红外图像序列论文_王晓田,马万超,张凯,李少毅,闫杰

导读:本文包含了红外图像序列论文开题报告文献综述、选题提纲参考文献及外文文献翻译,主要关键词:图像,序列,目标,判别式,阈值,复杂度,粒子。

红外图像序列论文文献综述

王晓田,马万超,张凯,李少毅,闫杰[1](2019)在《面向自动目标跟踪红外图像序列复杂度度量》一文中研究指出红外图像复杂度度量是自动目标识别及其跟踪性能评估的重要组成部分。传统的度量指标如统计方差、信杂比等针对的皆是单帧图像,而对于图像序列复杂度度量的研究寥寥无几。针对该问题,提出一种面向自动目标跟踪的红外图像序列复杂度度量方法。首先,对影响目标识别及其跟踪因素进行分析,明确了红外图像序列中影响目标识别及其跟踪的具体原因,以此为依据构建基于特征空间的目标混淆度和目标遮隐度指标;其次,通过灰色关联法优化特征空间,使目标混淆度和目标遮隐度指标更加合理;最后,结合识别与跟踪的特点,选择合适的加权平均函数和非线性变换函数,实现图像序列复杂度度量。实验表明,与图像序列评价指标如序列相关度、帧间目标变化度相比,文中提出的评价指标与跟踪误差的单调关系更好,是一种有效的图像序列复杂度评价标准。(本文来源于《西北工业大学学报》期刊2019年04期)

易欣,郭武士,赵丽[2](2019)在《热红外图像序列中基于KCF和Mean-Shift定位的目标跟踪方法》一文中研究指出针对热红外图像低信噪比(SNR)特性,提出了一种判别式热红外目标跟踪方法。首先,通过自适应组合核化相关滤波器(KCF)来获取目标位置,使用最有区别的特征集梯度和信道编码强度特征训练滤波器;然后,将经过训练的滤波器与感兴趣区域相关联,并将输出响应自适应地组合在一起,基于峰值定位目标。使用AdaBoost分类器对包含目标像素和背景像素的图像块进行训练,以分割连续帧中的对象;最后,通过Mean-Shift均值漂移算法寻找峰值以获得最优位置。对LTIR数据集中13个具有挑战性的红外视频进行了实验,结果显示提出的跟踪器在平均中心位置误差、距离精度和重迭精度等方面均优于其他跟踪器。(本文来源于《重庆理工大学学报(自然科学)》期刊2019年08期)

陈智勇,孙嘉[3](2019)在《区域分割下序列红外图像智能融合算法研究》一文中研究指出针对传统的红外图像智能融合算法存在清晰度较低、运行时间较长等问题,提出基于SNNT变换的区域分割下序列红外图像智能融合算法。利用熵率法将图像划分为若干超像素,选取信息度量精度较高的模糊相关与考虑空间相关性的图割相结合。引用最大模糊相关时,集合划分概率设定图割的数据项,建立模糊相关性图割2-划分算子,引用2-划分算子对目标区域进行分割。在上述基础上,分别对可见光图像与红外图像进行NSST变换,对所有的低频分量进行引导滤波增强,将图像增强处理后的红外图像与可见光图像低频分量经过目标提取的融合规则得到融合图像的低频分量,引用方向子带信息以及取大确定高频分量,经过NSST逆变换得到融合图像。实验结果表明,所提算法能够有效减少运行时间,提高图像清晰度。(本文来源于《激光杂志》期刊2019年06期)

