基于相关系数的相关跟踪算法研究

提出了一种以相关系数作为相似度度量准则的相关跟踪算法，克服了传统的以点对点乘累加作为相似度度量准则的相关跟踪算法跟踪精度低的缺点。给出了相似性度量的快速实现方法，解决了目标跟踪的实时性要求。同时．还提出了一种新的模板更新策略，使得跟踪算法对环境的适应能力和稳定性得到较大的提高。此外，提出了跟踪失败判决策略，解决了因目标暂时消失或环境突然变化，如瞬间明暗变化，造成的成像质量差而引起的跟踪失败。试验结果表明，该相关跟踪算法减少了相关跟踪的复杂度，具有跟踪精度高和速度快的特点。目前，该算法已经应用在实时目标跟踪系统中。     

基于局部特征匹配的多目标跟踪算法

为解决多目标跟踪过程中因遮挡导致跟踪失败的问题,提出一种基于局部特征匹配的跟踪算法。在卡尔曼滤波跟踪框架下,根据目标数据关联的结果判断目标的状态并进行针对性处理。当目标处于相互遮挡的状态时,利用目标的局部模板在当前帧进行匹配获取目标候选区域,利用改进的距离加权彩色直方图计算候选区域与局部模板的相似度,结合直方图的相似度和卡尔曼预测确定目标的位置。实验结果表明,在满足实时性的要求下,该方法能够有效地处理目标的遮挡问题。     

基于改进模板匹配的目标跟踪算法

基于模板匹配的目标跟踪应用中,常见的一个问题是相似性度量值受噪声影响较大.为解决这个问题,提出了一种新的相似度量方法.通过采用距离加权、模板更新以及局部匹配的方法,提高了在不同光照条件及变形情况下跟踪算法的鲁棒性.对原算法和改进算法进行了对比实验,结果表明改进后的算法在存在严重遮挡的情况下,仍能准确地跟踪到运动目标.将mean-shift跟踪、基于子空间分解的粒子滤波跟踪及基于改进的模板匹配跟踪进行了比较,实验结果表明改进后的算法实现简单,跟踪性能与其他两种跟踪算法相近.     

基于模型和区域相关融合的鲁棒跟踪算法

提出了一种模型部分匹配的相似度量方法,利用匹配的完整度、归一化的匹配点相对于模型的偏移量期望和方差的加权和作为相似性度量。在此基础上建立模型匹配算法,利用模型匹配和区域相关融合的方法进行目标跟踪。算法能够在摄像机静止和运动的情况下进行稳定的跟踪,能够适应目标的部分遮挡、光照和姿态的变化。利用参数化的模型能够在复杂的背景环境中实现实时的多目标跟踪。     

一种基于图像纹理的模板匹配算法的改进与实现*

为了提高图像匹配算法的实时性和复杂场景跟踪的稳定性,改进一种基于图像纹理的模板匹配算法.在模板与目标图像中分别提取水平、垂直方向上的二值化纹理特征矩阵,然后根据字节同或逻辑运算分别计算两个方向上的最佳匹配值,最后,通过加权求和得到最终的目标相关置信度.其中逻辑运算可以并行处理,所以计算量将大大减少,具有很强的实时性.又因为跟踪过程中,目标图像必然存在突发性的变化,对模板合理地进行更新是目标跟踪的关键.在上述的图像相似度度量方法的基础上,提出了一种非常有效的模板修正方案,从而使跟踪算法对环境的适应能力和稳定性大大提高.实验结果证明了该方法的优越性.     

基于模板匹配与运动预测的跟踪算法研究

本文所介绍的跟踪算法使用了基于MCD距离的相似性度量方法进行模板匹配,并采用了一种模板自适应更新策略,使得跟踪算法对环境的适应能力和稳定性得到了较大的提高.此外,还根据目标在运动过程中具有轨迹连续性的特点,加入了预测算法的使用.实验结果表明,该算法能较好地解决跟踪过程中目标受干扰和被遮挡等问题.     

基于局部直方图的多区域目标跟踪算法

为克服光照变化和目标遮挡对运动目标跟踪的影响,提出了一种基于改进的局部敏感直方图的多区域目标跟踪算法。改进了局部敏感直方图并设计了快速算法;将改进的局部敏感直方图作为多区域跟踪算法中的目标建模方式,提高目标建模的准确性且降低提取目标特征的计算复杂度;针对多区域跟踪算法中融合各个区域块的特征相似值的需要,采用基于统计排序和最小二乘估计的参数估计方法计算整个目标块与模板的相似度。实验结果表明该算法能有效应对目标跟踪过程中光照变化、目标形变与遮挡的干扰,实现实时鲁棒的目标跟踪。     

无人机对船舶目标的改进CamShift跟踪算法研究

针对由于CamShift算法跟踪特征单一引起的对颜色相似目标或背景的干扰和对目标遮挡情况较敏感的问题,提出了一种基于改进CamShift融合局部特征匹配的无人机目标跟踪算法.首先,采用基于 H分量和LBP二维模板的改进CamShift目标跟踪算法以提高对相似目标干扰的鲁棒性;其次,在能保证目标跟踪的实时性要求的前提下,融合局部特征匹配算法中的BRISK匹配算法,可有效改善CamShift对颜色相似目标或背景的干扰的敏感性,同时增强对目标遮挡鲁棒性.实验结果表明,该改进算法通过颜色特征和局部特征的共同定位目标,实现了目标的准确跟踪.     

