基于自适应模板的实时跟踪算法

相关匹配算法通过计算模板图像和待匹配图像的互相关值来确定匹配的程度,是一种经典的匹配算法,具有很高的准确性和适应性,并且对图像灰度值的线性变换具有"免疫性",因此在目标跟踪中得到了广泛应用.但是相关匹配算法计算耗时过于庞大,难以达到实要求,并且当目标在模板中所占比例很小时,很难确定模板的准确位置,使得此算法在实时目标跟踪中的应用有很大困难.本文提出了一种基于自适应模板的实时跟踪算法.实时采集的图像首先进行阈值分割,然后用形态学滤波的方法去掉噪声,模板的尺寸通过轮廓分割方法确定.匹配程度的算法选择的是归一化自相关匹配算法,并采用金字塔搜索算法进行加速.实验结果显示,此算法有效地克服了相关匹配算法的缺点,具有较好的匹配精度和实时性.     

基于SIFT算法的目标匹配和识别

针对目标跟踪过程易受噪声干扰导致跟踪效果不理想,甚至丢失跟踪目标的问题,利用了尺度不变特征变换（SIFT）方法对单帧图像进行了目标特征点的提取和匹配,并结合线性卡尔曼滤波和聚类分析,剔除误匹配,实现了目标位置的最小均方误差估计。仿真结果表明,当图像存在不同程度的噪声影响时,基于SIFT的卡尔曼滤波目标匹配算法能有效减小目标跟踪误差,精确识别目标位置,提高目标跟踪精度。     

面向目标检测的空间观测图像精确配准

针对空间目标检测对图像配准精度的要求,本文组合Fourier-Mellin变换和加速鲁棒特征变换(SURF)算法来实现对空间观测图像的精确配准,并研究了该配准算法所涉及的变换模型、特征提取、特征匹配和配准精度等问题。该算法首先利用Fourier-Mellin变换计算图像旋转角度的整数值,根据整数角度将待配准图像反向旋转;然后利用SURF算法检测两幅图像的匹配特征点;最后利用最小二乘方法计算旋转角度的浮点值和平移量,而整数角度与浮点角度之和就是待配准图像的实际旋转角度。文中分析了SURF特征点检测与图像尺寸、DoH响应阈值以及尺度空间层数之间的关系。实验结果表明:提出的算法对图像旋转角度估计值的均方误差为0.0077°,50组实拍图像中星点质心均方误差的平均值为0.1353pixel,能够满足空间目标检测对图像配准的精度要求。     

多尺度显著性区域提取的模板匹配

针对模板匹配过程中强遮挡、剧烈背景变化及物体非刚性形变等难题,本文提出了一种基于多尺度显著性区域提取的模板匹配算法。算法采用多尺度-显著性特征并行提取的方式:一方面利用空间金字塔模型将参考图像中的模板和待匹配图像中的目标区域分割成不同尺度的网格,采用可形变多相似性度量方法(Deformable Diversity Similarity,DDIS)计算不同尺度下的匹配得分;同时,算法提取模板区域的显著性区域图,形成模板区域的显著性得分;随后,利用显著性得分对不同尺度的匹配得分进行加权融合,在融合得到的匹配得分图上寻找最佳匹配区域。算法与取得目前最好结果的DDIS方法相比,AUC(Area Under Curve)指标提升2.9%。实验结果表明,显著性区域提取使匹配方法更加关注目标物体,削弱背景及遮挡物体对其影响,从而增强模板匹配方法对于背景变化及遮挡的抵抗能力。另外,空间金字塔模型能够增强模板匹配方法对于物体不同尺度下的特征提取,如物体的局部轮廓及结构特征等。二者结合有效地提高了匹配精度。     

基于改进亮度变化函数实现红外图像中行人跟踪

由于基于亮度变化函数(IVF)的跟踪算法能高效跟踪前视红外图像中刚性目标但无法满足行人跟踪鲁棒性要求,提出了一种新的基于多热点亮度变化函数的红外图像中行人跟踪算法。分析了分区域、多热点描述行人目标热信号的必要性,利用改进的亮度变化函数在帧间目标窗口内定位热点,建立目标窗口自适应更新机制解决尺度变化问题,最后基于热点的运动特征描述子剔除定位于背景的野值点。对复杂红外场景的跟踪实验结果表明,由于在原始算法的基础上省去了模板匹配步骤及缩小了搜索对象的矩阵维数,该算法获得了最优的实时性;且多热点机制使该算法的鲁棒性优于多种其他视觉跟踪算法,能够胜任存在遮挡、尺度变化、低对比度等干扰因素的前视红外图像中行人目标的跟踪。     

融合距离信息的红外自适应相关跟踪

研究了在雷达/红外复合制导中如何将雷达的距离信息应用于红外图像序列的目标跟踪。针对目标渐进的图像序列,通过分析图像放大对相关性的影响,制定了一种根据弹目距离确定模板更新周期的模板更新策略。将距离更新、定时更新和基于目标模板缓冲区的模板更新相结合,提出了一种融合距离信息的自适应模板更新算法。以一座大楼为目标,验证了该方法的有效性。结果表明,该方法对目标渐进的图像序列有较强的自适应性,比传统方法大大提高了跟踪精度和跟踪稳定性,对实验中各类图像的跟踪正确率达90%以上。     

一种视频序列中运动目标的跟踪方法

针对运动目标的跟踪,采用模板匹配法和kalman滤波嚣进行图像跟踪,跟踪前先进行模板提取,采用投影法来投影出模板的位置,然后再对这个模板在视频序列中进行目标跟踪.理论分析和实验结果表明,该算法对于视频运动目标的跟踪,能有效检测出目标图像,对于实时视频图像处理有深远的影响.     