任仲超[4](2018)在《基于红外图像帧序列分析气体泄漏检测方法研究》一文中研究指出随着工业的高速发展,不仅对容器的强度有一定的要求而且对容器的气密性有着更加苛刻的要求。传统的检测气密性的方法有基于硬件和软件的方法,基于硬件的方法,虽然能够检测泄漏的准确位置,但是检测效率比较低,不能实现流水线自动化作业需要结合人的配合。基于软件的方法虽然能够检测出泄漏的大致位置,但是不能精确地定位到具体位置,对泄漏处的准确填补造成很大困难。针对上述问题,本课题引进红外图像气体泄漏检测的方法,并且搭建了气动回路实验平台,设计了单帧、多帧的检测算法,通过红外热像仪实时抓取容器的温度场的状态,以达到准确定位泄漏点的位置的目的。具体研究内容如下:(1)搭建红外图像气体泄漏检测实验平台,包括利用红外热像仪采集红外图像,检测泄漏的工件,实现软件平台,键控送气和断气等步骤。(2)图像的前期预处理,主要包括选择合适的图像滤波算法提高图像信噪比和增强图像质量,具体实施措施有直方图均衡化以及灰度图的重新映射等滤波方法。(3)基于双边滤波的点源扩散算法对单帧图片进行检测,算法主要包含两个部分双边滤波和点源扩散原理。(4)基于多帧跟踪定位红外小目标检测方法,主要内容是目标点的质心替换、中值滤波和卡尔曼滤波的多帧跟踪等。(5)基于小波理论的图像泄漏点定位的方法,主要是通过小波分解与重构去掉图像的背景,然后再根据小波系数去噪法去掉噪声,最后定位泄漏点。本文提出的单帧检测算法对于实现泄漏点的实时定位具有一定的工程意义和理论价值。(本文来源于《燕山大学》期刊2018-05-01)

邹业兵,朱彦陈,王欣,苏利强[5](2018)在《基于红外图像序列的排球运动关键技术特征提取方法》一文中研究指出针对现有运动技术特征提取方法中运动目标特征提取不准确的问题,提出了一种基于红外图像序列的排球运动关键技术特征提取方法 .首先,获取红外图像序列的排球运动图像,并对红外图像序列中的运动目标进行检测和提取,进一步用图像分割方法进行边缘分割.然后,基于视点跟踪切换方法进行阈值分析,实现对运动目标的准确跟踪和提取.实验表明,提出的方法准确性和效率均高于传统方法 .(本文来源于《湘潭大学自然科学学报》期刊2018年02期)

王传宇,郭新宇,杜建军[6](2018)在《基于时间序列红外图像的玉米叶面积指数连续监测》一文中研究指出针对受田间变化光照影响冠层图像参数计算的精度及自动化程度仍然不高的问题,该文提出了一种基于冠层顶视单角度红外图像序列的玉米叶面积指数(leaf area index,LAI)获取方法。首先,在玉米整个生育期内获取冠层顶部垂直向下红外图像序列,针对冠层图像背景分割易受田间变化光照影响,提出了一种基于绿色植物"红边"现象和冠层图像背景正态分布模型的分割方法,方法计算简便精度高于支持向量机分割。在冠层参数解析阶段,根据玉米叶片球形分布假设,简化了顶视冠层图像的叶片投影函数(G函数),利用Beer-Lambert定律推导了图像冠层孔隙度计算叶面积指数的方法。试验结果表明:该方法与间接测量原理的商业化设备测量值具有较高的相关性,叶面积指数测量的决定系数为0.94。方法应用于2个不同年代品种冠层结构动态变化监测,能够准确反映冠层结构差异,建立了冠层孔隙度与植株干质量(R2=0.95,R2=0.94)植株鲜质量(R2=0.96,R2=0.89)的关系模型,该方法简化了玉米冠层结构参数测量过程,可为田间环境下冠层参数的自动连续监测提供了解决方案。(本文来源于《农业工程学报》期刊2018年06期)