基于层叠分类器的快速相关跟踪算法

提出一种基于层叠分类器的快速相关跟踪算法。首先利用目标模板色彩分布信息对原始图像数据进行变换，锐化匹配相似度函数峰值，增强算法在复杂环境下的稳定性；然后提出了用平均灰度差和Harr型特征构造层叠分类器，分层刻画目标模板与搜索窗口在统计特征和局部特征上的相似性，并采用积分图快速计算特征，从而大幅度减少在非最优匹配点上的计算量，且特征计算与模板大小无关。大量实验结果表明，该算法大大降低了相关跟踪的时间复杂度，具有跟踪稳定、实时性强等特点。目前，以该算法为核心的实时目标跟踪系统对图像大小为320×240的视频序列内任意尺寸目标的平均处理速度达到20帧/s。     

利用增广拉格朗日乘子的鲁棒跟踪算子

针对视频目标鲁棒跟踪问题,提出了一种基于稀疏表示的生成式算法。首先提取特征构建目标和背景模板,并利用随机抽样获得足够多的候选目标状态;然后利用多任务反向稀疏表示算法得到稀疏系数矢量构造相似度测量图,这里引入了增广拉格朗日乘子(ALM)算法解决L₁-min难题;最后从相似度图中使用加性池运算提取判别信息选择与目标模板相似度最高并与背景模板相似度最小的候选目标状态作为跟踪结果,该算法是在贝叶斯滤波框架下实现的。为了适应跟踪过程中目标外观由于光照变化、遮挡、复杂背景以及运动模糊等场景引起的变化,制定了简单却有效的更新机制,对目标和背景模板进行更新。对仿真结果的定性和定量评估均表明与其他跟踪算法相比,所提算法的跟踪准确性和稳定性有了一定的提高,能有效地解决光照和尺度变化、遮挡、复杂背景等场景的跟踪难题。     

结合颜色属性的分层结构直方图

目的 为克服单一颜色特征易受光照变化影响,以及图像的空间结构特征对目标形变较为敏感等问题,提出一种结合颜色属性的分层结构直方图。方法 首先,鉴于使用像素灰度值对图像进行分层易受光照变化影响,本文基于颜色属性对图像进行分层,即将输入的彩色图像从RGB空间映射到颜色属性空间,得到11种概率分层图;之后,将图像中的每一个像素仅投影到其概率值最大的分层中,使得各分层之间像素的交集为空,并集为整幅图像;对处理后的每一个分层,通过定义的结构图元来统计像素分布情况,得到每一分层的空间分布信息;最后,将每一分层的像素空间分布信息串联作为输入图像的分层结构直方图,以此来表征图像。结果 为证明本文特征的有效性,将该特征用于图像匹配和视觉跟踪,与参考特征相比,利用本文特征进行图像匹配时,峰值旁瓣比均值提升1.347 9;将本文特征用于视觉跟踪时,采用粒子滤波作为跟踪框架,成功率相对上升4%,精度相对上升4.6%。结论 该特征将图像的颜色特征与空间结构信息相结合,有效解决了单一特征分辨性较差的问题,与参考特征相比,该特征具有更强的分辨性和鲁棒性,因此本文特征可以更好地应用于图像处理应用中。     

基于MCD和局部线性高斯模型的视频跟踪粒子滤波算法

为了提高粒子传播过程中状态空间的质量和视频跟踪算法的精度,提出了一种基于MCD和局部线性高斯模型的粒子滤波算法,这种MCD方法摒弃了传统的像素匹配贡献均等的方式,而是采用像素点间的邻近度作为相似性度量.由于该方法所获得的相关曲面更尖锐,且匹配置信度更高,而局部线性高斯模型则可使得在粒子传播过程中能使用最佳的重要函数,因此两者结合能够实现最佳粒子滤波.由于MCD方法的鲁棒性,从而使得跟踪算法对环境的适应能力和稳定性得到提高.两个仿真实验的结果说明,该算法是可行的与优越的.     

