CN108875733B - 一种红外小目标快速提取系统 - Google Patents

一种红外小目标快速提取系统 Download PDF

Info

Publication number
CN108875733B
CN108875733B CN201810367623.0A CN201810367623A CN108875733B CN 108875733 B CN108875733 B CN 108875733B CN 201810367623 A CN201810367623 A CN 201810367623A CN 108875733 B CN108875733 B CN 108875733B
Authority
CN
China
Prior art keywords
target
image
detected
module
adder
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810367623.0A
Other languages
English (en)
Other versions
CN108875733A (zh
Inventor
赵小明
袁胜春
李召
白杨
陈星�
安凯
王博洋
邵晓鹏
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xidian University
Original Assignee
Xidian University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xidian University filed Critical Xidian University
Priority to CN201810367623.0A priority Critical patent/CN108875733B/zh
Publication of CN108875733A publication Critical patent/CN108875733A/zh
Application granted granted Critical
Publication of CN108875733B publication Critical patent/CN108875733B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种红外小目标快速提取系统，包括：图像采集模块，用于采集待检测目标图像；至少一个图像缩放模块，连接所述图像采集模块，用于对所述待检测目标图像进行缩小；目标提取模块，连接所述图像缩放模块，用于对缩小后的待检测目标图像进行目标点提取，提取所述目标点的特征值；目标判断模块，连接所述目标提取模块，用于根据所述特征值判断所述目标点是否为待提取目标，若是，则记录所述待提取目标的位置；数据缓存模块，连接所述图像采集模块，用于存储所述待检测目标图像。本发明通过采用图像缩放模块对待检测目标图像进行缩小处理，使其能够适配预先设定的模板，从而提高计算效率，能够实现对红外小目标快速提取，满足实时性要求。

