背景预测

摘要： 针对复杂背景中小目标的提取问题,提出了一种基于核模糊聚类多模型最小二乘支持向量机背景预测的红外小目标检测算法.首先,对训练样本用最近邻聚类法进行划分,获取聚类个数和初始聚类中心,并用核模糊C均值算法(KFCM)对聚类中心进行优化;其次,用LS-SVM计算模糊模型的回归参数,利用回归参数预测图像背景;之后,将原图像和预测图像相减得到残差图像;最后,依据最大类间绝对差选取阈值,从残差图像中分割出小目标.实验结果表明:文中算法相比传统基于模糊C均值(FCM)的小目标检测算法检测性能更优越.

摘要： 针对复杂背景下的红外弱小目标检测,本文提出了一种改进的Gabor滤波的红外弱小目标检测方法.该方法在背景预测算法的基础上,通过构造Gabor核函数来自适应确定背景预测系数.该方法利用了更多的图像局部特性信息,使用对比度尺度模型和强度尺度传播模型分别确定Gabor核函数的两个轴,解决了Gabor滤波算子不能自适应调整滤波系数的问题.通过与传统的小目标检测方法的比较实验结果表明,本文方法能有效保留图像的边缘信息,能有效地突出目标,抑制背景杂波,提高了对红外弱小目标的检测能力,效果明显优于传统方法.

摘要： To solve the difficult problem of acquiring the small target from infrared image, a new algorithm based on adaptive SUSAN-controlled Anisotropic Diffusion is proposed. The new algorithm combines the SUSAN edges detection algorithm and anisotropic diffusion so that a new diffusion equation is formed, which is used for predicting the background of the infrared image. After that the small targets are extracted from the residual picture between the original image and background image. To make an improvement of the adaptive ability of the new algorithm, a new way to set the limen of the SUSAN edge detector is proposed, and the median absolute deviation is used as the diffusion coefficients. The experiment demonstrates that the proposed algorithm is able to suppress the background of the image effectively, improve the SNR obviously and preserve the size of target accurately.%针对复杂背景下红外弱小目标提取困难的问题，提出了一种自适应SUSAN各向异性扩散的红外弱小目标检测算法。该算法结合SUSAN边缘检测算子与各向异性扩散，形成新的扩散方程对红外图像进行背景预测，与原图像差分后实现弱小目标检测。为使算法具备自适应能力，提出SUSAN边缘检测器灰度差阈值的自适应设定方法，采用绝对偏差中值算子作为其扩散系数。实验结果表明，该算法能够有效滤除复杂图像背景，大幅提升信噪比，同时保留目标大小。

摘要： 红外小目标易淹没在复杂的起伏背景中，为提高目标的检测能力，往往通过抑制背景来增强目标信号。针对各向同性背景在含有较多边缘轮廓的复杂起伏背景预测方法的不足，提出了各向异性的红外背景预测方法，结合目标与背景在局部梯度间的差异，考虑各向异性微分原理，并改进其边缘停止函数，然后利用其两个最小方向值的均值作为背景预测值，并将背景图灰度变换为0～255，最后采用恒虚警阈值法对差分图像进行分割处理，达到提取候选目标的目的，降低真实目标的虚警率。实验表明，各向异性取得良好的背景预测效果，而利用恒虚警阈值对差分图像进行分割有效地减小了虚警，提高目标检测率。%To improve the detection of infrared small target in the complex background,the target signals are generally enhanced by restraining the background.For the shortcomings of the isotropic background prediction method,a kind of anisotropic infrared background prediction method was proposed.According to the difference of local gradient features between the target and the background,the edge stopping function of anisotropic partial differential equation was im-proved.Then the mean of the two least direction values was set as the prediction value of the background,and the background gray level changed 0 ~255.Finally in order to extract the candidate target and reduce the false alarm rate of the target,the difference image was segmented by the method of constant false alarm threshold.Experimental results show that this method has a good background prediction,and it can effectively reduce the false alarm and improve the detection rate of the target.

摘要： As the infrared dim target has low signal-to-noise ratio and is difficult to be detected under complex back-ground,an infrared dim target detection method based on partial differential equation is proposed.Firstly,the Gaussian template is used to smooth the image,and the impact of the strong edge is weakened.Then,the background is predic-ted through partial differential equation to get the residual image,and the segmentation threshold is determined based on the pixel number of statistical histogram to achieve target separation.Lastly,false alarms are rejected after multi-frame confirmation and target trajectory is exported.The results show that the two-dimensional entropy of the back-ground is successful dropped to quarter of original background,and the detection probability of the target keeps above 94.6%.%针对复杂背景下红外弱小目标信杂比低，容易淹没在背景中，无法分离的特点，利用图像的二阶微分信息，依据偏微分扩散方程预测背景。首先利用高斯模板平滑图像，弱化强边缘对目标检测的影响，随后通过偏微分方程预测背景，得出残差图，根据统计直方图的像素数确定分割阈值，分离目标，最后多帧确认剔除虚警点，输出目标运动轨迹。结果显示该方法成功地将背景的二维熵抑制到原始背景的1／4，目标的检测概率保持在94.6％。

