1 中国科学院上海技术物理研究所红外探测与成像技术重点实验室, 上海 200083
2 中国科学院大学, 北京 100049
针对灰度视频的目标检测依赖先验知识、召回率低以及单一算法无法同时兼顾静态与动态背景等问题,提出一种基于统计的背景建模算法。该算法无需先验知识,根据统计信息可以准确区分静态背景和动态背景,并采取不同的检测策略提取目标。对于静态背景,采用改进的三帧差分法自适应设置阈值,可以保证较高的召回率。对于动态背景,采用改进的概率密度估计法可以有效降低虚警率。采用所提算法对光照变化以及阴影进行处理,可以进一步提升算法的性能。在公开数据集与实际采集红外数据进行验证实验。实验结果表明,所提算法在多种场景中处理灰度视频的结果比其他传统算法好,在保证准确率的同时可以极大地提升召回率,并且有效提高目标的完整性。
机器视觉 运动目标检测 背景建模 自适应阈值 光照变化
College of Information and Computer Engineering, Northeast Forestry University, Harbin50040,China
木材往往堆积在室外，在对木材样本采集高光谱图像时往往会受到外界因素（光照、温度、湿度）的影响，从而造成木材树种的误判。为了解决这一问题，本文利用PLS（Pattern Lacunarity Spectrum）和LBP（Local Binary Pattern）对木材横截面的高光谱图像的纹理信息进行了特征提取，而后将高光谱图像的近红外光谱与纹理特征相融合，并以融合后的新特征作为识别的依据，最后使用SVM（Support Vector Machine）和BP（Back Propagation）神经网络两种分类器对木材树种进行了识别，实验表明该算法在无干扰情况下可拥有最高100%的识别正确率效果。为了验证该算法可以在高光谱图像失真的情况下依然可以对木材进行正确的识别，本文仿真了光照变化对高光谱图像的影响，并对比了影响前后的识别正确率，结果显示该算法可以在高光谱图像失真的情况下对木材的树种进行正确的识别，优于传统的和近期主流的木材树种分类算法。
高光谱图像 木材树种识别 光照变化 特征融合 hyper-spectral image wood species recognition illumination variation feature fusion
为有效地处理目标跟踪中的目标尺度变化、光照变化和局部被遮挡问题，采用分块跟踪策略，跟踪目标上的多个跟踪点，通过前后两帧图像间多对对应跟踪点之间的距离变化量确定目标尺度的变化量和位移量。在目标被遮挡的情况下，利用未受遮挡影响的跟踪点的位置信息和时空上下文信息计算目标跟踪点位置。采用高效而精确的STC（Spatial Temporal Context）跟踪算法跟踪单个跟踪点，保证算法的实时性和跟踪点定位的准确性。实验结果表明，提出的分块跟踪算法不但实时性较好，跟踪精度较高，具有抗光照变化和抗局部遮挡能力，而且算法原理简单，能够适应多种跟踪环境。
目标跟踪 尺度变化 抗遮挡 光照变化 分块跟踪 object tracking scale change anti-occlusion illumination variation spatial temporal content STC block tracking method
1 西南交通大学 机械工程学院, 成都 610031
2 昆明学院 自动控制与机械工程学院, 昆明 650214
针对传统光流算法只能对某种特定光照变化有效的问题, 提出一种能改善不同光照变化条件下的光流鲁棒求解方法。所提出的方法利用改进census变换和图像纹理信息加权和构建光流模型中数据项。数据项中不同分量的权重根据两帧图像SIFT点对应灰度差动态选择, 以满足不同亮度变化的图像, 自适应地选择相应的数据项。改进census变换包含了变换窗口内完整的相对灰度大小信息; 对两个不同的窗口, 较传统census变换有更高的区分度。以Middlebury和KITTI数据库对所控算法进行测试, 实验结果证实了所提出方法对不同仿真光照变化和野外真实光照环境下图像鲁棒光流求解的有效性。
光流 光照变化 图像纹理 改进census变换 optical flow illumination variation image texture improved census transformation
1 中国科学院长春光学精密机械与物理研究所, 长春, 130033
2 中国科学院大学, 北京, 100049
针对基于压缩感知的目标跟踪算法在跟踪过程中,光照剧烈变化引起跟踪不稳定或跟踪失败的问题, 本文提出了一种基于相位一致性的改进跟踪方法.该方法利用相位一致性图像特征对光照变化不敏感的特点, 首先对样本搜索区域内的图像进行相位一致性变换, 然后再提取变换后相位一致性图像的特征,将其用于分类器中来确定目标位置.实验结果表明, 该方法在目标受到光照剧烈变化影响的情况下具有很强的适应性, 在目标大小为50 pixel×55 pixel时平均处理帧频可达22 fps.与已有基于压缩感知跟踪算法相比, 该算法在光照变化剧烈的情况下仍具有很好的鲁棒性,而且在目标尺度和纹理发生一定变化的情况下跟踪稳定.
压缩感知 实时 目标跟踪 光照变化 相位一致性 Compressive sensing Real-time Target tracking Illumination variation Phase congruency
