海事智能视频监控系统设计与实现

设计了一个面向海事场景的网络视频监控系统,系统从网络上获取航道和港区视频序列,进行分析和处理,对用户定义的受控区域进行实时监控,当受控区域出现运动目标时进行分级告警.针对海事场景背景复杂、干扰大等困难,提出了改进的混合高斯背景模型及运动检测方法.在目标跟踪方面,为运动区域建立颜色、形状和运动的混合模型,并通过距离矩阵和匹配矩阵判定目标和轨迹间的对应关系.经测试,该设计实现的各项功能都能满足海事部门对海事场景的实时监控.     

改进ViBe算法及其在运动船舶目标检测中的应用

为了抑制ViBe算法在海面动态背景视频下“鬼影”区域对船舶运动目标检测的影响,提高监控视频中船舶运动目标识别的准确率,提出一种改进的ViBe算法。首先,背景模型用连续帧初始化,以减少“鬼影”的影响;然后,使用自适应阈值和闪烁级别来减少海面杂波,同时采用像素点对比消除“鬼影”,提取运动目标前景,获取完整的运动目标区域。最后,对输入视频进行高斯金字塔多尺度分解,并采用改进的ViBe算法检测低分辨率视频中的移动船舶,完整提取了海上移动船舶。实验结果表明,所改进的算法消除了“鬼影”区域,减少了海面杂波的干扰,检测率为92.5%,单帧视频图像检测时间控制在97 ms以内,可准确、快速地检测和提取海面船舶运动目标。     

一种从红外序列图像中提取感兴趣区ROI的有效方法

红外序列图像中提取感兴趣区（ROI）是图像压缩的关键步骤,ROI检测质量的好坏直接作用影响着后续处理。文章在Stauffer等人提出的自适应混合高斯背景模型基础上,融入帧差法分别将背景区和运动区以不同的更新率进行更新,同时在自适应背景更新的同时,不断改进自适应学习率。试验表明该方法构建的背景模型有较好的适应性,既可以稳定的对背景进行实时更新,又能够快速的提取目标的感兴趣区。     

基于视觉显著性的船舶结构缺陷检测研究

针对船舶结构缺陷图像中背景结构复杂,缺陷不易检测的难题,提出基于视觉显著性的缺陷检测算法。该算法采用自适应全变分模型替代FT算法的高斯滤波器并融入H分量来构建改进型FT算法,以增强缺陷图像背景的平滑和缺陷局部颜色对比度的表达能力;利用SMD算法捕捉图像结构信息及分解图像特征矩阵,凸显船舶缺陷与背景的差异性;通过自适应融合算法将改进型FT算法和SMD算法生成的显著图融合为综合显著图。对船舶缺陷进行对比实验,结果表明,提出的算法能够有效检测出船舶缺陷区域,提高缺陷检测精确率。     

船舶航行监控视频的阴影消除算法研究

船舶航行监控视频对于船舶安全航行有重要意义,阴影消除是其中一个关键环节。传统的HSV空间消除算法在亮度分辨率上有很大弊端,极易产生误差,不能很好地消除阴影。提出了一种新的动船舶监控视频阴影消除算法——彩色空间阴影去除算法,该算法分为读取视频帧、建立背景、测定阈值和阴影检测4步。由实验结果可知,彩色空间阴影去除算法能够准确地消除掉动船舶监控视频的阴影,更地映射出船舶航行状态,消除过程不会受亮度分辨率影响。     

基于数学形态学的差分图像目标检测算法研究

针对舰船运动目标跟踪瞄准中,目标受背景影响比较严重这一问题,文章提出将通过运动补偿实现图像的配准后的图像,通过差分运算,以及利用多帧差分图像序列,获得平均差分图像,从而提高信噪比,系统设计为了减小噪声点对目标检测的干扰,利用自适应阈值对差分图像二值化,对二值化后的图像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,最终检测出目标,通过实验验证该方法是有效可行的。     

主动轮廓模型在运动舰船目标跟踪中的应用

应用数字图像处理技术对视频监控系统中的舰船目标进行运动检测与跟踪。针对水面环境存在的复杂变化,选用混合高斯背景模型的方法构建实时背景模型,应用背景差分法检测出监控画面中的运动舰船区域,并得到舰船目标的初始轮廓,再利用主动轮廓模型方法,提取运动舰船目标轮廓,并利用舰船轮廓实现目标跟踪。实验表明,算法可对目标轮廓进行较好地跟踪,并且复杂度较低。     