Description

一种红外小目标快速提取系统
技术领域
本发明属于红外图像处理领域，具体涉及一种红外小目标快速提取系统。
背景技术
由于多方向环形梯度法的红外小目标快速提取算法在PC上进行仿真处理一帧需要很大的计算量，处理速度较慢，达不到实时处理的要求，使得应用范围有限。而FPGA可以进行接口扩展和高速并行运算，可采集捕获各类接口的信号，实现海量数据存储，同时进行高并行度低逻辑复杂度的大数据量的运算，实现硬件加速。在多方向环形梯度法的红外小目标快速提取算法的基础上，利用FPGA可并行执行的优点实现红外小目标快速提取算法的加速，实现小目标提取的实时性。
将红外小目标快速提取算法直接向FPGA硬件平台移植的过程中，其运算逻辑较为复杂，不能很好的实现整个运算，其资源占用率以及硬件成本较高，不能实现数据的快速处理，因此急需设计一种能够检测效率高，实时性好的图像提取系统。
发明内容
为了解决现有技术中存在的上述问题，本发明提供了一种红外小目标快速提取系统。本发明要解决的技术问题通过以下技术方案实现：
本发明实施例提供了一种红外小目标快速提取系统，包括：
图像采集模块，用于采集待检测目标图像；
至少一个图像缩放模块，连接所述图像采集模块，用于对所述待检测目标图像进行缩小；
目标提取模块，连接所述图像缩放模块，用于对缩小后的待检测目标图像进行目标点提取，提取所述目标点的特征值；
目标判断模块，连接所述目标提取模块，用于根据所述特征值判断所述目标点是否为待提取目标，若是，则记录所述待提取目标的位置；
数据缓存模块，连接所述图像采集模块，用于存储所述待检测目标图像。
在一个具体实施例中，所述目标提取模块还用于根据预先设定的模板，对所述待检测目标图像进行缩小。
在一个具体实施例中，还包括显示模块，连接所述目标判断模块和所述数据缓存模块，用于根据所述待提取目标的位置，在所述待检测目标图像上的待提取目标的位置处添加标记，并将带有标记的待检测目标图像进行显示。
在一个具体实施例中，所述图像缩放模块包括：第一平均值计算单元、第一RAM单元、第二RAM单元、第二平均值计算单元；
所述第一平均值计算单元连接所述图像采集模块，用于对所述待检测目标图像中每一行的每两个子像素取平均值，得到行缩放图像；
所述第一RAM单元连接所述第一平均值计算单元，用于存储所述行缩放图像中的奇数行数据；
所述第二RAM单元连接所述第一平均值计算单元，用于存储所述行缩放图像中的偶数行数据；
所述第二平均值计算单元连接所述目标提取模块，用于依次对所述奇数行数据和所述偶数行数据中的每两个子像素取平均值，得到缩小后的待检测目标图像。
在一个具体实施例中，所述目标判断模块包括：寄存器阵列、第一加法器、第二加法器、减法器、乘法器、比较器、第三加法器；所述寄存器阵列连接所述第一加法器和所述第二加法器，所述第一加法器和所述第二加法器均连接所述减法器和所述乘法器，所述减法器和所述乘法器连接所述比较器，所述比较器连接所述第三加法器。
在一个具体实施例中，所述第一加法器和所述第二加法器同时进行运算，所述减法器和所述乘法器同时进行运算。
与现有技术相比，本发明的有益效果：
1、本发明的红外小目标快速提取系统通过采用图像缩放模块对待检测目标图像进行缩小处理，使其能够适配预先设定的模板，从而提高计算效率，能够实现对红外小目标快速提取，可以满足实时性要求。
2、本发明的红外小目标快速提取系统通过采用针对性设计的加法器和乘法器的组合，避免了除法运算，进一步提高了计算效率。
附图说明
图1为本发明实施例提供了一种红外小目标快速提取系统模块框图；
图2为本发明实施例提供的一种红外小目标快速提取系统的图像缩放模块功能框图；
图3为本发明实施例提供的一种红外小目标快速提取系统的目标判断模块功能框图。
图4为本发明实施例提供的7*7模板的分块示意图。
具体实施方式
下面结合具体实施例对本发明做进一步详细的描述，但本发明的实施方式不限于此。
实施例一
请参见图1，图1为本发明实施例提供了一种红外小目标快速提取系统模块框图，包括：
图像采集模块，用于采集待检测目标图像；
至少一个图像缩放模块，连接所述图像采集模块，用于对所述待检测目标图像进行缩小；
目标提取模块，连接所述图像缩放模块，用于对缩小后的待检测目标图像进行目标点提取，提取所述目标点的特征值；
目标判断模块，连接所述目标提取模块，用于根据所述特征值判断所述目标点是否为待提取目标，若是，则记录所述待提取目标的位置；
数据缓存模块，连接所述图像采集模块，用于存储所述待检测目标图像。
在一个具体实施例中，所述目标提取模块还用于根据预先设定的模板，对所述待检测目标图像进行缩小。
在一个具体实施例中，还包括显示模块，连接所述目标判断模块和所述数据缓存模块，用于根据所述待提取目标的位置，在所述待检测目标图像上的待提取目标的位置处添加标记，并将带有标记的待检测目标图像进行显示。
预先设定的模板大小一般为M*M像素的窗口，其中M≤20。
对于图像采集模块，可以通过Cameralink接口对相机数据进行采集输入到FPGA中，数据缓存模块为DDR2架构的存储器，由于最后需要显示图像，所以需要把图像缓存两帧(写当前帧，读上一帧)，如果采用FPGA内部的缓存资源对于缓存两帧图像来说是相当困难的，所以需要借助外部的DDR2来实现缓存，DDR2数据缓存模块就是把相机进来的数据转换成为DDR2的写时序，把相机数据写到DDR2中，并且DDR2具有良好的扩展性且价格便宜。
