基于高斯尺度空间的末制导目标跟踪方法

针对光电成像末制导阶段目标尺寸和姿态均迅速变化的问题,提出了一种基于高斯尺度空间的目标跟踪方法。该方法根据目标模板信息获得其在待匹配图像中的搜索区域,由高斯尺度空间理论求得相应的空间图像;利用尺度参数估计出不同尺寸目标的待匹配图像,并将目标模板与这些待匹配图像进行相关匹配,由匹配程度最高的图像求得目标模板的当前位置和尺寸;当模板尺寸发生变化时,对目标模板进行刷新。仿真结果表明,该算法能适应末制导阶段目标尺寸的急剧变化,在强杂波地面背景下实现对目标的稳定跟踪。     

一种复杂地面背景的目标跟踪算法

实时跟踪算法将提供的原始目标作为基准图像进行序列跟踪，在跟踪过程中根据一定的判据对基准图像的更换、目标丢失的判断等状态进行控制．通过对各种实时跟踪算法的研究，提出了一种基于图像相关的多模板跟踪算法，并给出了多模板相关算法中的判断准则：模板更换准则、目标丢失判断．试验证明，对地面复杂背景的目标实时跟踪有效可行。     

基于快速区域标签运算的目标跟踪算法

应用于目标跟踪中的快速标签算法,以二值化后的图像中不多于254个连通区域为条件,通过对所有目标的目标特征统计,及与真实目标的特征匹配,实现系统的实时、准确的目标跟踪。     

一种基于特征匹配的目标识别跟踪方法

针对复杂背景下的动态目标跟踪问题,提出了一种基于边缘检测,综合多图像特征与伺服机构位置信息进行匹配的目标识别跟踪方法。利用SUSAN算法检测边缘,提取出单帧图像中的可疑目标,依次选用灰度、目标几何、伺服机构位置信息和边界不变矩信息匹配,完成目标的识别。采用kalman预测滤波对脱靶量滞后时间进行补偿,选用目标空间位置进行多步预测,引导伺服机构跟踪。外场实验表明,该方法能有效她匹配识别出目标,并保持连续稳定的跟踪。     

一种新的红外成像近距目标的跟踪算法

文中给出了一种新的基于相关运算的红外近距目标的跟踪算法。模板选择依据加权的SUSAN算法,通过两级相关运算,进行目标跟踪,以达到减少计算、节约运算时间的目的。第一级粗相关运算采用模板亚采样模式,得到可能性最大的四个定位点;第二级精相关运算以四个定位点为中心的3×3邻域做全模板的匹配计算。本算法还给出了相关跟踪的帧内置信度和帧间置信度信号,实时智能的更新模板,经过实验表明,该算法有效地减少了模板的漂移误差,提高了运算速度。     

基于对应像素距离度量的图像匹配跟踪算法

结合最小绝对差度量MAD和Hausdorff距离度量的基本思想,提出了一种新的对应像素距离相似性度量方法的图像匹配算法和自适应模板图像匹配跟踪算法,并对对应像素距离相似性度量方法的图像匹配算法的匹配跟踪性能进行分析.对这2种算法的匹配跟踪性能参数的实验结果进行比较.实验结果表明:对应像素距离相似性度量方法的图像匹配算法具有较强的抗噪、抗畸变能力和稳定性,具有较高的匹配精度和匹配概率.     

基于分割模板运动预估的相关跟踪算法

为了对常规相关匹配算法实时性能进行提升,提出一种基于分割模板运动预估的相关跟踪算法。采用最小二乘法全区间等距拟合目标运动轨迹,计算出目标当前预估点;将模板图像按块运动估计算法要求分割成宏块;按菱形搜索法在预估点周围区域进行搜索,得到每个宏块的最佳运动矢量;取匹配度最佳的运动矢量对应点为模板的粗匹配点;判断该点所在宏块与搜索区域相对位置关系,决定是否进行精匹配结束搜索,或是按梯度方向建立新的搜索区域。目标跟踪实验证明,该方法比基于全搜索的归一化积相关( NProd)算法其计算时间缩短到3.31倍。     