大数据技术在单目标船舶移动位置跟踪中的应用

由于在利用原有方法进行单目标船舶移动位置跟踪时,在船舶行驶里程为10 000～30 000 km的范围内,存在目标识别速度较慢的问题,因此将大数据技术应用于单目标船舶移动位置跟踪中,提出一种基于大数据技术的单目标船舶移动位置跟踪方法。通过混合高斯背景模型降低背景的干扰程度,并通过三帧差分降低光照突变时产生的误差,利用与计算融合获取结果,对潜在区域实施检测。通过构建LS SVM分类器,并对分类器进行训练识别单目标船舶移动目标。基于大数据技术,通过融合运动特征、边缘、色调的Camshift跟踪算法与卡尔曼无损滤波器实现单目标船舶移动位置跟踪。通过对比实验证明该方法的目标识别速度高于原有方法,实现了目标识别性能的提升。     

基于HSV空间的水上目标检测及阴影去除方法

水上船舶目标的视频图像检测结果受光照产生的阴影干扰较大,对水上目标识别产生干扰,因此提出一种基于HSV空间的水上船舶目标阴影去除的方法。通过水上视频图像中的S及V分量来分离出船舶目标,并且用H分量来去除目标阴影干扰部分,较大提高了目标识别的准确率。     

基于多源异构数据融合的船舶目标检测与跟踪技术研究

随着内河船舶通航密度加大,面向水上船舶智能化安全监管,提出了一种多源异构传感器融合的船舶目标检测及动态跟踪方法,重点分析了图像目标检测和多源数据融合算法。针对图像目标检测,提出了基于边缘检测的三帧差分法与基于混合高斯背景减除法相结合的船舶视频目标检测算法;针对多源异构数据融合,优化了一种正态性隶属度函数计算模糊矩阵的方法,实现了在动态视频修正下的激光点云数据与AIS数据的船舶轨迹特征融合,并通过空间矩阵变换实现投影到同一坐标系,最后利用卡尔曼滤波算法实现了目标的动态跟踪。通过该方法研发了一套基于多传感器融合的船舶态势主动式智能感知系统,经系统分析,该方法比传统人工检测及单一监测手段都具有更好的环境适用性和检测精度。     

融合双HOG特征和颜色特征的目标跟踪

目标跟踪是计算机视觉中一个极具挑战性的任务,应用于图像处理、模式识别、自动控制等不同领域.许多跟踪算法都获得了良好的效果,但复杂的运动场景会影响目标跟踪的性能.文中提出一种融合双HOG特征和颜色特征的方法,用于视觉目标跟踪,通过构造双HOG特征和颜色直方图特征,并进行融合,减少运动场景变化对目标跟踪的影响.首先,提取当前帧目标区域的HOG特征,并分割为HOG1和HOG2,利用判别相关滤波器对两个特征分别进行滤波处理,选择出最优的特征;然后,利用颜色直方图提取当前帧目标区域的颜色属性特征;最后,融合双HOG特征和颜色特征,获得特征响应图,在响应图中寻找最大值位置,即预测出的新目标位置.在OTB-2013、OTB-2015基准数据集上与其他6个算法对比,实验结果显示,该方法在处理背景杂乱、平面外旋转和形状变化等目标跟踪方面具有良好性能.     

基于光流和水平集模型的运动目标自动跟踪方法

在分析直升机在天空飞行序列图像特点的基础上,提出了基于光流和水平集模型的运动目标自动跟踪方法。该方法通过对图像进行高通滤波预处理,获得运动目标的特征图像,用特征图像来求解运动目标的光流,用光流对运动区域进行分割,获得运动区域的中心和半径,以该中心和半径的圆作为初始水平集曲线,以光流速度作为曲线演化的外力修改Chan and Vese模型,用改进后的模型对图像进行分割。实验证明,用本文方法能够快速、准确地自动跟踪运动目标。     

基于Chan-Vese模型的海面油膜分割应用

考虑到采用高空间辨率的光学图像开展海面油膜的监测由于海面风、浪、流等环境因素的影响,采集到的视频图像普遍存在成像光照不均匀、低对比度、低信噪比等问题,采用自适应高斯滤波进行图像噪声去除,基于一种局部图像对比度增强算法进行去雾和对比对增强处理,通过颜色空间转换配合Chan-Vese模型进行图像分割,使得海面油膜图像处理取得了良好效果。     

基于RGB统计颜色模型的火焰识别

火焰检测是识别复杂环境下火灾的重要方法,为提高火灾识别率,提出了一种基于RGB颜色空间统计模型的火焰识别算法,结合区域生长以及帧差法分割出疑似火焰区域后,侧重提取分析视频火焰的动态特征及分层特征,尤其是火焰闪烁特征,然后利用BP神经网络融合5个特征参量进行火灾的判决.实验结果表明:该方法在复杂场景下具有较好的鲁棒性,可有效识别火灾火焰,降低误报率.     