在一个具体实施例中，请参见图2，图2为本发明实施例提供的一种红外小目标快速提取系统的图像缩放模块功能框图，所述图像缩放模块包括：第一平均值计算单元、第一RAM单元、第二RAM单元、第二平均值计算单元；
所述第一平均值计算单元连接所述图像采集模块，用于对所述待检测目标图像中每一行的每两个子像素取平均值，得到行缩放图像；
所述第一RAM单元连接所述第一平均值计算单元，用于存储所述行缩放图像中的奇数行数据；
所述第二RAM单元连接所述第一平均值计算单元，用于存储所述行缩放图像中的偶数行数据；
所述第二平均值计算单元连接所述目标提取模块，用于分别对所述奇数行数据和所述偶数行数据每两个子像素取平均值，得到缩小后的待检测目标图像。
在该过程中，首先对待检测目标图像进行行压缩，即对每一行中相邻的两个子像素求平均值，接下来对每一列中相邻的两个子像素求平均值，进行列压缩，对所述待检测目标图像中每一行的每两个子像素取平均值，即为行压缩，分别对所述奇数行数据和所述偶数行数据每两个子像素取平均值，即为列压缩，最终行列均压缩1/2，得到1/2压缩图像。如果需要再次压缩，则在该压缩基础上继续执行图像缩放模块，进行1/4压缩。
在一个具体实施例中，请参见图3，图3为本发明实施例提供的一种红外小目标快速提取系统的目标判断模块功能框图，所述目标判断模块包括：寄存器阵列、第一加法器、第二加法器、减法器、乘法器、比较器、第三加法器；所述寄存器阵列连接所述第一加法器和所述第二加法器，所述第一加法器和所述第二加法器均连接所述减法器和所述乘法器，所述减法器和所述乘法器连接所述比较器，所述比较器连接所述第三加法器。
在一个具体实施例中，所述第一加法器和所述第二加法器同时进行运算，所述减法器和所述乘法器同时进行运算。
其中，每一个图像缩放模块可以实现对图像的1/2缩小，如果需要进行1/4，甚至1/8缩小，则需要对应串联一个或两个图像缩放模块进行对应比例的缩小，具体的，图像的1/2缩放是直接对像素取平均然后把两行数据分别存储到两个RAM块中去，当缓存完之后把数据读出来再取平均就得到了1/2缩放后的图像，如果要得到1/4缩放图像，将1/2缩放后的图像例化进相同的模块就可以得到1/4的缩放图像。
最终，数据缓存模块将存储的原始的待检测目标图像，以及1/2或1/4缩放图缓存到FPGA内部的RAM块中，每一个尺度都需要等一帧图像开始缓存够模板大小7行之后，在每一行的下降沿处把图像数据读出来送到下一个模块数据修正模块进行数据行的重新排列。
本发明的红外小目标快速提取系统通过采用图像缩放模块对待检测目标图像进行缩小处理，使其能够适配预先设定的模板，从而提高计算效率，能够实现对红外小目标快速提取，可以满足实时性要求。
实施例二
本实施例以一个具体的实例来说明本系统如何进行对应提取算法的硬件处理，首先对应用于本发明系统的算法进行说明。其中该方法包括以下步骤：
S1、选取待检测目标图像，根据所述待检测目标图像中的目标单元大小确定模板，将所述模板对应到待检测目标图像的检测窗口，其中所述模板为大小为M*M像素的窗口，其中M≤20；
S2、将所述模板由内向外依次划分为第一环形区域、第二环形区域、第三环形区域，并且使得所述第二环形区域至少包含8个子像素；
S3、将所述第二环形区域分割为8块连续的第一子区域，对应的，将所述第三环形区域分割为8块连续的第二子区域；
S4、分别计算并对比所述第一环形区域、所述第一子区域、所述第二子区域内子像素的平均亮度值，判断所述模板对应的检测窗口是否存在目标单元；
S5、根据所述模板循环遍历所述待检测目标图像，并对应执行所述步骤S2-S4，确定所述待检测目标图像中的所有目标单元。
具体的，步骤S4包括：
S401、计算第一环形区域的平均亮度值m0、第一子区域中第i块区域的平均亮度值mi；
S402、对比所述第一环形区域的平均亮度值m0和所述第一子区域中第i块区域的平均亮度值mi，得到第一亮度变化比值rate0i；
S403、记录所述第一亮度变化比值rate0i大于第一预定亮度阈值R0i的数量个数n01；
S404、当判断n01大于第一预定个数阈值N01时，判断该检测窗口存在目标单元，其中1≤i≤8。
所述第一亮度变化比值rate0i的计算公式为：
Figure GDA0001721205290000071
其中，m0为第一环形区域的平均亮度值，mi为第一子区域中第i块区域的平均亮度值。依次计算8次。
在一个具体实施例中，所述步骤S4包括：
S411、计算第一环形区域的平均亮度值m0、第二子区域中第j块区域的平均亮度值mj；
S412、对比所述第一环形区域的平均亮度值m0和所述第二子区域中第j块区域的平均亮度值mj，得到第二亮度变化比值rate0j；
S413、记录所述第二亮度变化比值rate0j大于第二预定亮度阈值R0j的数量个数n02；
S414、当判断n02大于第二预定个数阈值N02时，判断该检测窗口存在目标单元，其中1≤j≤8。
在一个具体实施例中，所述第二亮度变化比值rate0j的计算公式为：
Figure GDA0001721205290000081
