一种基于DSP的实时图像处理仿真技术

海面运动舰船目标的定位检测是军事图像处理领域的一个重要方向,同时海面对光线的折射放射对检测的准确性造成了干扰。本文重点对目标检测法进行研究,分析了算法利弊。为解决目标检测算法对于目标背景的敏感度问题,以及提高算法的实时性,把小波变换运用到目标运动检测中,通过小波变换更新图像背景框图,使实时图像在可变模板背景进行运动物的提取。最后,设计基于DSP的仿真系统,通过实验证明新的方法能较好解决因背景更新以及目标物变形造成的检测误差,提高检测精度。     

基于视觉搜索的舰船跟踪方法研究与仿真

基于视觉图像处理方法实现对舰船目标的跟踪识别,提高对舰船目标的搜索和打击能力。传统方法采用舰船目标轮廓亮点检测方法实现对目标的视觉搜索,在图像模糊和背景干扰较强时,检测效果不好。本文提出一种基于相邻帧补偿和尺度不变特征变换的舰船视觉搜索跟踪算法。为提高舰船目标图像视觉特征采集的清晰度和稳定性,采用电子稳像技术对舰船视觉信息采集进行直方图均衡处理,采用尺度不变特征变换SIFT技术对舰船目标进行角点特征提取。采用相邻帧补偿技术进行背景干扰滤波,在相邻两帧之间求解舰船的运动参量,实现对舰船目标的视觉搜索和跟踪。仿真实验表明,采用该算法实现对舰船目标的视觉搜索跟踪,舰船视觉特征的稳像性能较好,对舰船目标的准确识别率较高,展示了较好的应用价值。     

图像块混沌特征在海面运动目标检测中的应用

为了消除舰船目标检测中海面背景的影响,提出了一种基于图像块混沌特征的目标检测算法.该算法利用小数据量法计算图像块的最大Lyapunov指数,分析运动目标存在时背景信号混沌特征的变化,检测淹没在混沌背景信号中的目标信号.实验采用400帧图像进行检测,检测率为100%,虚警率为5%.结果表明,算法能有效地检测出海面背景下的舰船目标.     

动目标成像跟踪算法研究

从运动背景中检测与跟踪运动目标是计算机视觉研究领域的热点，困难之一是消除运动背景的影响。采用基于均匀稀疏采样仿射变换的参数模型块匹配算法将图像分成许多固定大小的像素块，通过将每一个像素块在下一帧的一定范围内搜索其最优匹配，由此产生的偏移矢量即为该像素块的运动矢量，对上一帧图像进行补偿与下一帧图像差分，用形态学运算图像处理，对图像目标进行识别跟踪。     

动目标成像跟踪算法研究

从运动背景中检测与跟踪运动目标是计算机视觉研究领域的热点,困难之一是消除运动背景的影响.采用基于均匀稀疏采样仿射变换的参数模型块匹配算法将图像分成许多固定大小的像素块,通过将每一个像素块在下一帧的一定范围内搜索其最优匹配,由此产生的偏移矢量即为该像素块的运动矢量,对上一帧图像进行补偿与下一帧图像差分,用形态学运算图像处理,对图像目标进行识别跟踪.     

高杂波海天背景下红外图像中舰船目标的检测

针对高杂波背景条件下的红外图像中舰船目的检测问题进行研究。在分析海空背景下的红外图像特征的前提下,先对捕获到的红外图像进行背景抑制、海天线检测等预处理以提高舰船目标提取的准确性,然后依照检测出的海天线划定目标检测小区域,再利用相邻帧图像间舰船目标运动的相关性确定真实目标,剔除虚警目标。用Matlab软件对算法进行仿真,实验结果证明本文算法有效,在一定条件下能够取得较好的识别率。     

船舶视觉系统目标图像边缘检测方法

船舶视觉系统是船舶航行的重要辅助部分,视觉系统的工作效果很大程度上取决于边缘检测方法的准确性。常见的图像边缘检测方法通过像素梯度变化检测目标边缘,在对复杂图像处理时容易受到噪声干扰,导致检测精度和效率较低。为解决上述问题,提出船舶视觉系统目标图像边缘检测方法。对图像进行背景区域与目标区域的划分,提取目标所在区域。选择图像边缘的Harr和HOG特征后,利用蚁群算法检测图像边缘。对比仿真实验结果表明,研究的边缘检测方法检测准确率均高于85%,并且检测效率均高于对比方法,具有明显的应用优势。     

基于顶帽运算的遥感图像恒虚警率舰船目标检测算法

随着合成孔径雷达的出现,使得利用合成孔径雷达图像实现海洋目标检测,成为海洋遥感领域的研究重点。由于合成孔径雷达遥感图像中存在大量的背景像素,为从图像中对目标信息进行有效提取,需要借助顶帽运算提高图像的信杂比,并利用恒虚警率算法实现目标快速检测。鉴于此,文章从利用顶帽运算增强遥感图像的信杂比分析入手,对基于顶帽运算的遥感图像恒虚警率舰船目标检测算法进行论述。     

基于运动与表象特征的广域船舶目标识别方法

[目的]旨在提出对航行于关键广阔水域内的船舶进行准确识别和定位的改进方法.[方法]运用视频监控的优点,综合采用基于背景差分算法的运动目标检测方法与基于深度学习算法的图像表象特征识别方法,结合目标的运动特征和图像表象特征,实现多维度广域船舶识别的功能,并对水纹降噪、多级运动检测、航道监控图像窗口分割检测等方法进行改进,进...     