基于光流和水平集模型的运动目标自动跟踪方法

在分析直升机在天空飞行序列图像特点的基础上，提出了基于光流和水平集模型的运动目标自动跟踪方法。该方法通过对图像进行高通滤波预处理，获得运动目标的特征图像，用特征图像来求解运动目标的光流，用光流对运动区域进行分割，获得运动区域的中心和半径，以该中心和半径的圆作为初始水平集曲线，以光流速度作为曲线演化的外力修改Chan and Vese模型，用改进后的模型对图像进行分割。实验证明，用本文方法能够快速、准确地自动跟踪运动目标。     

基于图像融合与处理技术的舰船目标检测

舰船目标检测在国民经济、国家安全和环境保护等诸多方面有非常重要的地位。本文首先获取原始的光学遥感图像,进行预处理去除噪声等不良因素的干扰;其次进行目标增强,利用CRC自适应控制的结构元素尺寸,便于感兴趣的视觉焦点提取,运用自适应滤波器提取出划定的感兴趣区域的特征信息,利用图像信息融合检测出舰船目标;最后通过实验进行验证本文设计的算法,与传统舰船目标检测相比,提高了检测率,即使存在噪音等不利因素也能有效地检测出目标,并且降低了漏检率和虚警率。     

基于图像处理的舰船火灾烟雾检测技术研究

舰船火灾探测报警系统作为损管监测体系的关键构成部分,其性能的优劣将会直接影响到舰船和舰员的安全问题。为提高舰船火灾探测技术的实时性和准确性,减少误报、漏报等情况的发生,提出一种结合烟雾颜色特征与运动特征进行研究的视频火灾烟雾检测技术。该技术通过运动目标区域检测和对烟雾颜色特征、形状不规则性和扩散性特征的提取,经过分析与判断,将满足烟雾特征判据的目标区域判别为烟雾区域。检测结果表明该技术能够准确且迅速地探测火灾烟雾,误报率低,可靠性好。     

基于图像处理的舰船火灾烟雾检测技术研究

舰船火灾探测报警系统作为损管监测体系的关键构成部分,其性能的优劣将会直接影响到舰船和舰员的安全问题。为提高舰船火灾探测技术的实时性和准确性,减少误报、漏报等情况的发生,提出一种结合烟雾颜色特征与运动特征进行研究的视频火灾烟雾检测技术。该技术通过运动目标区域检测和对烟雾颜色特征、形状不规则性和扩散性特征的提取,经过分析与判断,将满足烟雾特征判据的目标区域判别为烟雾区域。检测结果表明该技术能够准确且迅速地探测火灾烟雾,误报率低,可靠性好。     

一种去噪声的轮廓提取算法

轮廓是物体的一个重要特征,轮廓提取的好坏对后续的目标定位、特征提取、识别和分类有着重要的影响.文中在现有方法的基础上,提出了一种新的轮廓提取方法.首先,在经典Otsu算法基础上,结合图像的熵给出了一种图像分割阈值选取方法;然后通过划分单元块,统计非零像素个数,去除噪声块,合并单元块,再次去除噪声块获得目标区域;最后采用4-邻域方法提取目标区域的轮廓.实验结果显示,改进的算法能够有效分割出目标,设计的目标轮廓提取方法能够有效去除噪声的影响,获得封闭的、单像素宽度的外轮廓线,为后续的图像处理和目标识别奠定了良好的基础.     

高斯模糊下舰船图像自适应细节增强方法

高斯模糊下传统舰船图像自适应细节层次感会降低,图像细节刻画不明显,为此提出舰船图像自适应细节增强方法。设计自适应UM细节图像增强方法,确定自适应增益系数,对细节层次感进行区域规划,设计自适应拉低对比度区域增强机制,提升图像细节刻画能力;通过图像扩张对细节板块化颜色校正,保证呈现方式具备明显的色彩对比,对图像进行灰度计算,实现图像自适应细节增强。实验结果表明,设计方法能够增加图像自适应细节的层次感以及细节表现力。