于静[7](2017)在《红外图像序列的多目标跟踪方法研究》一文中研究指出红外成像技术是根据不同的物体以及物体的不同部位产生的热辐射不同,依靠红外线传感器的热成像性能来获得图像的技术。目前,由于器件的价格降低,使得红外线成像技术得到了快速的发展,并且在军事及民用领域的应用越来越广泛,其中包括:红外制导、视频监控、侦察与安检、搜索与跟踪等多个应用场景。红外线视频序列中的多行人目标检测跟踪是红外线技术的一项重要的技术,发挥着重要的作用。与可见光下的视频图像序列不同的是,红外线视频序列中的图像的信噪比较低,目标与背景的反差比较小。这些特点使得在红外线视频序列的情况下进行跟踪和检测行人目标的难度增加。另外,视频中多目标的跟踪本身就是计算机视觉领域中的一个难点,对于红外线视频序列,更需要好的算法设计。本文的主要研究内容是实现自动的识别和跟踪红外线视频中的多行人目标。红外线视频序列的多目标跟踪过程主要分为行人检测和目标跟踪两部分。在行人检测过程中,将级联的Adaboost算法与EOH(Edge Orientation Histogram)特征进行结合,实现快速鲁棒的行人检测算法,大大降低目标检测的时间消耗,并且得到较好的检测效果。在目标跟踪过程中,根据行人运动的非线性非高斯特性选择了粒子滤波算法作为本文跟踪算法的主要算法,根据红外线图像仅有灰度特征改进了粒子滤波算法,并使用LBP(Local Binary Pattern)纹理联合图像的灰度特征建立观测模型,设计出适用于红外线视频序列多行人目标的跟踪算法,解决了目标的消失、遮挡、重新出现等问题。本文以实现红外线视频序列的多目标稳定的检测和跟踪为目的,兼顾整个跟踪过程的实时性,通过对目标检测和跟踪算法的改进与整合,实现了实时的、鲁棒中红外线视频序列多行人目标的目标跟踪。(本文来源于《东南大学》期刊2017-05-31)

王振菊[8](2017)在《车载红外图像序列的行人目标分割与跟踪方法研究》一文中研究指出基于红外成像技术的行人检测具有重要的学术意义和应用价值。红外图像主要通过捕获物体发出的热量而形成灰度图像,其成像原理简单,不受光线、颜色、纹理和烟雾等影响,所以在汽车辅助驾驶系统和智能监控系统(特别是夜间)中应用前景广阔。远红外行人分割,做为远红外行人检测及跟踪的基础,对于提高行人检测和跟踪的性能具有重要作用。行人跟踪则在提高行人检测性能以及研究行人运动等方面,应用前景广阔。本文主要研究基于汽车辅助驾驶的车载远红外图像中的行人目标进行分割以及行人目标的跟踪。根据远红外图像成像原理,以及行人目标的特点,本文主要做了如下研究:1)提出了一种基于场景信息的红外行人分割方法,即基于路面信息和像素亮度垂直投影的分割方法。根据路面位置信息,自适应获得感兴趣的图像区域(Areas of Interest,AOIs)。对AOIs区域的像素亮度进行垂直投影,初步定位行人可能存在的垂直带状区域,由于行人受到自身宽度的限制,对得到的垂直带状区域进行筛选,即可得到行人最可能存在的垂直带状区域。通过与目前优秀的分割方法进行试验对比,验证了该方法良好的性能和抗噪声能力。2)提出了基于改进的场景上下文信息的红外行人分割方法,即基于均值漂移算法和垂直投影算法相结合的分割方法。针对像素亮度投影分割方法可能会将行人分割到两个候选区间以及容易受到亮度较大的背景物体影响的特点,通过利用均值漂移(Meanshift)算法对图像进行分割和合并,同时与像素亮度垂直投影方法相结合,对图像块进行筛选,得到最终的候选区域。通过实验对比,该方法在明显减少了候选区域的数量,同时也降低了行人的漏检率。最后通过行人检测技术,证明本文的分割方法明显提高了行人检测的性能。3)提出了基于改进的核相关滤波器(Kernelized Correlation Filters,KCF)的跟踪算法,针对核相关滤波器模板更新和尺度固定问题,结合车载远红外图像序列中行人目标的特点,提出了相应的改进方法。首先,通过对所有帧的目标模板进行加权累加更新模板,使得模板更具有代表性。其次,针对目标尺度变化问题,提出了选取多尺度目标的方法,同时更新模板的尺度。最后,针对图像中多个目标同时出现的问题,将跟踪器进行多个并行化处理。经实验证明,该方法在车载红外图像序列上具有良好的性能。(本文来源于《华南理工大学》期刊2017-03-10)