基于图像信息的雷达测距系统实现

研究雷达图像测距问题,提高测量结果的准确性。针对当雷达采集图像中,测距点的像素与外界环境像素混淆,无法通过灰度等级进行准确的提取,导致测距点采集存在误差,根据测距点进行的距离测量结果准确性不高的问题。为了解决上述问题,提出一种新的基于雷达远程采集图像的距离测定方法。通过运用特征点的亚像素级精确配准技术,使得待检测的测距点能够完成准确的匹配,保证距离计算结果的精确性。实验结果表明,改进方法能够快速的完成关于雷达采集图像的距离测定,提高了测距的准确性,取得了不错的效果。     

仿射模型目标跟踪中的一种模板修正策略

在目标跟踪过程中，由于目标姿态不断变化，因此必须要对跟踪模板进行必要的修正，为了进行这种动态变化目标的跟踪，提出了一种动态更新模板的新方法，该方法是在基于仿射模型跟踪的基础上，首先在跟踪结果序列图象中进行运动目标检测，然后根据检测的结果来判断目标的姿态变化，再由给定的规则来对模板做出相应的修正，实验证明这种方法可以有效地适应目标的变化。     

一种新的完全欧氏距离变换算法

论文提出了一种基于边界剥离的二维完全欧氏距离变换算法。该算法从物体目标的最外层边界开始,自外向内、逐层对物体目标区域进行边界跟踪、剥离。在跟踪过程中,根据当前边界像素点的已获得距离变换结果或为背景的邻域像素信息,计算其与最近背景像素间的欧氏距离,从而实现距离变换。和已有算法相比,文中算法具有简单快速、容易实现,得到的是完全欧氏距离的优点,在分离粘连物体的应用中,取得了良好分离效果。     

视觉量子目标跟踪方法

为了解决变结构目标跟踪过程中目标失跟率较高的问题,提出了一种基于视觉量子（vision quantum,简称VQ）的目标跟踪方法.该方法首先在图像内自上而下地辐射视觉量子采集灰度信息,统计量子内部概率密度较大的灰度级和分布区域;然后计算视觉量子的量子频率,归一化量子频率系数,滤除系统噪音和杂波干扰,利用频率阶跃不变性移动视觉量子至平衡状态,将达到量子平衡状态的视觉量子组成量子簇;最后,以该量子簇作为候选目标信息,采用极大似然估计预测运动目标状态,以预测结果作为下一帧图像中视觉量子移动的参考值,并进一步验证移动后的视觉量子是否达到量子平衡状态,以确保目标跟踪有效性.该方法抓住了变结构运动目标前景与背景交界处具有量子频率阶跃不变性的特点,继而将阶跃不变特征采用具有独立性和约束性的视觉量子进行描述,可以有效地消除形状变化、尺度变化等变结构因素对运动目标跟踪的影响,失跟率较低.同时,由于视觉量子数据量较小,计算复杂度较低,其跟踪实时性较高.大量实验测试结果表明,该方法对变结构目标跟踪具有很好的适应性、实时性和鲁棒性.     

基于无人机航拍图像的关键目标点间距测量研究

为了解决以往测距方法受到噪声影响而导致测量结果精准度低的问题,提出了基于无人机航拍图像的关键目标点间距测量研究。依据无人机航拍图像上下行链路测距原理,设计测量方案实现流程。利用三轴机光电经纬仪获取关键目标点方位角和高低角,采用灰度信息匹配方法匹配图像,标记参考点。根据参考点生成特征描述子,通过局部自相关函数曲率对多维特征描述子进行分类,并对像素点进行检测,以此提取特征点,通过无人机上下行链路获取的图像信息进行间距测量计算。经过图像坐标变换、重采样、图像增强、图像平滑步骤完成误差修正,实现去燥目的。在地空链路有线测试平台上进行数值分析,由结果可知,基于无人机航拍图像测距结果更为精准,有效提高了在复杂地理环境下方法测量精度。     

基于图像的人体特征点提取与尺寸测量

人体特征点提取和尺寸测量一直是虚拟服装试衣的关键内容.本文在人体图像基础上,通过对ASM算法进行改进实现人体特征点提取以及特征点尺寸测量.首先,算法计算待测图片中人脸和身体两个中心点欧式距离与对应模板进行匹配,改变传统ASM算法单一模板局部模板匹配模式,提高了初次模型匹配的准确率和效率;接着,以特征点为中心选择较少有效邻域点在其灰度训练模型中目标搜索,解决传统ASM方法匹配时间长且特征点易匹配失败问题;另外,针对人体胯部以下区域易出现仅单侧拟合效果较好问题,利用马氏距离公式选择特定矩阵大小邻域范围内点的灰度与灰度模型比较,并且结合人体体型分布及对称性特点进行拟合处理.实验结果表明了该方法能适应复杂背景下人体图像的特征点提取与尺寸测量,提高人体特征点提取和尺寸测量精度.     

基于对比度的雷达景象匹配可靠性研究

传统的分析景象匹配可靠性是通过研究匹配信噪比、独立像元数、参与匹配的像元数来进行的,但对于雷达景象由于其特殊的图像特性,传统的方法往往得不出正确的可靠性分析结果。从搜索图的对比度来研究景象匹配可靠性问题,根据匹配过程中的特点,第一次从理论上推导出了对比度和匹配可靠性的定量关系,通过大量实践表明,运用对比度来分析雷达景象匹配的可靠性是一种十分有效的方法。