一种基于残差学习的可见光-红外序列目标跟踪方法

    公开(公告)号:CN115690164A

    公开(公告)日:2023-02-03

    申请号:CN202211143352.3

    申请日:2022-09-20

    摘要: 本发明公开了一种基于残差学习的可见光‑红外序列目标跟踪方法,包括:初始化网络参数,对双波段图片序列的首帧进行目标采样,将样本输入包含三条并行分支的特征提取网络,每个分支分别提取可见光、红外、融合图像的特征;将特征图输入注意力模块,计算分层特征的注意力权重,用权重修正每一层的特征图;把最终的特征图送入各自的判别跟踪模块,得到目标跟踪的结果,利用融合分支与单模态分支的竞争、协作关系改进损失函数,根据目标真值框与实际跟踪框的偏差计算各分支的损失,优化网络;输入下一序列的图片,循环迭代得到跟踪网络模型,最终完成可见光——红外目标跟踪。本发明提高了可见光——红外目标跟踪的准确率和成功率。

    一种用于视觉跟踪的具有光照鲁棒性的色空间构建方法

    公开(公告)号:CN106780561B

    公开(公告)日:2020-04-17

    申请号:CN201611260740.4

    申请日:2016-12-30

    IPC分类号: G06T7/246

    摘要: 本发明公开了一种用于视觉跟踪的具有光照鲁棒性的色空间构建方法,根据RGB与HSI空间的定量转化公式,提出对H分量进行帧间保持的方法;根据有无彩色信息将图像像素点分成两大类,分别对其在HSI空间中的光照敏感分量进行校正与约束,并给出在RGB空间内实行的具体操作方法,从而构建出对光照具有鲁棒性的新色彩空间;将建立的新色彩空间运用于经典视觉跟踪算法。本发明能够使传统跟踪算法保持较高的稳定度和精度,仅对色彩空间进行线性变化,不涉及跟踪算法本身的修改,极大降低了方法整体计算复杂度,同时具备运算复杂度低、实时性好的特点。

    基于线模板航迹跟踪的低信噪比图像增强方法

    公开(公告)号:CN117078542A

    公开(公告)日:2023-11-17

    申请号:CN202310977453.9

    申请日:2023-08-04

    IPC分类号: G06T5/00

    摘要: 本发明公开了一种基于线模板航迹跟踪的的低信噪比图像增强方法,能够在兼顾计算速度和算法稳定性的同时,在低信噪比场景下有效的提高低信噪比图像的质量,还原真实场景,使边缘和目标清晰,细节得到增强。本发明的图像增强算法,包括以下几个步骤:相位法初始累积:对每一帧图像采用相位相关匹配,得到初始的累积图;线模板跟踪:利用初始累积图的线模板,利用弱线提取模型,移动模板得到后续图像中模板的位置,计算出两帧图像的位移量;航迹管理:通过计算出来的位移量,建立起像素级的航迹关联;原始图像更新:通过像素级关联和成像关系得到最终增强图像,并用当前帧信息对线模板参数进行更新。

    一种适用于长程跟踪的鲁棒性视觉目标跟踪方法

    公开(公告)号:CN108921872B

    公开(公告)日:2022-02-01

    申请号:CN201810463293.5

    申请日:2018-05-15

    IPC分类号: G06T7/246 G06V10/764 G06K9/62

    摘要: 本发明公开了一种适用于长程跟踪的鲁棒性视觉目标跟踪方法,首先根据视频序列的初始帧图像与目标在初始帧中的位置信息提取正负样本,对样本图像块作特征提取得到低维特征向量,使用线性支持向量机技术初始化目标外观模型;然后对得到的支持向量机模型进行逻辑斯蒂回归,对目标外观模型在粒子滤波框架下估计目标位置;随后,将中值流跟踪算法与当前的粒子滤波算法结合协同跟踪,在跟踪过程中采用增量减量技术在线更新外观模型,将原始的外观模型与新样本结合在线更新外观模型,直到最后一帧结束更新,从而实现了鲁棒性的视觉目标跟踪。本发明实现了机制迥异的两路跟踪方法的并行互补,解决了跟踪进程中不断产生新信息而造成空间冗余的问题。

    基于多模态损失函数U型编解码网络的图像增强方法

    公开(公告)号:CN117196991A

    公开(公告)日:2023-12-08

    申请号:CN202311224573.8

    申请日:2023-09-21

    摘要: 本发明公开了一种基于多模态损失函数U型编解码网络的图像增强方法,涉及图像处理领域,包括:设计U型编解码网络模型,将短曝光S0与Dolp图像作为训练集、对应的长曝光图像作为真值参考,输入网络进行训练;并设计了使用YUV色彩空间的光强与线偏振度多模态损失函数,使用梯度下降算法调整网络参数,直到最大迭代次数,输出网络模型;将短曝光测试集图像输入训练好的网络模型,输出增强图像,与对应真值图像进行对比分析。经本发明改进后的网络模型在彩色偏振图像还原上的峰值信噪比、结构相似度和处理速度得到了提升。