琚映云[9](2016)在《红外图像序列中目标跟踪与目标轮廓提取技术研究》一文中研究指出红外成像技术目前已广泛地应用于军事、医学、交通、监控等领域。红外图像目标的在线跟踪以及目标轮廓信息的获取已经成为红外领域中的一个研究重点。本文针对红外图像的特点,对基于TLD(Tracking-Learning-Detection)算法的红外图像目标跟踪技术以及基于活动轮廓模型的红外图像目标轮廓提取技术展开深入研究。本文首先从红外图像的成像机理出发分析图像特征,分析了红外图像数据的直方图模型和统计分布模型。在此基础上提出了一种混合图像增强算法,成功改善了红外图像对比度低、边缘模糊的缺陷,提升了红外图像的质量。其次,研究分析TLD目标跟踪方法的原理及流程,针对红外场景下的目标跟踪问题提出了一种基于尺度自适应Meanshift算法和Kalman滤波的改进TLD目标跟踪方法。实验结果表明该方法提高了原始TLD算法对于红外目标的跟踪精度和运行速度。再次,分析了常用活动轮廓应用于红外图像目标轮廓提取的效果,针对其不足提出了基于距离加权势能活动轮廓模型和最小方差活动模型。这两种方法具有对初始轮廓不敏感、抗噪性强及运算效率高等优点。最后,结合本文所提出的混合图像增强算法、改进TLD目标跟踪算法及活动轮廓提取算法,综合设计了一个红外图像序列目标跟踪及轮廓提取软件系统,并在实际场景下对该系统进行了验证。(本文来源于《南京航空航天大学》期刊2016-03-01)

刘建[10](2015)在《基于Mean Shift的红外图像序列的目标跟踪方法研究》一文中研究指出红外成像技术通过获取外界的红外辐射进行工作,具有作用距离远、易于隐蔽、可昼夜工作等优点。随着红外成像技术的快速发展,其在军事及民用领域的应用也越来越广泛,包括:红外精确制导、视频监控、侦查与安检、搜索与跟踪等诸多方面。基于红外成像的目标跟踪,作为其中的一项重要技术,发挥着重要的作用。不同于一般的光学图像,红外图像信噪比低,噪声信号复杂,目标与背景的反差小。这些特点使得在红外序列图像中进行稳健的目标跟踪的难度大大提高。本文以红外目标跟踪为研究背景,对基于Mean Shift的红外目标跟踪方法进行深入研究。Mean Shift跟踪算法是动态目标跟踪中常用的算法之一,可以很好地解决视频序列中相邻两帧图像的运动目标匹配问题,且不需要先验知识,具有快速和有效的特点。Mean Shift跟踪算法首先基于颜色直方图对目标进行建模,然后以巴氏系数为标准比较目标和候选目标间的相似度,最后通过迭代计算得到所跟踪目标的最优位置。由于红外图像噪声干扰强,目标不能清晰的同背景区分开来,传统的Mean Shift跟踪方法虽然能很好地应用于可见光的跟踪,但在红外跟踪时效果会很差,针对这种情况,本文提出了能适用于红外图像序列的Mean Shift I跟踪算法。为了提高目标模型的表征能力,本文主要从两个方面进行了改进:一是在建立目标模型时,利用目标区域周围像素的灰度直方图定义背景加权系数,并将该系数引入到目标灰度直方图的计算中,通过这种方式降低背景像素对后续跟踪定位的影响,提高了目标跟踪的准确性;二是把不受光照和背景颜色影响的纹理信息加入特征空间,利用LBP (Local Binary Pattern)算子进行提取,选取LBP8,1中五种纹理模式来表示目标纹理,然后将得到的纹理信息与灰度信息相结合,通过直方图的方式共同去描述目标模型,使得目标表示更精确。实验结果表明,本文提出的改进算法可以在红外图像序列中获得稳健的跟踪效果。针对红外跟踪过程中目标尺度不断变化的情况,传统的Mean Shift跟踪算法保持核函数带宽恒定不变,这会导致目标的跟偏甚至丢失。本文通过计算跟踪窗口内的协方差矩阵,然后借助主成分分析方法来确定跟踪目标的方向和尺寸大小,实现核函数带宽的自适应调整。实验表明,这种方法能准确地获取红外图像序列中目标的尺度变化情况。(本文来源于《东南大学》期刊2015-05-01)

