吉林大学学报(工学版) ›› 2010, Vol. 40 ›› Issue (05): 1330-1335.

• 论文 • 上一篇    下一篇

基于模糊积分特征的红外图像运动目标检测算法

丁莹1,2,李文辉1,范静涛2,杨华民2   

  1. 1.吉林大学 计算机科学技术学院|长春 130022;2.长春理工大学 计算机科学技术学院|长春 130022
  • 收稿日期:2009-09-12 出版日期:2010-09-01 发布日期:2010-09-01
  • 通讯作者: 李文辉(1964-),男,教授,博士生导师.研究方向:计算机图像处理.E-mail:liwenhui2050@163.com E-mail:liwenhui2050@163.com
  • 作者简介:丁莹(1983-),女,博士研究生.研究方向:计算机图像处理,计算机仿真.E-mail:dingying@cust.edu.cn
  • 基金资助:

    “863”国家高技术研究发展计划项目(2008AA10Z224);高等学校博士学科点专项科研基金项目(20060183042);国家自然科学基金项目(69883004,60573182)

Fuzzy integral feature based algorithm for moving infrared object detection

DING Ying1,2,LI Wen-hui1,FAN Jing-tao2,YANG Hua-min2   

  1. 1.College of Computer Science and Technology, Jilin University,Changchun 130022,China;2.College of Computer Science and Technology, Changchun University of Science and Technology, Changchun 130022,China
  • Received:2009-09-12 Online:2010-09-01 Published:2010-09-01

摘要:

提出了一种新颖的融合红外图像的亮度和纹理特征进行运动目标检测的算法。算法使用模糊数学理论中的Sugeno模糊测度和积分技术将图像的亮度特征与局部二元模式纹理特征结合进行运动前景/背景分类,实现了低信噪比、黑白级反转等复杂背景条件下的准确目标提取。通过实验分析比较了不同检测算法的检测结果,实验数据表明,该算法能够以高检测率、低误检率获得运动目标,为进一步的目标识别或跟踪提供了保障。

关键词: 计算机应用, 红外图像处理, 运动目标检测, 模糊测度, 模糊积分

Abstract:

A novel moving object detection algorithm is presented, which is based on the intensity and texture integral feature of the infrared image of the object. The algorithm applies Sugeno fuzzy measure and fuzzy integral to integrate the intensity and texture feature of local binary pattern, and classifies the foreground and background. It can accurately detect the object under complex background, such as picture inversion and low signaltonoise ratio. Experiment results indicate that moving object can be correctly detected by this algorithm, which ensures further object recognizing and tracking.

Key words: computer applications, infrared image processing, moving object detection, fuzzy measure, fuzzy integral

中图分类号: 

  • TP391.4
[1] 刘富,宗宇轩,康冰,张益萌,林彩霞,赵宏伟. 基于优化纹理特征的手背静脉识别系统[J]. 吉林大学学报(工学版), 2018, 48(6): 1844-1850.
[2] 王利民,刘洋,孙铭会,李美慧. 基于Markov blanket的无约束型K阶贝叶斯集成分类模型[J]. 吉林大学学报(工学版), 2018, 48(6): 1851-1858.
[3] 金顺福,王宝帅,郝闪闪,贾晓光,霍占强. 基于备用虚拟机同步休眠的云数据中心节能策略及性能[J]. 吉林大学学报(工学版), 2018, 48(6): 1859-1866.
[4] 赵东,孙明玉,朱金龙,于繁华,刘光洁,陈慧灵. 结合粒子群和单纯形的改进飞蛾优化算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1867-1872.
[5] 刘恩泽,吴文福. 基于机器视觉的农作物表面多特征决策融合病变判断算法[J]. 吉林大学学报(工学版), 2018, 48(6): 1873-1878.
[6] 欧阳丹彤, 范琪. 子句级别语境感知的开放信息抽取方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1563-1570.
[7] 刘富, 兰旭腾, 侯涛, 康冰, 刘云, 林彩霞. 基于优化k-mer频率的宏基因组聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1593-1599.
[8] 桂春, 黄旺星. 基于改进的标签传播算法的网络聚类方法[J]. 吉林大学学报(工学版), 2018, 48(5): 1600-1605.
[9] 刘元宁, 刘帅, 朱晓冬, 陈一浩, 郑少阁, 沈椿壮. 基于高斯拉普拉斯算子与自适应优化伽柏滤波的虹膜识别[J]. 吉林大学学报(工学版), 2018, 48(5): 1606-1613.
[10] 车翔玖, 王利, 郭晓新. 基于多尺度特征融合的边界检测算法[J]. 吉林大学学报(工学版), 2018, 48(5): 1621-1628.
[11] 赵宏伟, 刘宇琦, 董立岩, 王玉, 刘陪. 智能交通混合动态路径优化算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1214-1223.
[12] 黄辉, 冯西安, 魏燕, 许驰, 陈慧灵. 基于增强核极限学习机的专业选择智能系统[J]. 吉林大学学报(工学版), 2018, 48(4): 1224-1230.
[13] 傅文博, 张杰, 陈永乐. 物联网环境下抵抗路由欺骗攻击的网络拓扑发现算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1231-1236.
[14] 曹洁, 苏哲, 李晓旭. 基于Corr-LDA模型的图像标注方法[J]. 吉林大学学报(工学版), 2018, 48(4): 1237-1243.
[15] 侯永宏, 王利伟, 邢家明. 基于HTTP的动态自适应流媒体传输算法[J]. 吉林大学学报(工学版), 2018, 48(4): 1244-1253.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
No Suggested Reading articles found!