一种采用提前终止判决法的图像匹配跟踪算法

针对原始遍历式匹配模式算法的时间复杂度高以及给视频图像目标跟踪系统的计算能力带来极大考验的问题,提出一种基于提前终止判决的归一化互相关匹配算法(zero-mean normalized cross correlation based on early termination condition,ZNCC-ETC).在基于盒子滤波优化的遍历式ZNCC匹配算法(ZNCC based on Box-Filtering,ZNCC-BF)的基础上,发现ZNCC-BF算法在遍历匹配过程中存在着一个适当的阈值,一旦模板图与候选图的互相关累加值超过这个阈值,则后续任何计算即为冗余计算,而ZNCC-ETC则采用提前终止判决法实现图像的加速匹配跟踪,并通过对比实验进行验证与分析跟踪结果.分析结果表明:相对于标准ZNCC以及改进的ZNCC-BF,ZNCC-ETC算法能够在保证全局最大值收敛能力的前提下,进一步降低匹配过程中的计算量,实现加速匹配跟踪的目的.     

基于加权相关的图像匹配跟踪算法的研究

针对电视制导炸弹中弹目相对运动变化而导致的目标尺度变化、几何形变以及随机因素造成的暂短丢帧现象,文中对相关测度函数进行了基于弹-目距离的中心加权修正,提出了相应的模板更新与修正策略、基于线性预测的目标位置的预测方法、跟踪点的定位方法等,在此基础上,实现了基于加权相关的图像匹配跟踪算法.文中算法获取的跟踪点稳定,有效地解决了常规相关匹配算法跟踪点漂移、速度慢、实时性差的问题.实验结果表明,该方法在复杂背景以及目标尺度发生变化时均能获得良好的跟踪效果.     

前视红外目标的鲁棒分层跟踪算法

针对前视红外序列图像中目标与背景对比度低、灰度级动态范围小以及目标边缘模糊的特点,提出了一种基于均值漂移和特征匹配的红外目标鲁棒分层跟踪算法。首先利用均值漂移算法来快速搜索局部最优候选目标。然后,通过特征匹配对跟踪误差进行有效修正。采用Harris算子对模板目标与候选目标进行特征点提取,利用改进的Hausdorff测度对特征点进行有效的匹配度量,最终实现红外目标的精确定位。实验结果表明该算法简单有效,能准确跟踪前视红外目标。     

基于分割模板加权Hausdorff距离矩阵的特征匹配算法

针对电视制导系统图像匹配时遇到的大比例目标遮挡以及严重噪声干扰等情况,提出一种基于分割模板加权Hausdorff距离(HD)矩阵的特征匹配算法.将模板分割为若干个子模板；利用最小核相似区检测角点( SUSAN)算子提取图像的角点；分别计算子模板与搜索图像对应区域的基于角点响应函数的加权HD,构造出HD矩阵；经过角点密度...     

无人机导航场景中立体匹配算法研究

针对现有立体匹配算法难以兼顾无人机导航场景中匹配精度和幅度失真的鲁棒性,提出了一种基于改进Census变换的立体匹配算法。根据图像结构和色彩信息获得基于十字骨架的任意形状和大小的Census变换窗口,并利用改进Census变换的Hamming距作为匹配代价,采用局部优化（WTA）和左右一致性校验得到视差结果,获得高精度的视差图。实验表明,该算法不仅能够获得高精度的视差图,更对幅度失真有很强的鲁棒性,能够很好地适用于无人机导航场景。     

基于边缘强度特征的景像匹配算法比较分析

设计实现了多种景像匹配算法,经试验分析发现其中Laplacian Nprod和LOG Nprod匹配算法性能优异,从而为研究设计景像匹配算法提供了重要参考.围绕基于边缘检测的多源图像特征提取问题展开研究,重点介绍了Roberts、Sobel、Prewitt、Laplacian和LOG 5种实用的边缘检测算子;设计了多种基于边缘强度特征的景像匹配算法,通过试验分析比较了MAD、MSD及NProd等算法的性能.试验结果表明,Laplacian及LOG边缘强度匹配算法性能最优,具有更高的可靠性,且算法简单、易于实现.     

基于惯导信息的图像校正算法研究

针对景象匹配制导系统中弹载摄像机拍摄的实时图相对于弹体中预存的基准图存在较大的变形,严重影响到景象匹配精度的问题,提出一种基于惯导提供的位姿信息的图像校正算法,将弹载摄像机拍摄的实时图转换成与基准图同一个拍摄角度和高度条件下的图像。实验结果表明该算法校正精度高,鲁棒性强,极大地提高了景象匹配的精度。