摘要： 红外弱小目标检测是红外图像研究领域的热点与难点.有效地从背景中检测出弱小目标对于后续的跟踪、识别工作具有十分重要的意义.针对现有检测方法的不足,提出了一种基于小波滤波背景预测的红外弱小目标检测方法.该方法利用小波滤波去噪的优良特性将目标作为噪声滤除,然后构建近似的前景分布图与背景分布图,最后基于连通体筛选与对比度门限完成弱小目标的提取.采用实测光电图像对该方法进行了验证,结果表明,提出的方法能够有效抑制噪声,完成背景预测以及红外弱小目标的检测.

摘要： 针对现有星点检测中背景预测算法存在的星点模糊、对噪声抑制能力差等问题,基于已有的背景预测算法,提出了一种用于星点检测的自适应变邻域背景预测算法;该方法根据待预测像素点所在位置不同采用不同的权值矩阵进行背景预测,当待预测像素点在星点边缘处时,仅用待预测像素点邻域内灰度小于邻域灰度中值的像素点组成预测权值矩阵进行预测计算,而在其他区域时,直接使用固定权值进行预测;同时,该算法还可以根据待预测像素点噪声属性,自适应调整待预测像素点自身灰度值在背景预测计算中的权值;最后对现有背景预测算法和所提算法进行仿真和参数比较,实验结果表明,改进算法较现有算法对星点的处理更清晰,对噪声的抑制能力更强,有利于后续星点检测的处理.

摘要： 为自适应检测复杂环境中的红外小目标,提出了基于极端学习机背景预测的红外小目标检测算法.首先,依据灰度值分布设计局部边缘敏感平滑滤波器,在相近的灰度范围内,使中心像素的灰度值等于邻域内多数灰度值的融合,对红外图像进行滤波,能够去除大量噪声并突出图像主要结构;其次,利用极端学习机对滤波后的图像建立回归模型,以邻域像素值为输入,以中心像素值为输出训练模型,并对背景进行预测,得到的图像与滤波后的图像做差,得到小目标显著图;最后,利用图像块对比特性对显著区域处理,使小目标区域均匀突出,抑制背景区域,并经过简单阈值操作,实现对红外小目标的检测.实验结果表明:与其他检测算法相比,在复杂背景下,本文算法检测结果的局部信噪比增益最高,单帧检测时间为0.18s.本文算法对背景进行学习,发掘背景与目标的差异,提高了算法的适应能力,并且能够有效检测小目标.

摘要： 杂波背景抑制一直是红外弱小目标检测面临的难题.背景抑制可分为背景预测和差分滤波两步.针对强杂波背景呈现非线性分布的特征,提出了一种基于稀疏化核递推最小二乘(KRLS)算法的非线性背景抑制算法.算法采用监督学习模型,使用序列图像作为训练样本.通过稀疏化控制学习函数的复杂度并剔除冗余信息,不但可以提高学习机器的推广能力,还可以降低运算量.使用真实红外图像对算法进行了测试,并分析了算法参数.实验结果表明:算法可自适应预测不同类型的强杂波背景,并有效抑制背景杂波.

摘要： 固定权值背景预测是一种结构简单、处理速度较高的红外弱小目标检测算法.但因滤波效果不及自适应权值滤波器而限制了其应用.文章从算法的运算耗时和信噪比增益两方面,深入研究了固定权值背景预测算法.比较分析了不同大小预测窗口和各种权系数模板对小目标检测效果的影响,通过理论分析和实验确定了最佳预测窗口和最优固定权系数模板组成的滤波器,对常规的算法进行了改进.并通过计算机仿真验证了上述分析的合理性。

摘要： 提出了基于背景预测的单帧检测弱小目标改进算法.该算法采用改进的最大值背景预测算法.为了能同时检测点目标和小目标,预测背景的四个预测窗的位置与目标点之间保持一定的距离,保证预测窗中的像素能准确反映当前像素灰度中的背景灰度信息.为了保证单帧的较低的虚警率,同时结合多方向多极梯度算法,对背景预测初步检测出来的可能目标点进一步检测,以排除绝大多数的虚假目标.经实验证明,该算法在单帧图像上能很好的检测出弱小目标来,并能满足实时性的要求.

