论文部分内容阅读
空地背景多运动目标检测技术对于无人机自主飞行和打击目标意义重大。在天空背景中,空中目标相对成像平台远,因此目标成像像素少而缺乏形貌信息,并且目标数量多,在飞行时容易相互毗邻、相互遮挡;在地面背景中,目标和平台会出现在复杂地形地貌的上空,造成图像中的地面背景复杂,在图像中的小目标容易造成漏检;在空地联合背景中,平台和目标都处于空中飞行状态下,图像同时包含天空和地面两种不同的背景,在平台远距离探测目标时目标成像小,近距离检测目标时背景运动快。
针对天空背景多目标检测中目标在图像中所占像素数少和目标相互毗邻、相互遮挡的难题,本文提出了联合时空信息和轨迹关联的空中多目标检测算法。首先联合目标的时间和空间信息,得到时空信息图。然后利用卡尔曼预测器对目标位置进行预测,利用匈牙利匹配算法关联目标得到目标轨迹。最后基于目标轨迹补充漏检目标,提高目标的查全率;滤除虚警目标,提高目标的查准率。实验结果表明本文算法具有优良的检测性能,查全率高于96%、查准率高于98%、F测度高于97%。
针对在复杂地面背景中多运动小目标难以准确检出的难题,本文提出了融合目标运动信息和轨迹关联的目标检测算法。针对目标小的难点,首先进行背景运动补偿,得到背景运动参数;然后计算前后向运动历史图,融合连续多帧帧差图得到增强后的小目标运动信息;最后利用形态学处理得到运动小目标区域。针对背景复杂的难点,利用卡尔曼预测器对目标位置进行预测,利用匈牙利匹配算法关联目标得到目标轨迹。基于目标轨迹补充漏检目标,提高目标的查全率;对轨迹特征进行判断,滤除虚警目标,提高目标的查准率。实验结果表明本文算法具有良好的检测性能,查全率高于93%、查准率高于92%、F测度高于93%。
针对空地联合背景既有天空背景又有地面背景的难点,本文提出了空地联合背景分离算法。基于此,本文提出了缓慢运动背景下飞行小目标检测算法和快速运动背景下飞行目标检测算法,分别解决缓慢运动背景下飞行小目标难以检测和快速运动背景下飞行目标难以检测的难题。缓慢运动背景下飞行小目标检测算法,基于双模高斯背景建模提取目标像素点,分别在天空背景和地面背景中提取运动目标区域,关联目标轨迹补充漏检目标,利用轨迹特征滤除虚警目标。快速运动背景下飞行目标检测算法,利用目标 SR 模型提取出目标像素点,提取出其中的目标特征点光流,分别在天空和地面背景中计算目标特征点光流速度,据此利用密度聚类算法检测出目标。实验结果表明本算法检测性能良好,缓慢运动背景下飞行小目标的查全率高于 94%、查准率高于84%、F测度高于89%;快速运动背景下飞行目标的查全率高于77%、查准率高于55%、F测度高于65%。
针对天空背景多目标检测中目标在图像中所占像素数少和目标相互毗邻、相互遮挡的难题,本文提出了联合时空信息和轨迹关联的空中多目标检测算法。首先联合目标的时间和空间信息,得到时空信息图。然后利用卡尔曼预测器对目标位置进行预测,利用匈牙利匹配算法关联目标得到目标轨迹。最后基于目标轨迹补充漏检目标,提高目标的查全率;滤除虚警目标,提高目标的查准率。实验结果表明本文算法具有优良的检测性能,查全率高于96%、查准率高于98%、F测度高于97%。
针对在复杂地面背景中多运动小目标难以准确检出的难题,本文提出了融合目标运动信息和轨迹关联的目标检测算法。针对目标小的难点,首先进行背景运动补偿,得到背景运动参数;然后计算前后向运动历史图,融合连续多帧帧差图得到增强后的小目标运动信息;最后利用形态学处理得到运动小目标区域。针对背景复杂的难点,利用卡尔曼预测器对目标位置进行预测,利用匈牙利匹配算法关联目标得到目标轨迹。基于目标轨迹补充漏检目标,提高目标的查全率;对轨迹特征进行判断,滤除虚警目标,提高目标的查准率。实验结果表明本文算法具有良好的检测性能,查全率高于93%、查准率高于92%、F测度高于93%。
针对空地联合背景既有天空背景又有地面背景的难点,本文提出了空地联合背景分离算法。基于此,本文提出了缓慢运动背景下飞行小目标检测算法和快速运动背景下飞行目标检测算法,分别解决缓慢运动背景下飞行小目标难以检测和快速运动背景下飞行目标难以检测的难题。缓慢运动背景下飞行小目标检测算法,基于双模高斯背景建模提取目标像素点,分别在天空背景和地面背景中提取运动目标区域,关联目标轨迹补充漏检目标,利用轨迹特征滤除虚警目标。快速运动背景下飞行目标检测算法,利用目标 SR 模型提取出目标像素点,提取出其中的目标特征点光流,分别在天空和地面背景中计算目标特征点光流速度,据此利用密度聚类算法检测出目标。实验结果表明本算法检测性能良好,缓慢运动背景下飞行小目标的查全率高于 94%、查准率高于84%、F测度高于89%;快速运动背景下飞行目标的查全率高于77%、查准率高于55%、F测度高于65%。