其中，m0为第一环形区域的平均亮度值，mj为第二子区域中第j块区域的平均亮度值。依次计算8次。
在一个具体实施例中，所述步骤S4包括：
S421、计算第一子区域中第i块区域的平均亮度值mi、第二子区域中第j块区域的平均亮度值mj；
S422、对比所述第一子区域中第i块区域的平均亮度值mi和所述第二子区域中第j块区域的平均亮度值mj，得到第三亮度变化比值rateij；
S423、记录所述第三亮度变化比值rateij大于第三预定亮度阈值Rij的数量个数n12；
S424、当判断n12大于第三预定个数阈值N12时，判断该检测窗口存在目标单元，其中1≤i≤8，1≤j≤8。
在一个具体实施例中，所述第三亮度变化比值rateij的计算公式为：
Figure GDA0001721205290000082
其中，mi为第一子区域中第i块区域的平均亮度值，mj为第二子区域中第j块区域的平均亮度值。依次计算8次。
在优选的实施方式中，同时满足上述条件认为检测窗口存在目标单元，
即，同时满足n01＞N01，n02＞N02，n12＞N12。
其中，待检测目标图像即为需要寻找目标的原始图像，目标单元即为待寻找的目标，一般的待检测目标图像的像素大小一般较大，例如是一幅天空图片，目标单元的像素较小，例如是天空中的飞机，比如，待检测目标图像为200*200，目标单元可能只是10*10，当然，一幅图像中可能不止一个目标单元，本实施例就是去寻找待检测目标图像中的所有目标单元。
模板即为本实施例中计算的依据，只有模板的大小大于目标单元的大小时，模板才能至少覆盖该目标单元，才能使目标单元的边界都处于模板内，从而获取准确的数据，检测窗口为模板对应的待检测区域，例如模板大小为7*7，那么检测窗口的大小也为7*7，模板覆盖该检测窗口对该窗口内的子像素进行检测。
由于模板过大可能导致计算效率大大降低，因此本实施例模板的大小最大为20*20。
在一个实例中，以一幅200*200像素的图片为例，目标单元大小为6*6，选取7*7的模板进行计算。
将该7*7模板进行环形分割，如图4所示，第一环形区域0中的包含9个子像素，第二环形区域包含16个子像素，第三环形区域包含24个子像素，其中对第二环形区域进行分割，得到8块连续的第一子区域(参见图4中标号1-8)，对第三环形区域进行分割，得到8块连续的第二子区域(参见图4中标号9-16)，每个子区域的像素数量根据该环形区域的像素总数确定，子区域均分分配或非均匀分配。
在一个具体实施例中，根据所述模板循环遍历所述待检测目标图像为：以1像素为步长，横向或纵向移动所述模板，遍历每个所述检测窗口。
由于检测目标图像较大，为了遍历到每一块区域，因此需要进行循环遍历，例如如果第一次计算中，模板设置在图像的左上角，每计算一次结果，则将模板依次右移或下移一个像素的步长，再次进行计算，直到使模板覆盖计算完所有的图像区域。
在一个具体实施例中，所述步骤S1还包括：
当判断所述目标单元大小大于M*M时，通过降采样算法对所述待检测目标图像进行等比例缩小，使得缩小后的待检测目标图像中的目标单元大小小于或等于M*M。
由于目标单元可能比较大，因此进行降采样算法进行处理就能够满足本方案的模板需要，克服现有技术中模板过渡依赖目标单元大小的缺点，使目标单元去适配模板，例如，在一幅图像中，目标单元尺寸为68*68，远远大于本发明的17*17的模板，因此，通过降采样，压缩图像的长宽为原始的1/4，即缩小原图像16倍，最终得到的目标尺寸也对应的等比例缩小为17*17像素，满足计算要求。
以7*7为例，上述算法应用于本实施例系统中时，对亮度变化比值的计算公式进行变换为：
Figure GDA0001721205290000101
m0-mi＞m0×R
由于m0和mi求得是平均数，需要用到除法所以将第1层环的亮度和乘以4.5，第二层环的亮度和乘以3，当然也可以是其他数值，只要满足对应的层环之间的比例关系即可。用M0和Mi代替，就得到了亮度像素块一样多的情况，避免了做除法耗费资源的情况，如下式
M0-Mi＞M0×R
对于计算模块，先把数据先缓存进7*7的寄存器中，然后开始遍历图像计算M0-Mi以及M0×R，然后分别统计几个环之间大于阈值的个数，根据个数再与阈值比较判断出结果。
按照本实施的目标判断模块的架构进行上述公式的判断，7*7寄存器填满之后，得到M0和Mi需要两个时钟，计算像素之和需要一个时钟，再做乘法需要一个时钟，共需要两个时钟；得到M0-Mi以及M0×R再需要一个时钟；统计中心大于外圈的个数，统计需要一个时钟，得到个数需要一个时钟，共两个时钟；得到个数与阈值比较得到结果再需要一个时钟。
最后，显示模块在得到坐标点以后，用FPGA进行画框并且把框和字符叠加到图像上进行显示，目前可支持HDMI格式的显示。主要做法是先生成相应的HDMI显示时序，提前一行从DDR2中读出数据，把相应的像素填充进去，当叠加字符和画框时把相应的像素值改变即可，参见图4所示，图中白色的点即为目标单元，对其加框后及进行数字标注后，进行输出。
本发明的红外小目标快速提取系统通过采用针对性设计的加法器和乘法器的组合，避免了除法运算，进一步提高了计算效率。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (5)

