在光电监视系统中, 广泛应用于运动目标分割的PBAS(pixel base adaptive segmenter)算法计算复杂、参数量大, 难以达到实时分割的要求。针对PBAS算法是对图像中每个像素点进行独立处理, 特别适合于GPU并行加速的特点, 对其在嵌入式GPU平台Jetson TX2上进行了并行优化实现。在数据存储结构、共享内存使用、随机数产生机制3个方面对该算法进行了优化设计。实验结果表明, 对于480×320像素分辨率的中波红外视频序列, 该并行优化方法可以达到132 fps的处理速度, 满足了实时处理的要求。

为了提高夜视系统的质量以及目标探测性能，设计了红外视频运动目标与可见光融合夜视侦察系统。系统在硬件处理平台上实现了基于人眼视觉的红外运动目标分割算法和基于目标特性的加权融合算法，采用红外运动目标分割电路和融合处理电路互联的结构，首先利用FPGA为核心的红外目标分割电路提取红外视频中的运动目标，然后将只有红外运动目标的视频输入后端DSP融合处理电路中进行融合处理，最后从系统中输出一系列目标形态突出、背景细节清晰的融合序列。实验结果表明：该系统可以提高夜视融合系统目标探测性能和探测概率，融合结果的各项评价指标提高了90%以上，有的评价指标甚至提高了7倍以上，可以很大程度地降低系统的虚警率。

针对H.264压缩域内运动目标分割算法所存在的弱自适应性和抗噪能力差等问题，本文提出了一种基于脉冲耦合神经网络的压缩域运动目标分割方法.该方法采用时空域矢量均值滤波对运动矢量进行预处理，减少运动目标丢失率，并设计了前后向矢量累积方法，增强运动矢量的可靠性.基于脉冲耦合神经网络设计的融合模型可以将累积后的运动矢量和宏块模式进行融合处理，增强分割算法的抗噪能力，保证加快分割速度的同时兼顾运动区域的分割准确度.另外，采用最小交叉熵作为点火终止判断条件，实现了最佳分割模板的自适应获取.仿真实验表明，本文算法在自适应性和抗噪能力方面均有较好表现，可以准确分割出监控视频中的运动目标.

针对在视频对象分割时,运动阴影常被误分为视频对象,给出一种新的运动阴影检测方法。首先,进行基于自适应高斯混合模型的背景提取,获得包含运动阴影的前景分割,然后根据灰度图像中阴影区域和已获取背景相应位置的纹理相似性,进行阴影检测。纹理采用局部二元图(Local Binary Patterns,LBP)统一模式的直方图表征。实验表明,方法检测效果好,速度快,可应用于运动目标检测分割及跟踪等领域。