1 上海工程技术大学机械与汽车工程学院，上海 201620
2 山西中电科新能源技术有限公司，山西 太原 030024
3 上海司南卫星导航技术股份有限公司，上海 201801
针对现有多目标跟踪算法精度不高的问题，提出了一种融合YOLO-V4与改进SiameseRPN的多目标跟踪算法。首先通过YOLO-V4网络自动获取跟踪目标，制作模板后输入SiameseRPN跟踪网络；然后在模板分支中采用背景自适应策略初始化模板，并且融合残差连接构建Siamese网络；最后通过匈牙利算法对YOLO-V4的检测结果和改进SiameseRPN的跟踪结果进行数据关联，实现多目标跟踪。实验结果表明，与其他算法相比，所提算法具有较好的跟踪性能，在目标尺度变化、外观变化、部分遮挡等情况下能够实现稳定跟踪。
机器视觉 多目标跟踪 SiameseRPN算法 背景自适应 数据关联 激光与光电子学进展
2022, 59(22): 2215010
1 中国科学院上海技术物理研究所, 上海 200083
2 中国科学院红外探测与成像技术重点实验室, 上海 200083
3 中国科学院大学, 北京 100049
针对红外复杂背景下的弱小目标检测难题, 提出一种基于背景自适应的多特征融合的复杂背景下弱小目标的检测算法。首先, 通过对红外图像进行空域滤波去除孤立噪声点, 并利用恒虚警率分割消除大面积平稳背景, 获得疑似目标集。然后融合红外图像的背景信息、弱小运动目标的灰度特征、目标与周围像素的方向梯度特征等多个典型特征, 消除疑似目标集中的大部分假目标, 最后运用运动特征获取真实目标的轨迹, 最终实现复杂背景下的红外弱小目标的检测。实验表明: 该算法能实现复杂背景下低信噪比的红外弱小目标快速检测, 具有检测概率高, 算法速度快, 鲁棒性好的特点。
弱小目标检测 多特征融合 背景自适应 红外图像 dim and small target detection multi-feature fusion background adaptive infrared image 红外与激光工程
2019, 48(3): 0326002
1 北京理工大学自动化学院，北京 100081
2 北京控制与电子技术研究所，北京 100038
在分析星图中的星点目标和背景特性的基础上，提出了一种基于背景自适应预测的星点提取算法。为准确预测背景并兼顾算法的速度，只在背景边缘处使用区域最大值背景预测法，其余部分直接使用固定权值进行预测。分割残差星图，提取各星点的目标区域，阈值采用自适应的取值方式。利用质心算法求取各星点目标的精确位置。实验结果表明，基于背景自适应预测的星点提取算法性能优于现有的星点提取算法，是一种有效的星点提取算法，可以降低大量由于强边缘而引起的虚警，能够更准确地预测背景。
星敏感器 星点提取 背景自适应预测 star sensor star extraction self-adaptive background prediction
南京理工大学电子科学与光电技术学院441教研室, 南京 210094
针对因复杂背景导致低信噪比的弱点目标探测率降低的问题,首先分析了从红外图像中探测弱点目标时,由于复杂和缓变背景下潜在目标探测率不同,而导致目标探测率降低的理论依据;并在该分析的基础上,提出了一种基于背景自适应调整的红外点目标探测算法。该方法利用鲁宾逊(Robinson)保护滤波器从经过预处理的图像中提取潜在目标;通过复杂背景模糊隶属度函数将图像映射到模糊特征平面,并由该特征平面计算背景调整因子,以对提取的潜在目标进行加权调整,从而降低了复杂背景的影响。实验结果表明,该算法可以显著提高复杂背景下红外点目标的检测概率,并且能够探测出信噪比为1的目标。
图像处理 红外技术 目标检测 背景自适应调整 Robinson滤波器