基于模板匹配和Kalman滤波器的目标跟踪

传统的模板匹配算法在目标做简单直线运动时有很好的跟踪效果。为解决实际应用中存在的目标变形、噪声干扰等问题,采用了动态更新模板的模板匹配,即当本帧图像中目标与模板的匹配度高于阈值时,则将本帧图像中识别的目标作为下一帧图像中目标跟踪的模板;当匹配度低于阈值时,仍将本帧的模板作为下一帧的模板,避免由于噪声的干扰导致跟踪的漂移。利用Kalman滤波原理对目标的运动状态进行了预测,缩小搜索范围,减小计算量,提高了实时性。实验表明,该方法能够快速准确地跟踪运动的目标。     

基于相关匹配的QR码识别方法

QR码图像识别是QR码应用中的关键技术.Hough变换、曲面拟合去背景、控制点变换等方法为QR码识别过程中图像预处理的基本方法,针对图像预处理后图像识别率低的缺点,提出了一种基于相关匹配法的QR码识别方法.基于曲面拟合的改进自适应阈值法分割图像.采用Hough变换和控制点变换方法校正图像的几何失真变形.利用模板对QR码进行相关匹配,对相干系数阈值处理得出取样网格.实验表明,本文算法能有效提高QR码识别效率和效果.     

基于稀疏贝叶斯学习的相关向量跟踪

结合稀疏贝叶斯学习方法和支持向量跟踪(SVT)原理,提出了相关向量跟踪(RVT).由于跟踪系统事先学习到了目标的"知识",故匹配发生在候选图像块与先验知识之间,而不必考虑模板更新.相关向量有比支持向量更稀疏的性能,所以相关向量跟踪比支持向量跟踪有更快的帧处理速度.另外,为了解决由于运动导致目标尺寸发生变化的匹配跟踪问题,采用了灰度真方图特征,引入了运动预测和变尺寸采样的方法.上述性能和方法在实验中得到了证实.     

二进制鲁棒不变尺度特征匹配电子稳像

针对捷联图像制导系统中视频序列受弹体姿态变化和抖动而出现的不稳定现象,提出了一种基于二进制鲁棒不变尺度特征关键点(BRISK)的高精度快速鲁棒电子稳像算法。首先,用BRISK算法提取图像BRISK特征描述符;为了保证匹配精度和速度,采用引导互匹配策略实现BRISK特征点跟踪匹配;然后,利用改进的随机抽样一致方法(RANSAC)剔除误匹配点对;最后,利用最小二乘算法(LSA)估计全局运动参数进而实现稳像。对标准图片的匹配测试和实拍视频稳像的结果表明:结合BRISK算法的电子稳像技术,运行时间小于30ms,定位精度达到0.1pixel,对光照变化、噪声以及复杂环境遮挡具有较强的鲁棒性,能快速有效地补偿捷联制导图像的复杂随机抖动并提高视频质量。     

改进的视角鲁棒KAZE特征匹配算法

针对KAZE特征匹配算法对视角变化敏感,在大视角场景下不能实现正确匹配的问题,提出了一种视角鲁棒的PKAZE(Perspective-KAZE)算法。该算法在原KAZE描述符的基础上,计算特征点邻域内的二阶梯度均值,形成新的扩展的80维描述符;然后利用透视变换模型对待匹配影像进行多视角模拟,在模拟影像上提取改进的KAZE描述符,再进行特征匹配。最后,选取5对含有最多正确匹配数量的影像上的匹配对作为初始结果,利用随机抽样一致算法对初始结果提纯。对多组图像进行了匹配实验,结果表明:与KAZE、尺度不变特征变换(SIFT)和加速鲁棒特征(SURF)算法相比,所提算法对视角变化具有更强的鲁棒性;与透视尺度不变特征(PSIFT)和仿射尺度不变特征(ASIFT)算法相比,本算法匹配正确率更高,分别为PSIFT的2~10倍,ASIFT的2~7倍。提出的算法对视角变化具有很好的鲁棒性,不仅对模拟影像的视角变化很稳健,而且适用于真实三维复杂场景拍摄的大视角影像,具有一定的实用价值。     

