针对序列图像配准问题，提出一种快速低存储开销配准算法。首先，生成一系列与具体图像内容无关的特征点。而后，使用正向-反向跟踪来获取稳定的特征点对,其中，正向跟踪用于获得所有可能的特征点对，反向跟踪用来得到正向-反向误差，并且利用此误差来获取最终稳定的特征点对。最后，在稳定特征点对的基础上通过归一化直接线性变换计算得到可用于图像配准的单应矩阵。实验表明该算法能够提供与优秀的传统算法相当的配准性能。由于该算法对序列中图像之间的连续性进行了充分利用，不仅降低了存储开销，还提高了运算速度。对480×360的序列而言，该算法需要的存储开销仅为421 kB，且运算速度达到32 帧/s。
图像序列 图像配准 单应矩阵 快速算法 低存储开销 image sequence image registration homography fast algorithm memory-saving
1 武汉科技大学 工程训练中心， 湖北 武汉430065
2 武汉市广播影视局播送中心,湖北 武汉430015
研究了视频监控系统中的目标检测技术，在分析比较几种目标检测算法的基础上提出了一种使用分块处理的方式建立初始背景模型的方法。该方法对视频序列图像中的噪声有较好的抑制作用，并且能够有效地克服因平均而造成背景模糊和阴影残留的缺点。为适应背景变化，在背景更新方法中结合三帧差分寻找像素值变化较大的像素点进行自适应更新。仿真结果表明，在背景减除中使用该方法能够快速、完整、准确地检测出运动目标。
运动目标检测 背景建模 背景更新 背景减除 moving objectives detecting background modeling background updating background subtraction
红外图像中弱小目标的检测一直是图像处理领域的热点和难点。介绍了一种基于小波变换和Context模型空间自适应滤波的红外弱小目标检测算法。该方法首先利用小波滤波器抑制大部分背景杂波，然后采用基于Context模型的空间自适应滤波器对高频系数做进一步处理，提高信噪比，最后采用基于Bayes分类算法的迭代门限进行图像分割。实验结果表明，与高通滤波相比，该方法能够更有效地检测出弱小目标。
小波变换 Context模型 红外弱小目标检测 自适应滤波 small target detection wavelet Context model adaptive filter