1.一种红外小目标快速提取系统，其特征在于，包括：
图像采集模块，用于采集待检测目标图像；
至少一个图像缩放模块，连接所述图像采集模块，用于对所述待检测目标图像进行缩小；
目标提取模块，连接所述图像缩放模块，用于对缩小后的待检测目标图像进行目标点提取，提取所述目标点的特征值；
目标判断模块，连接所述目标提取模块，用于根据所述特征值判断所述目标点是否为待提取目标，若是，则记录所述待提取目标的位置；
数据缓存模块，连接所述图像采集模块，用于存储所述待检测目标图像；
所述目标提取模块还用于根据预先设定的模板，对所述待检测目标图像进行缩小；
所述根据预先设定的模板，对所述待检测目标图像进行缩小，对缩小后的待检测目标图像进行目标点提取，包括：
S1、选取待检测目标图像，根据所述待检测目标图像中的目标单元大小确定模板，将所述模板对应到待检测目标图像的检测窗口，其中所述模板为大小为M*M像素的窗口，其中M≤20；当所述目标单元大小大于所述模板大小M*M时，通过降采样算法对所述待检测目标图像进行等比例缩小，使得缩小后的待检测目标图像中的目标单元大小小于或等于M*M
S2、将所述模板由内向外依次划分为第一环形区域、第二环形区域、第三环形区域，并且使得所述第二环形区域至少包含8个子像素；
S3、将所述第二环形区域分割为8块连续的第一子区域，对应的，将所述第三环形区域分割为8块连续的第二子区域；
S4、分别计算并对比所述第一环形区域、所述第一子区域、所述第二子区域内子像素的平均亮度值，判断所述模板对应的检测窗口是否存在目标单元；
S5、根据所述模板循环遍历所述待检测目标图像，并对应执行所述步骤S2-S4，确定所述待检测目标图像中的所有目标单元；所述目标单元为所述目标点。
2.根据权利要求1所述的红外小目标快速提取系统，其特征在于，还包括显示模块，连接所述目标判断模块和所述数据缓存模块，用于根据所述待提取目标的位置，在所述待检测目标图像上的待提取目标的位置处添加标记，并将带有标记的待检测目标图像进行显示。
3.根据权利要求1所述的红外小目标快速提取系统，其特征在于，所述图像缩放模块包括：第一平均值计算单元、第一RAM单元、第二RAM单元、第二平均值计算单元；
所述第一平均值计算单元连接所述图像采集模块，用于对所述待检测目标图像中每一行的每两个子像素取平均值，得到行缩放图像；
所述第一RAM单元连接所述第一平均值计算单元，用于存储所述行缩放图像中的奇数行数据；
所述第二RAM单元连接所述第一平均值计算单元，用于存储所述行缩放图像中的偶数行数据；
所述第二平均值计算单元连接所述目标提取模块，用于依次对所述奇数行数据和所述偶数行数据中的每两个子像素取平均值，得到缩小后的待检测目标图像。
4.根据权利要求1所述的红外小目标快速提取系统，其特征在于，所述目标判断模块包括：寄存器阵列、第一加法器、第二加法器、减法器、乘法器、比较器、第三加法器；所述寄存器阵列连接所述第一加法器和所述第二加法器，所述第一加法器和所述第二加法器均连接所述减法器和所述乘法器，所述减法器和所述乘法器连接所述比较器，所述比较器连接所述第三加法器。
5.根据权利要求4 所述的红外小目标快速提取系统，其特征在于，所述第一加法器和所述第二加法器同时进行运算，所述减法器和所述乘法器同时进行运算。
CN201810367623.0A 2018-04-23 2018-04-23 一种红外小目标快速提取系统 Active CN108875733B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810367623.0A CN108875733B (zh) 2018-04-23 2018-04-23 一种红外小目标快速提取系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810367623.0A CN108875733B (zh) 2018-04-23 2018-04-23 一种红外小目标快速提取系统

