了一种基于蚁群算法的快速二维模糊熵图像分割算法,该算法使用二维模糊熵的设计思想并将其改进,推导出快速算法,最后使用蚁群算法优化其阈值求解,达到了快速、准确提取目标轮廓的目的。由于红外小目标的检测易受到各种虚假目标及随机干扰的影响,为此提出了一种基于模糊D-S证据合成理论的双色红外小目标识别算法,使用双波段红外成像,克服单波段红外成像易受干扰的缺点,并将模糊集理论与D-S证据合成理论融合,提高了对获得的目标信息识别的能力。针对红外面目标识别的问题,着重研究了小波矩不变量在红外成像目标识别方面的应用及其性能,该算法能对位置、尺度和视角发生变化的目标进行识别,仿真实验结果证明了该算法的有效性,取得了较满意的效果。此外,针对复杂战场应用环境,设计并研制了一套高帧频的红外成像ATR实时信号处理系统,该系统能实时稳定的完成红外成像ATR系统所需的一系列算法,具有工作帧频高、信号动态范围大、实时性强、处理精度高和灵活性等优点。
刘志刚[6]2005年在《红外成像点目标的检测与识别技术研究》文中指出如何在有干扰的情况下,在尽可能远的距离上对目标进行快速检测、精确跟踪和准确识别,是现代防御技术领域面临的重要挑战。点目标检测与识别是增加防御系统有效作用距离的关键,在远红外警戒、红外成像制导等方面得到广泛应用。本文在对现有点目标检测与识别技术进行分析的基础上,深入研究了复杂背景和深空背景下点目标的检测和识别技术,取得了一些有价值的研究成果。 当红外预警系统对低空飞行的运动目标进行检测时,由于云杂波的存在,系统的检测性能会受到严重影响。论文分析了云层背景下目标和云层在探测器上的时间响应特性,建立了四种类型的象素点时域模型。并以此为基础提出了云层背景下点目标的时域检测算法,理论分析和实验结果表明新算法能有效检测出各种云层背景下的点目标。 随着探测器技术的发展,探测器尺寸不断增大,帧速率不断提高,检测识别算法所要求的运算量呈几何级数增长。为了满足拦截系统的实时性要求,必须从算法层面上进行快速检测算法的研究,以解决处理系统运算能力不足的问题。为了使动能拦截器能实时检测出深空背景下的目标,本文提出了分段速度匹配算法,与其它算法相比,分段速度匹配算法的检测性能高,而且计算量低。为了使运算量降得更低,论文对分段速度匹配算法作了进一步改进。与分段速度匹配算法相比,改进算法在检测性能下降不大的情况下,计算量显着下降。 点目标识别是反导系统中最困难的问题之一。本文对空间物体沿弹道轨迹飞行时的温度变化规律进行了研究,分析了目标和诱饵的红外特征差异。为了从各种空间物体中识别出导弹弹头,设计了基于改进时延神经网络的识别系统,识别系统以空间物体的温度及亮度变化频率作为目标识别的主要特征。通过对多种条件下的目标和诱饵进行仿真实验,取得了令人满意的结果。
张肃[7]2014年在《光学相关运动目标识别技术的研究》文中进行了进一步梳理应用光学相关原理的联合变换相关器以运算速度快、信息存储容量大以及平行运算等优点广泛应用于模式识别领域中。通过探测目标与模板而得到的相关点为依据,进而确定目标的方位信息,并将这种光电混合系统结合各种计算机编程技术,已经完成了对微光目标、红外目标、复杂背景下目标及小目标等多种静止目标的识别。但是在运动目标的光学相关识别中,由于目标自身运动所导致的目标与模板之间存在的畸变问题及周围复杂背景、天气变化和低对比度环境等外在因素对联合变换相关器的干扰,出现了在探测过程中没有相关点或相关点微弱的现象,严重影响运动目标光学相关识别的顺利进行。针对运动过程中目标与模板之间存在的大小、旋转及形状等不匹配的问题,提出了瞬态模板更换的方法,选择识别动态序列中的前一帧瞬时状态作为下一帧的模板,这样便可完成实时对模板的更新。为了增强相关点的亮度,提高相关器的识别效率,分别将小波、多小波及小波的提升算法引入对运动图像的物面处理技术中。提出了采用形态学膨胀处理的小波边缘提取算法及小波多尺度边缘融合算法；应用多小波所具有的多重多分辨率分析性质,提出了基于多小波变换的边缘提取算法及能分别增强高、低频信息的多小波图像增强技术；并进一步对小波的算法进行提升,给出了基于小波提升算法的边缘提取方法。分别将这些物面处理算法与瞬态模板方法相结合应用到光学相关运动目标的识别中,结果表明,基于小波变换的模极大值提取、小波多尺度边缘融合及基于多小波变换的图像增强算法均可提高相关器对低对比度运动目标的识别率。基于多小波变换的边缘提取可完成对运动微光目标及复杂背景下运动小目标的相关识别。而基于小波提升算法的边缘提取方法可实现复杂背景下运动目标的探测,并使运算速度得以提升,运算量减少。大量实验结果验证了应用该算法可实现光学相关运动目标的识别与探测技术。