摘要： 本文对于复杂背景中的红外船舶小目标检测,提出了利用NARX和RBF神经网络进行背景预测的方法.这种方法利用背景和目标像素点之间相关性与背景像素点之间相关性的差异,对输入图像进行背景预测,然后对输入图像和背景图像做差分,从而得到目标点.实验表明,NARX和RBF神经网络均能完成目标检测任务,但在速度和精确性上存在一定的差异.

摘要： 为了有效地抑制背景,提高目标与背景的对比度,提出了一种基于邻域信息TDLMS滤波器的红外目标检测算法.该算法对TDLMS滤波器的结构和预测方法进行了改进,充分利用被预测像素的邻域信息对背景进行预测.实验结果表明该算法对不同背景和不同大小红外目标都具有很好的检测效果,能够更大程度提高局部信杂比.

摘要： 为了有效地抑制背景,提高目标与背景的对比度,提出了一种基于邻域信息TDLMS滤波器的红外目标检测算法.该算法对TDLMS滤波器的结构和预测方法进行了改进,充分利用被预测像素的邻域信息对背景进行预测.实验结果表明该算法对不同背景和不同大小红外目标都具有很好的检测效果,能够更大程度提高局部信杂比.

摘要： 为了有效地抑制背景,提高目标与背景的对比度,提出了一种基于邻域信息TDLMS滤波器的红外目标检测算法.该算法对TDLMS滤波器的结构和预测方法进行了改进,充分利用被预测像素的邻域信息对背景进行预测.实验结果表明该算法对不同背景和不同大小红外目标都具有很好的检测效果,能够更大程度提高局部信杂比.

摘要： 为了有效地抑制背景,提高目标与背景的对比度,提出了一种基于邻域信息TDLMS滤波器的红外目标检测算法.该算法对TDLMS滤波器的结构和预测方法进行了改进,充分利用被预测像素的邻域信息对背景进行预测.实验结果表明该算法对不同背景和不同大小红外目标都具有很好的检测效果,能够更大程度提高局部信杂比.

摘要： 为了有效地抑制背景,提高目标与背景的对比度,提出了一种基于邻域信息TDLMS滤波器的红外目标检测算法.该算法对TDLMS滤波器的结构和预测方法进行了改进,充分利用被预测像素的邻域信息对背景进行预测.实验结果表明该算法对不同背景和不同大小红外目标都具有很好的检测效果,能够更大程度提高局部信杂比.

摘要： 文中根据背景杂波和运动目标和红外成像差异,提出了两种基于自适应空间预测滤波技术的低信噪比小目标检测方式.并通过实际的红外图像验证了两种方法的有效性.

摘要： 文中根据背景杂波和运动目标和红外成像差异,提出了两种基于自适应空间预测滤波技术的低信噪比小目标检测方式.并通过实际的红外图像验证了两种方法的有效性.

摘要： 本申请关于一种脑电信号处理方法、背景脑电预测模型的训练方法及装置。其中该方法包括，获取脑电信号，并对所述脑电信号进行预处理；将预处理后的所述脑电信号输入至预先训练的背景脑电预测模型，预测所述脑电信号的背景脑电信号；基于所述背景脑电信号，抑制所述脑电信号中的背景脑电信号，得到高质量脑电信号；对所述高质量脑电信号进行解码分析处理。本申请提高了对脑电信号中背景脑电进行抑制的准确性，从而得到高质量的脑电信号。

摘要： 在各种示例中，可以修改对象的背景以生成训练图像。分割掩码可被生成并用于生成包括表示对象的图像数据的对象图像。对象图像可以集成到不同的背景中，并用于训练神经网络中的数据增强。还可以使用色调调整(例如，对象图像的)和/或渲染对应于来自所选视图的对象的三维捕获数据来执行数据增强。可以分析推理分数以选择要包括在训练数据集中的图像的背景。可以选择背景并且可以在训练期间(例如，在时期之间)迭代地将训练图像添加到训练数据集。此外，可以采用使用对象掩码数据的早期或晚期融合来改进由使用对象掩码数据训练的神经网络执行的推理。

摘要： 本发明公开一种基于时序事件和语义背景的事件抽取和预测方法，其中包括以下步骤：(S1)对事件数据信息实时采集，采集方式通过图像采集、视频采集和语义背景采集；(S2)将采集到的视频流进行存储，进而获取视频流数据信息；同时将获取的视频流数据信息生成时序事件流，并记录时间戳；同时将获取的数据信息转换为短文本样本，并记录短文本样本标签；(S3)提取数据特征，视频流数据信息通过图像识别模型实现数据流信息特征提取，短文本样本通过构建的分类器实现数据信息分析；(S4)构建预测事件预测模型和语义背景模型实现数据预测；(S5)输出预测结果。本发明能够实现时序事件和语义背景的事件抽取和预测，提高了事件预测能力。

摘要： 本发明属于砂岩型铀矿成矿预测技术研究领域，具体公开一种厚覆盖超覆背景下的砂岩型铀矿深部盲矿体预测方法，该方法包括以下步骤：步骤1、系统研究盆地的地质情况，确定研究区有利渗入窗口的时空定位；步骤2、分析研究区有利渗入窗口的地层，确定有利铀储层的时空定位；步骤3、对有利铀储层开展后生改造分析，预测成矿远景区；步骤4、对预测的成矿远景区进行钻探查证。本发明方法突破了“超覆区下部层位不利成矿”的传统认识，为厚覆盖超覆背景下的深部铀矿勘查提供了一种全新的预测模型，极大地拓展了砂岩型铀矿的深部找矿空间，对我国北方沉积盆地砂岩型铀矿的深部盲矿预测具有直接指导作用，应用前景广阔。

摘要： 本发明的一种电力市场背景下的短期光伏功率预测方法、介质及设备，其中方法包括以下步骤，基于NWP数值，将天气分为晴天、阴天、阵雨和全雨四种天气模型；判断待测日天气类型，根据待测日天气类型选择最近的相似日光伏功率历史数据和历史NWP数值；将归类后的数据集输入Stacking集成模型的一层预测模型中的各基学习器；获得各基学习器的预测结果，构建新的训练集并输入二层预测模型；获得二层元学习器的预测结果，即为最终光伏发电功率预测值。本发明采用联合机理模型和数据驱动的算法可以有效降低预测对数据的依赖，在数据质量和数量不理想的情况下，可以兼顾预测的精度、速度和可靠性，并且大幅减小实际生产中获取数据的成本，具有显著的经济效益。

摘要： 本发明公开了一种低碳出行背景下的城市电动汽车需求预测方法。该方法首先结合城市交通网络的规模效应，为燃油汽车和电动汽车分别建立了符合车辆运行特性的运行成本函数。再依据出行者对于出行时间主观感知的随机性，构建基于随机用户均衡原则的交通分配问题；获得城市交通网络中的路径流量和出行时间，以及燃油汽车和电动汽车的运行成本。最后，本发明结合Logit行为选择模型进行交通出行方式划分，实现对城市电动汽车出行需求的有效预测。本发明可以更加准确地预测城市交通网络中电动汽车的出行需求，估算与城市交通相关的环境成本，从而采取及时有效的管理措施，为建设节能低碳的现代城市交通提供坚实的支持。

摘要： 本发明一种复杂背景下红外背景预测算子的自动选择方法，可概括为：首先对单帧图像中的每个点进行邻域操作得到以该点为中心的子图像邻域，并计算该子图像的平滑度，然后根据子图像的平滑度选择对应的背景预测算子，以获得背景图像。对具有不同图像平滑度的局部邻域自动采用不同的预测算子进行背景预测，比单独采用某一种预测算子计算得到的背景图像更接近原图，能够更大程度上的抑制背景噪声。

摘要： 本发明针对红外弱小目标图像，提出一种基于自适应背景预测的红外背景抑制方法。依次扩大以当前点为中心的子图像，子图像的尺寸不能超过系统所允许弱小目标的最大尺寸的三倍。在子图像中计算弱小目标存在的必要条件，选择符合此必要条件的最大尺寸的子图像，将子图像划分为3×3的区域，以除中心区域之外的剩余8个区域的灰度均值中的中值作为该点的背景预测值。反之，认为当前点属于背景区域，直接采用原图像中该点的灰度值作为该点的背景预测值。在完成对该点的背景预测之后，然后与原图像求残差，最终完成对红外背景的抑制。该方法能够适用于天空背景、海天背景、海面背景、低空和地面混合背景等典型类型的红外背景抑制。

摘要： 本发明一种复杂背景下红外背景预测算子的自动选择方法，可概括为：首先对单帧图像中的每个点进行邻域操作得到以该点为中心的子图像邻域，并计算该子图像的平滑度，然后根据子图像的平滑度选择对应的背景预测算子，以获得背景图像。对具有不同图像平滑度的局部邻域自动采用不同的预测算子进行背景预测，比单独采用某一种预测算子计算得到的背景图像更接近原图，能够更大程度上的抑制背景噪声。

摘要： 本发明提供一种电导率与流型背景预测方法、图像重建方法、设备及介质，该方法包括：获取管道内充满空气时的第一电容频谱数据及管道内当前流体的第二电容频谱数据；将第一电容频谱数据与第二电容频谱数据的电容差频谱数据，输入预建神经网络，输出管道内当前流体的流型背景及电导率。该方案能够简化系统运行步骤，并且不会受环境因素影响等造成的误差。