中国科学院长春光学精密机械与物理研究所,吉林 长春130033
作为计算机视觉领域的热门方向之一,运动目标检测具有很高的理论研究价值和很广的实际应用空间。传统视觉背景提取器(Visual Background Extractor,ViBe)目标检测算法实时性高且内存消耗低,但存在受光照影响大、不能有效抑制拖影区域、无法消除阴影以及检测图像内部空洞等问题。鉴于以上不足,提出3点针对性改进策略:(1)优化算法核心参数。筛选最优值来替换以往经验值,从而提高算法性能,增强算法适应性。(2)引入光强检测算子。阈值半径随光强变化自适应,避免因光照变化而出现拖影区域。(3)增加阴影检测模型。利用感兴趣区域(Region of Interest,ROI)像素分布确定阴影位置,结合运动目标自身特性分割出目标区与阴影区。仿真实验结果证明:改进型ViBe算法不仅能够完整地检测、抓取运动目标,而且还可以有效地抑制拖影区域并消除目标阴影。
运动目标检测 ViBe算法 动态噪声抑制 阴影消除 moving target detection ViBe algorithm dynamic noise suppression shadow elimination
1 中国民用航空飞行学院航空工程学院,四川 广汉618307
2 中国科学院国家空间科学中心,北京 100190
鸟击作为影响机场安全的主要事故征候,需要准确、稳定的弱小运动目标检测方法用于机场飞鸟检测。应用光场涨落增强低信噪比的飞鸟运动特征信号,再结合局部高斯混合模型对图像增强区域进行前景分割处理,实现宽视场复杂背景下的机场飞鸟目标检测,并完成不同光照条件的机场飞鸟检测实验。实验结果表明:所提算法较传统算法能有效提高机场条件下的远距离、宽视场、低信噪比弱小目标检测率,且具有较好的光学稳定性。
图像处理 低信噪比 光场涨落 局部高斯混合模型 宽视场 弱小运动目标 激光与光电子学进展
2023, 60(14): 1410002
南京邮电大学电子与光学工程学院、微电子学院,江苏 南京 210023
为了在多种环境条件下进行快速、高效的运动目标检测,提出一种基于新型背景提取的运动目标检测算法。首先,从视频中读取N帧连续图像,对任一像素位置,将每帧图像与其余图像对应位置依次作差,得到N组包含N个差值的差值序列;然后,基于矩形径向基函数,统计每个差值序列中属于矩形宽度内的差值个数;最后,将最大频率的差值序列所对应的像素值作为背景,通过背景减法提取运动目标。实验结果表明,在数据量一定的条件下,所提方法建立背景与真实背景的结构相似性值比ViBe算法高0.162,运动目标检测结果的precision、recall、F1-measure、假正率指标均优于ViBe算法和GMM算法。即所提算法是一种具有较高的精确性和抗干扰能力的运动目标检测算法。
图像处理 背景提取 运动目标检测 动态背景 径向基函数 激光与光电子学进展
2023, 60(12): 1210021
1 航天工程大学,a研究生院
2 航天工程大学,b.电子与光学系, 北京 101000
在高速运动目标逆合成孔径雷达(ISAR)成像中, 基于传统线性调频(LFM)信号参数估计进行相位补偿的方法存在计算复杂和误差大等问题, 对此提出一种基于卷积神经网络(CNN)的线性调频信号调频斜率估计方法。首先采用Wigner-Ville分布的时频分析方法对一定范围调频斜率的线性调频信号生成时频图像构建训练集; 其次将高速运动目标回波信号经Wigner-Ville分布处理的时频图输入到卷积神经网络中, 对回波信号调频斜率进行识别; 接着通过识别的调频斜率对目标速度进行反演, 进而构建补偿信号并对回波信号进行相位补偿; 最后通过距离多普勒成像算法处理后可得到清晰的ISAR像。仿真实验结果表明了所提方法的有效性。
高速运动目标 ISAR成像 卷积神经网络 Wigner-Ville分布 high-speed moving target ISAR imaging convolutional neural network Wigner-Ville distribution
山东科技大学数学与系统科学学院,山东 青岛 266590
在复杂动态背景下的运动目标检测往往会产生前景目标提取不完全、将动态背景误检为前景等问题。针对上述问题,提出了一种结合非凸秩近似函数和三维全变分正则项的运动目标检测模型。该模型在原始鲁棒主成分分析模型的基础上,引入非凸秩近似函数来刻画视频背景部分的低秩性,并利用三维全变分正则项在时间和空间上对前景部分进行约束,最后采用交替方向乘子法对该模型进行求解。实验结果表明,所提模型在处理动态背景、恶劣天气等复杂场景时能有效提高运动目标检测的准确性,并且比现有方法具有更好的视觉效果。
图像处理 运动目标检测 鲁棒主成分分析 非凸秩近似 三维全变分 交替方向乘子法 激光与光电子学进展
2023, 60(4): 0410010
江苏理工学院机械工程学院,江苏 常州 213000
对视觉领域中全景视觉的不断研究表明, 采用鱼眼镜头获取的图像序列所研究的运动目标检测准确率低, 受到噪声干扰时鲁棒性不高, 针对该问题提出一种基于全景视觉的运动目标检测改进方法。该方法首先采用五帧差分法对图像进行处理, 利用相邻5帧之间进行差分来完成前景与背景的分离, 有效地减少目标空洞问题; 然后在混合高斯模型中提高自适应学习率和更新高斯分布数量, 有效克服了检测中出现的重影现象; 最后通过形态学处理, 得到目标检测结果。实验结果表明, 改进的方法提供了比传统的全景图像运动目标检测更可靠的检测结果, 目标检测率较高。
全景视觉 运动目标检测 混合高斯分布 五帧差分 panoramic vision moving target detection Gaussian mixture distribution five-frame difference
红外与激光工程
2022, 51(7): 20210756