红外图像序列论文开题报告

(1)论文研究背景及目的

此处内容要求:

首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。

写法范例:

针对热红外图像低信噪比(SNR)特性,提出了一种判别式热红外目标跟踪方法。首先,通过自适应组合核化相关滤波器(KCF)来获取目标位置,使用最有区别的特征集梯度和信道编码强度特征训练滤波器;然后,将经过训练的滤波器与感兴趣区域相关联,并将输出响应自适应地组合在一起,基于峰值定位目标。使用AdaBoost分类器对包含目标像素和背景像素的图像块进行训练,以分割连续帧中的对象;最后,通过Mean-Shift均值漂移算法寻找峰值以获得最优位置。对LTIR数据集中13个具有挑战性的红外视频进行了实验,结果显示提出的跟踪器在平均中心位置误差、距离精度和重迭精度等方面均优于其他跟踪器。

(2)本文研究方法

调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。

观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。

实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。

文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。

实证研究法:依据现有的科学理论和实践的需要提出设计。

定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。

定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。

跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。

功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。

模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。

红外图像序列论文参考文献

[1].王晓田,马万超,张凯,李少毅,闫杰.面向自动目标跟踪红外图像序列复杂度度量[J].西北工业大学学报.2019

[2].易欣,郭武士,赵丽.热红外图像序列中基于KCF和Mean-Shift定位的目标跟踪方法[J].重庆理工大学学报(自然科学).2019

[3].陈智勇,孙嘉.区域分割下序列红外图像智能融合算法研究[J].激光杂志.2019

[4].任仲超.基于红外图像帧序列分析气体泄漏检测方法研究[D].燕山大学.2018

[5].邹业兵,朱彦陈,王欣,苏利强.基于红外图像序列的排球运动关键技术特征提取方法[J].湘潭大学自然科学学报.2018

[6].王传宇,郭新宇,杜建军.基于时间序列红外图像的玉米叶面积指数连续监测[J].农业工程学报.2018

[7].于静.红外图像序列的多目标跟踪方法研究[D].东南大学.2017

[8].王振菊.车载红外图像序列的行人目标分割与跟踪方法研究[D].华南理工大学.2017

[9].琚映云.红外图像序列中目标跟踪与目标轮廓提取技术研究[D].南京航空航天大学.2016

[10].刘建.基于MeanShift的红外图像序列的目标跟踪方法研究[D].东南大学.2015

论文知识图

序列目标检测与全变差NSCT背景抑制算...颜色传递后的融合结果:(a)YUV空间伪彩...一16选出的图像块b()由图3一17选出的图...一61不同WPM占空比下的手指静脉图像1普通的更新结果}2本文更新结果

标签:;  ;  ;  ;  ;  ;  ;  

红外图像序列论文_王晓田,马万超,张凯,李少毅,闫杰
下载Doc文档

猜你喜欢