基于视觉传达技术的船舶图像中弱小目标检测方法

为及时发现和跟踪小型渔船、救生艇等弱小目标,提高海上救援和应急响应的效率和准确性,研究基于视觉传达技术的船舶图像中弱小目标检测方法。通过中值滤波算法去除船舶图像中的噪声,改善船舶图像质量,将去噪后的船舶图像应用于基于门限直方图均衡的船舶图像增强方法中,在该方法处理下,增强船舶图像对比度;之后利用视觉传达技术,对船舶图像中的弱小目标亮度进行调整,并根据亮度调整结果分割目标边缘,从而实现弱小目标检测。经实验验证,该方法可在保证图像边缘清晰的情况下实现图像去噪与增强,提高了船舶图像质量,同时该方法具有较高的背景抑制因子与信杂比率增益,在检测过程中可有效分割弱小目标与背景,实现良好的弱小目标检测。     

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。     

图像拼接中鬼影消除算法研究

文章针对重叠区域运动物体在图像拼接过程中容易产生鬼影的问题,引入对运动物体区域只采用一幅图像信息的方法。提出运动区域单元的概念,它以运动物体区域重叠即相关的标准形成,以此为单位进行图像信息源的选择。结合随后提出的运动区域单元与重叠区域两边是否相接的权重系数,进行图像信息源的选择,在解决鬼影问题的同时防止了重叠区域边缘处易造成的同一物体的不连续。整个过程采用Matlab加以实现,实验结果验证了算法的有效性。     

基于Delaunay三角网的骨架提取算法研究

对目标图像提取其骨架,在目标检测、图像编码等计算机视觉、图像处理与模式识别领域有着广泛的应用。本文提出了一种基于Delaunay三角网的骨架提取改进算法,给出了实验效果。     

基于Faster R-CNN的高速公路抛落物检测

采用传统的基于图像处理的检测方法对高速公路抛落物进行检测不仅耗时耗力,而且检测效果不理想,为解决该问题,提出一种基于Faster R-CNN的深度学习检测方法.在原始Faster R-CNN的基础上,采用残差网络Resnet101代替传统的VGG-16网络和ZFNet网络,作为图像特征提取网络;采用尺寸为4像素、8像素和16像素的锚框代替原始锚框,得到高速公路抛落物检测模型.采用自制的高速公路抛落物数据集对该检测方法的有效性进行验证,结果显示,采用该方法检测的平均准确率达到了91.75％,相比原始的Faster R-CNN算法和yolov3算法,分别提高了7.02％和11.13％.     

基于k-检测的无线传感器网络探测能力分析

对进入监控区域的运动目标进行探测跟踪是无线传感器网络的重要功能之一,论文以BOOL模型传感器节点为基础,分析了基于k-检测的无线传感器网络中,目标从无线传感器网络边界进入内部一定距离被发现的概率,以及目标的运动速度与网络探测概率之间的关系.通过仿真表明,传感器节点的布设密度、传感器的感知半径与探测概率以及目标的最大速度之间存在着一定的关系,这为根据实际需要进行传感器节点布设和传感器参数设计提供了参考.     

基于粒子滤波的无人机侦察图像跟踪算法研究

针对无人机侦察图像跟踪的实时性以及战场环境复杂的特点,研究了在复杂背景下实现对单一目标跟踪,提出了一种基于粒子滤波的快速目标跟踪算法,通过计算机仿真将此方法与传统的目标跟踪方法进行了对比,实验结果表明,该算法能够稳健地跟踪目标,具有很好的准确性、实时性和鲁棒性。     

一种基于PSO优化HWFCM的快速水下图像分割算法

The S/N of an underwater image is low and has a fuzzy edge.If using traditional methods to process it directly,the result is not satisfying.Though the traditional fuzzy C-means algorithm can sometimes divide the image into object and background,its time-consuming computation is often an obstacle.The mission of the vision system of an autonomous underwater vehicle (AUV) is to rapidly and exactly deal with the information about the object in a complex environment for the AUV to use the obtained result to execute the next task.So,by using the statistical characteristics of the gray image histogram,a fast and effective fuzzy C-means underwater image segmentation algorithm was presented.With the weighted histogram modifying the fuzzy membership,the above algorithm can not only cut down on a large amount of data processing and storage during the computation process compared with the traditional algorithm,so as to speed up the efficiency of the segmentation,but also improve the quality of underwater image segmentation.Finally,particle swarm optimization (PSO) described by the sine function was introduced to the algorithm mentioned above.It made up for the shortcomings that the FCM algorithm can not get the global optimal solution.Thus,on the one hand,it considers the global impact and achieves the local optimal solution,and on the other hand,further greatly increases the computing speed.Experimental results indicate that the novel algorithm can reach a better segmentation quality and the processing time of each image is reduced.They enhance efficiency and satisfy the requirements of a highly effective,real-time AUV.     

水下三维声纳目标在线运动监测与识别

随着声学探测在海洋资源开发中的广泛应用,水声成像技术已成为水下目标监测的重要手段,文章提出了一种基于三维声纳技术的在线运动目标识别方法。通过对三维声学图像进行网格搜索和三角面片连接,进行单帧三维声学图像的多层实时重建,实现单帧图像内目标的重建、聚类与标示。结合GPS定位仪和姿态仪信息,修正位移和姿态变化引起的运动误差,利用反向投影和最近点搜索方法查找相邻图像帧之间两两匹配的控制点对,进行相邻图像帧的快速配准。根据配准矩阵将相邻图像帧的的各个目标转换到同一全局坐标系中,提取有效的声学目标特征变化相对值,并评估特征权重,实现相邻图像帧之间运动目标的在线检测与识别。通过室内水池和湖试实验,结果表明该方法能有效地实现三维声学图像在线运动目标实时识别。