蒋光友[8]2012年在《红外视频运动点目标识别关键技术研究》文中指出在复杂背景下的真实环境中，对采集到的红外视频进行弱小运动点的识别难度非常大，为提高未来红外图像末制导信息处理系统在特定真实环境下的性能，本文对复杂背景下序列图像中弱小目标识别的关键技术进行了研究。对采集到的真实红外视频中的运动点目标进行识别，并取得较好的效果。通过分析复杂背景下红外弱小点目标与邻域背景及噪声的灰度信息差异，本文采用基于邻域特征的算法提取角点和图像匹配策略，用软件实现了几种经典的角点检测算法和本文提出算法并进行了对比分析，对红外序列进行了图像配准测试。在图像配准的基础上，本文使用能量累加结合动态规划算法识别运动目标点。图像分割和配准处理后的图像中包含了疑似目标点及其相关信息，首先将点目标的运动空间看成是一个由序列帧图像和时间组成的叁维通道，然后在最大帧间速度确立的邻域内搜索关联每个疑似目标点的轨迹，并进行轨迹的能量累加。当点目标在连续帧中被噪声或背景淹没时，运用最小二乘法预测器对点目标进行轨迹预测，继续对点目标可能轨迹跟踪，直到识别出真实的目标。本文所提算法全部基于C++实现，以采集到的真实环境红外视频为对象进行了实验测试，结果表明：本文所提的红外视频运动点识别策略对采集到的真实红外视频中特定点目标（远距离公路上的机动车）的识别效果良好。
梁发麦[9]2005年在《复杂背景下运动小目标检测算法研究》文中认为复杂背景下运动小目标的识别,是近年来图像处理与目标识别领域的一个难点,其任务是从经预处理的图像序列中发现满足条件的运动点目标。本人深入研究了复杂背景下运动小目标序列图像的特征,分析了目标、背景和噪声的特性及成因,用图像背景均值处理和噪声白化处理的方法对图像和噪声进行预处理。对单帧图像先进行低频背景抑制,分别采用高通滤波、自适应均值滤波、形态学滤波、窗口极大值滤波、弱化背景边缘滤波,经实验分析知弱化背景边缘滤波的效果最好。为进一步增强点目标,抑制干扰点状噪声,分别采用概率统计似然比分割、自适应门限分割、最大对比度分割等方法对滤波后的单帧图像进行了小目标的空间分割,由实验知最大对比度分割法效果较好。对序列图像,基于目标在相邻帧的图像中位移变化不大的前提,对滤波后的图像进行了能量累加;采用时域分割和时空联合分割的方法,提高了分割的准确性和目标的强度,缩短计算时间。利用小波时频特性和多分辨率分析性能,提出了小波区域相关滤波算法的点目标检测方法,本算法克服了传统滤波方法对边缘信号和噪声无法有效区分的缺陷。在此基础上对课题的研究前景进行展望。
参考文献：
[1]. 复杂背景下运动小目标识别算法研究[D]. 张文超. 吉林大学. 2004
[2]. 星空背景下小目标的跟踪与识别[D]. 魏敦生. 上海交通大学. 2012
[3]. 红外目标检测与识别理论与技术研究[D]. 张恒. 哈尔滨工程大学. 2008
[4]. 基于Tophat变换的复杂背景下运动点目标识别算法[J]. 张文超, 王岩飞, 陈贺新. 中国图象图形学报. 2007
[5]. 红外成像ATR系统中的数字图像处理及识别检测分类技术研究[D]. 张峰. 西安电子科技大学. 2010
[6]. 红外成像点目标的检测与识别技术研究[D]. 刘志刚. 国防科学技术大学. 2005
[7]. 光学相关运动目标识别技术的研究[D]. 张肃. 长春理工大学. 2014
[8]. 红外视频运动点目标识别关键技术研究[D]. 蒋光友. 电子科技大学. 2012
[9]. 复杂背景下运动小目标检测算法研究[D]. 梁发麦. 吉林大学. 2005
标签：电信技术论文; 红外成像论文; 图像融合论文; 边缘提取论文; 运动论文; 红外传感器论文; 运算速度论文; 图像尺寸论文; 数据滤波论文; 空间分析论文; 图像滤波论文; 空间滤波论文; 图像噪声论文; 匹配滤波论文; 图像处理论文; 算法论文;