Publications (2)

Publication Number Publication Date
CN108875733A CN108875733A (zh) 2018-11-23
CN108875733B true CN108875733B (zh) 2022-04-22

Family

ID=64326953

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810367623.0A Active CN108875733B (zh) 2018-04-23 2018-04-23 一种红外小目标快速提取系统

Country Status (1)

Country Link
CN (1) CN108875733B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110619626B (zh) * 2019-08-30 2023-04-07 北京都是科技有限公司 图像处理设备、系统、方法以及装置
CN114679547A (zh) * 2022-04-07 2022-06-28 海宁奕斯伟集成电路设计有限公司 图像处理设备、方法及程序

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102254181A (zh) * 2011-07-06 2011-11-23 天津工业大学 多阶微分环形模板匹配跟踪方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9127909B2 (en) * 2013-02-17 2015-09-08 Smart Shooter Ltd. Firearm aiming system with range finder, and method of acquiring a target
CN103310419B (zh) * 2013-06-18 2015-10-21 深圳大学 一种小目标图像处理装置
CN103646378A (zh) * 2013-11-15 2014-03-19 天津天地伟业数码科技有限公司 基于fpga平台的高还原度空域图像缩放方法
CN103679748B (zh) * 2013-11-18 2016-06-01 北京空间机电研究所 一种红外遥感图像弱点目标提取装置及方法
CN105872310B (zh) * 2016-04-20 2020-03-17 上海联影医疗科技有限公司 可移动成像设备的图像运动检测方法及图像降噪方法
CN106530320B (zh) * 2016-09-30 2019-12-17 深圳大学 一种端到端的图像分割处理方法及系统
CN106845359A (zh) * 2016-12-26 2017-06-13 四川农业大学 基于红外发射的隧道入口行车提示装置及方法
CN107680120B (zh) * 2017-09-05 2021-04-16 南京理工大学 基于稀疏表示和转移受限粒子滤波的红外小目标跟踪方法
CN107945227B (zh) * 2017-11-21 2021-10-01 北京工业大学 红外全景监控中雷达显示区的生成方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102254181A (zh) * 2011-07-06 2011-11-23 天津工业大学 多阶微分环形模板匹配跟踪方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
An Anisotropic Detection Method of Dim-small Infrared Targets;Zhang qiang等;《Proceedings of SPIE》;20111208;第8003卷;1-6 *
基于局部均值的红外小目标检测算法;刘运龙等;《红外与激光工程》;20130331;第43卷(第3期);第814-822页 *

Also Published As

Publication number Publication date
CN108875733A (zh) 2018-11-23

Similar Documents

Publication Publication Date Title
US11182908B2 (en) Dense optical flow processing in a computer vision system
US10621446B2 (en) Handling perspective magnification in optical flow processing
CN103295212A (zh) 图像校准方法及图像校准系统
US11682212B2 (en) Hierarchical data organization for dense optical flow processing in a computer vision system
CN107864335A (zh) 图像预览方法、装置、计算机可读存储介质和电子设备
CN108875733B (zh) 一种红外小目标快速提取系统
US9519959B2 (en) Image processing apparatus, imaging apparatus, and method for processing image
CN105427235B (zh) 一种图像浏览方法及系统
JP4659793B2 (ja) 画像処理装置及び画像処理方法
CN108198125B (zh) 一种图像处理方法及装置
JP4547321B2 (ja) 動きベクトル検出装置及び撮像装置
CN106780291B (zh) 一种实时畸变图像处理加速装置
JP2015138417A (ja) 画像処理装置および画像処理方法
CN104915923A (zh) 不同分辨率图像自适应缩放方法
TWI756771B (zh) 影像轉換方法
US20100013959A1 (en) Efficient Generation Of A Reflection Effect
Lu et al. Bilinear Interpolation Algorithm Based on Verilog
CN107507224B (zh) 运动物体检测方法、装置、介质及计算设备
US8717628B1 (en) Flexible image processing apparatus and method
US20230196523A1 (en) Image Dewarping Device and Method
US20220004799A1 (en) Method of matching images to be merged and data processing device performing the same
CN116471489A (zh) 图像预处理方法及其装置
CN116957939A (zh) 图像缩放方法、装置、电子设备及可读存储介质
Zhang et al. Local pixel wise skin detection algorithm based on FPGA
CN114972048A (zh) 一种图像处理、图像变形方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant