【摘要】：根据这个假设，在传感器采样频率下，目标在相邻帧不会产生大的跳跃。管道滤波算法能够从噪声的随机分布中识别目标轨迹的规则分布，并根据分布状况检测出目标。通过某些相邻帧序列累积，将与其帧数相等的一系列的小窗口加窗在每个中心像素区域。根据上述分析，管道滤波算法关注在一些相邻帧内像素的邻域，通过寻求像素强度分布连续性来检测目标的存在。在每个周期，窗口列的数量等于管道中图像帧数量。
被采集图像包含随机的背景杂波与传感器噪声。假如孤立噪声点的强度高于像素目标的强度，则目标的检测任务就会很简单。对于小目标图像，由于缺乏目标形状信息，并且在小目标邻域没有高强度像素，采用传统的检测方法容易失败。针对小目标检测，它具有的唯一信息就是运动轨迹的连续性。管道滤波算法依据短时间内，利用连续运动的目标强度不变特性来检测目标的存在。因此目标的轨迹必须连续与平滑。根据这个假设，在传感器采样频率下，目标在相邻帧不会产生大的跳跃。例如对应每个采样周期，沿着时间轴，在空间坐标上目标遍历多个像素或者一个像素的部分。管道滤波算法能够从噪声的随机分布中识别目标轨迹的规则分布，并根据分布状况检测出目标。
通过某些相邻帧序列累积，将与其帧数相等的一系列的小窗口加窗在每个中心像素区域。当目标轨迹分割包含在窗口内，强度分布是连续的和有规则形状的。然而当窗口系列的位置远离于目标轨迹，很少连续的高强度像素出现于窗口空间，并且它的分布极不规则［1 35］。根据上述分析，管道滤波算法关注在一些相邻帧内像素的邻域，通过寻求像素强度分布连续性来检测目标的存在。从传感器获得图像的采样序列，管道目标检测系统首先构成一些图像帧的管道，每次将时间序列图像的每帧按顺序地压入管道。在每个周期，窗口列的数量等于管道中图像帧数量。对比其周围，出现在窗口列的目标产生高强度值或者超过某阈值。当高强度像素聚类时，该聚类像素质心将被确定为于窗口内目标轨迹的质心。(www.xing528.com)
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