利用最佳伙伴相似性的改进空间正则化判别相关滤波目标跟踪

针对空间正则化判别相关滤波跟踪算法(SRDCF)在目标发生遮挡、尺度变化和形变情况下的跟踪失败问题,提出利用最佳伙伴相似性的改进SRDCF目标跟踪算法。首先,以SRDCF算法为基础,利用双层搜索策略解决目标跟踪中的目标定位问题和尺度估计问题;然后,利用一种新颖的鲁棒模板匹配技术,通过融合空间权重、相关滤波得分和最佳伙伴相似性得分来估计候选目标位置,解决遮挡情况下的目标重定位问题;最后,采用自适应模板更新策略解决遮挡情况下模板漂移问题。本文采用OTB-2013数据集评估本文算法的性能,同时与34种流行算法进行比较,结果表明本文算法的精确度得分和成功率得分分别为0.853和0.648,相比传统的SRDCF算法分别提高1.79%和3.51%。本文算法能很好地解决目标遮挡、尺度变化和形变情况下的目标跟踪问题,具有一定研究价值。     

任意位姿物体机器视觉测量视差变形补正

提出一种对机器视觉测量视场内任意位姿目标物体视差变形导致测量误差进行物体自动跟踪和变形补正的方法。在分析视差变形基础上,提出自动跟踪检测模型,得出补正参数。通过改进的序贯相似性检测算法(SSDA)模板匹配、图像的二值化处理和腐蚀、质心坐标求取和轮廓边缘搜索等计算,计算出反映目标物体位置、姿态偏移的特征参数,从而求得目标物体自动跟踪位置、姿态偏移补正量。以任意位姿M4螺母内螺纹检测为实验对象,实验结果表明,该自动跟踪补正方法可行,具有较好的跟踪一致性,取得了较好的视差变形补正效果。     

浅地层探地雷达目标探测和定位新方法

提出基于模板匹配的探地雷达目标自动探测与定位新方法，和图像分割方法相结合以减少模板匹配的计算量。将雷达图像分割成可能存在目标的区域和背景数据区域，对可能存在目标的区域进行模板匹配计算。模板根据待匹配点的深度生成。如果探测到金属目标则对模板倒相，实现金属目标的准确定位。所提方法包括图像分割、模板生成、匹配算法、金属目标识别和模板倒相算法。对实测数据处理的结果表明，所提方法探测和定位准确、鲁棒性好。     

基于差分和特征不变量的运动目标检测与跟踪

提出了一种基于改进的图像差分算法与特征不变量匹配的目标识别方法。通过三帧差值法获得了更完整清晰的目标轮廓,并基于该轮廓信息构造了一个具有平移、大小和旋转不变性的特征不变量;然后提出动态极值匹配法,利用特征曲线的极值信息点进行识别匹配,并动态替换原特征模版。实验结果表明,该方法能够准确识别目标,显著地提高识别跟踪效率,并且适用于检测运动姿态发生变化的目标。对于分辨率为288×352像素,每像素8位量化的序列图像,处理每帧图像平均用时0.011 74 s,其中特征提取与匹配过程平均用时0.005 476 s,能够实现对运动目标的实时分析,可同时满足运动目标识别跟踪中实时性和准确率的要求。     

基于形状模板匹配的印刷品缺陷检测

针对传统的模板匹配算法无法满足工业检测中的实时性要求,提出了一种基于形状模板的匹配算法,并应用于印刷品的缺陷检测。算法以Sobel算子滤波后得到的边缘点的方向向量为基础,定义相似性度量,同时结合图像金字塔分层搜索策略,利用形状信息进行模板匹配。实验结果表明,所提出的匹配算法速度快、精度高,而且匹配鲁棒性高,不受印刷品缺陷检测中可能出现的遮挡、非线性光照变化和全局对比度反转等情况的影响。     

L1-L2范数联合约束的鲁棒目标跟踪

针对稀疏原型跟踪方法中未考虑正交模板系数的密集性的问题,本文提出一种L1-L2范数联合约束的鲁棒目标跟踪。首先,该方法建立基于L1-L2范数联合约束的目标表示模型,对PCA基模板系数和琐碎模板系数分别进行L2范数和L1范数正则化约束,不仅提高了跟踪的准确性,而且保证了对目标遮挡的鲁棒性;其次,针对目标表示模型的优化问题,运用岭回归和软阈值收缩方法快速迭代求解PCA基模板系数和琐碎模板系数;最后以粒子滤波为框架,利用目标未被遮挡部分的重构误差和稀疏噪声项建立观测模型,并结合提出的L1-L2范数联合约束的算法实现目标跟踪。实验结果表明,与5个现有的跟踪算法相比,本文的跟踪算法具有更好的准确性和鲁棒性。     

采用DSP的电视测量跟踪器的研制

采用DSP+FPGA的线性流水阵列结构的数字图像处理器完成目标数据采集和处理,研制了基于DSP的电视测量跟踪器.针对欲测量地标的背景复杂的情况,在图像处理算法上采用基于遗传算法的图像模板匹配算法,有效降低了计算量,提高了匹配精度,取得了较好的实验效果.该算法还具有每帧图像匹配计算时间基本恒定的优点,便于在实际系统中采用.