基于多模板匹配的双模型自适应相关滤波跟踪算法

为有效提升目标跟踪的精确度和实时性,设计了基于多模板匹配的双模型自适应相关滤波跟踪算法。对多模板匹配模型与核相关滤波跟踪模型参数进行初始化处理：多模板匹配模型选取得分函数作为模板与候选样本间匹配准则,通过候选样本得分获取最佳目标,更新多模板后,通过形变多样相似性实现多模板匹配;核相关滤波跟踪模型利用所采集目标样本数据建立循环矩阵,通过训练核化岭回归分类器获取核相关滤波器,并获取响应置信图,再利用响应置信图获取下一帧图像目标位置。通过自适应融合策略获取两个模型所估计目标位置,再采用金字塔尺度估计策略估计目标尺度变化,通过不断更新各模型参数实现目标精准跟踪。实验结果表明,在目标受遮挡或旋转、光照变化等复杂环境下,该算法的中心跟踪误差均低于15 dpi,平均跟踪精确度均高于98%,且目标定位时间低于100 ms,说明该算法在跟踪精确度和实时性上具有明显的应用优势。     

基于SWAD算法的空间面目标高精度跟踪技术研究

针对空间面目标的高精度跟踪问题,提出一种面目标高精度跟踪方法,该方法利用SWAD模板匹配算法和亚像素拟合算法提取目标精确的位置信息,并在跟踪过程中对模板进行实时更新。对传统的无限冲击响应滤波模板更新方法进行了改进,提出一种变系数模板更新方法,该方法计算量小,不需要经过复杂的置信度判断,模板更新系数由当前模板图像和当前最佳匹配区域图像的灰度值决定;利用不同亮度的目标,以及对目标图像进行尺度变换模拟姿态变化的目标,比较了该模板更新算法和传统算法的匹配误差,结果表明:该算法能够更好地适应目标姿态的变化;最后通过平行光管和靶标板模拟远场非合作目标,搭建了室内演示试验,证明了利用模板匹配进行高精度目标跟踪的可行性。     

基于奇异值分解的图像目标跟踪算法

传统相关跟踪方法是利用模板图像与目标图像对应像素的灰度差异信息进行跟踪,它对旋转变化敏感,且存在跟踪累积误差,容易导致模板漂移而丢失目标。文中提出基于奇异值分解的跟踪算法,算法首先建立模板图像训练集合,利用奇异值分解方法,张成模板图像特征空间,然后求出模板图像在特征空间里的投影值,代替传统算法中灰度对两幅待匹配图像进行的全局搜索定位。在进行投影值间的相似性度量时,欧氏距离同等对待所有的特征向量不移合理,文中采用了一种鲁棒估计方法,可以对不同距离的值做不同处理。匹配跟踪实验效果良好。     

复杂背景下抗遮挡的运动目标跟踪算法

通过对各种跟踪算法的研究,提出了一种适应性较好的目标运动预测与多模板匹配相结合的相关跟踪算法,并给出了模板匹配相关算法中的判断准则、模板更新准则和目标被遮挡判断。实验证明,该方法能够在复杂背景条件下运动目标发生遮挡时进行稳定跟踪。     

基于光流方程和目标匹配的视频图像目标跟踪方法

提出一种利用图像差分、局部光流法和目标匹配,实现视频对象目标提取和跟踪的方法.首先,对预处理后的图像进行差分;在差分的基础上,运用局部光流场对目标进行运动估计;对估计结果依据相似度进行聚类分析,消除小的非目标区域;当目标未发生剧烈变化时,更新目标模板,否则,利用已有目标模板进行匹配跟踪.实验结果验证了该算法的有效性,并实现了目标变形和部分遮挡时的稳定跟踪.     

基于模板匹配的图像跟踪技术

为了解决传统模板匹配方法跟踪图像时遇到的问题,提出了在跟踪过程中采用变模板匹配的方法.该方法较好地解决了传统方法的局限性,通过实验比较了使用模板匹配和变模板法跟踪图像的效果.     

一种基于曲线拟合预测的红外目标的跟踪算法

给出了一种将曲线拟合和相关跟踪相结合的红外目标跟踪算法。该算法以目标质心作为匹配模板的中心，采用SSDA进行相关运算，以图像相关匹配的输出值更新所拟合的曲线，并以曲线的预测值作为下帧图像匹配搜索的初始值，使相关运算仅在很小的窗口内进行。该算法还定义了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。实验表明，该算法能有效减少相关匹配的计算量，保证跟踪精度。     

基于奇异值分解的特征跟踪方法

在传统的基于模板匹配的跟踪方法中，均是给定一个模板，然后从图像中各个位置取出一个个与模板大小一致的区域进行相似性度量，找出与模板距离最小的一个区域作为当前模板，以便进行下一步的匹配跟踪工作。在景象匹配和相关跟踪过程中，由于所面临的大多数是变化的场景，实时获取的图像与预存模板之间存在比较大的差异，传统相关匹配方法的应用就会受到限制；而且在跟踪过程中，随时更新模板会造成跟踪性能对扰动过分敏感，从而产生漂移。首先拍摄目标不同角度的图像（尽可能包含目标可能出现的所有情况），构成目标图像训练集合，抽取出特征矩阵，对它进行奇异值分解，构成一个关于目标的多维空间。然后再用匹配方法在全局范围搜索，找出目标的大致位置，并利用收敛方法在确定的大致位置内进行搜索，确定目标的仿射变换系数，从而得到一个目标位置的确切描述。     

采用图像特征的激光干扰跟踪效果评估

对于广泛应用于图像识别和跟踪的激光主动成像系统,激光干扰是影响该类系统性能的一个重要因素。激光干扰使系统中的光电成像元件达到饱和或损伤,在探测视场中出现光斑,从而使跟踪算法无法准确分辨目标和光斑。因此,分析并评估激光对主动成像系统的干扰效果是避免干扰的前提,同样也是重要的环节。提出一种基于图像特征的边缘相似度(ESIM)评价算法,该算法通过模板匹配确定图像的目标区域,并比较原始图像和干扰图像目标区域的亮度、对比度和边缘清晰度差异,得到归一化的评价指标,作为对激光干扰效果的评估标准。实验中分别采集了不同干扰功率和不同光斑位置的激光干扰图像,并利用相关跟踪和形心跟踪方法对目标进行跟踪,运用本文提出的ESIM算法从图像特征角度对干扰跟踪效果进行评估,结果证明ESIM能够合理评估干扰图像的失真程度,并可以较好地反映激光对主动成像系统跟踪性能的影响。     

基于SUSAN方法的相干激光雷达距离像跟踪算法

在相干激光成像雷达跟踪系统中,跟踪算法是决定激光雷达跟踪性能的关键.针对激光成像雷达所成距离像的特点,以及以前算法中必须预先给定模板这一缺陷,采用了一种加权的SUSAN方法找出图像中目标的特征点,确定目标中心,在实时图像中提取模板,通过两级相关运算,进行目标跟踪,给出了相关跟踪的帧内置信度和帧间置信度信号,完成模板的智能更新.在不同的信噪比下进行序列图像跟踪实验,实验结果表明,在所研究的仿真目标中应用此相关跟踪方法,能够较准确的提取模板,跟踪精度较好.