基于SUSAN算法的机场跑道跟踪

机场跑道由于目标尺寸大且成线条形,在连续图像中对其定位往往只能逐帧识别,计算复杂耗时,缺乏一种成熟的跑道跟踪方法.文中利用SUSAN算法检测跑道特征点,并对各个特征点使用分别跟踪的方法.将整个跑道进行快速跟踪定位,实验证明此方法时跑道跟踪取得了令人满意的结果.     

一种新的相关跟踪算法的设计与实现

提出了一种粗搜索结合粗匹配定位的两极图像相关匹配算法,该法利用目标中心信息的稳定性,并结合图像序列间的相关不变性和目标的自相关性给出了一种新的置信度评估方法,在存在复杂背景、类似目标、较强噪声和一定旋转及尺寸变化的情况下仍有较高的匹配精度和跟踪稳定性,匹配速度也很快,还描述了采用ＣＰＬＤ芯片与ＤＳＰ处理器共同实现算法的方法。     

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.     

基于三步搜索法的特征相关目标跟踪算法

针对相关匹配跟踪算法,提出一种新的基于三步搜索法的特征相关跟踪算法。该算法利用Moravec算子提取目标灰度特征,并根据特征点选取相应的子模板,然后利用三步搜索法进行多子模板的相关匹配。该方法可以在大幅度缩短相关匹配的搜索过程的基础之上适应运动目标的旋转、缩放等情况。实验证明该算法实际应用的可行性。     

基于SUSAN算子的嘴部轮廓特征提取方法

针对人脸识别中的嘴部定位部分轮廓缺失问题,提出了一种由粗到精的快速准确的嘴部轮廓特征提取方法。该方法是在人脸检测的基础上采用改进的SUSAN算子提取嘴部边缘轮廓信息,通过几何特征和搜索区域相结合的方法实现了嘴唇轮廓的精确定位。仿真结果表明,该定位方法快速有效,正确率较高。     

一种新的前视红外成像相关跟踪算法

针对瞄准吊舱中前视红外成像跟踪的工作状态，提出了一种新的相关跟踪算法，该算法采用一维直方图快速搜索和二维多级亚采样精确定位方案，使算法具有实时性．利用图像系列的相关性，采用隔帧修正累积误差的方法，有效地提高了系统的跟踪精度．本文的实验结果与理论值相符．     

基于SUSAN算子的空域自适应错误隐藏算法

为了消除空域错误隐藏后出现的模糊和块效应,提出了基于SUSAN检测算子的空域自适应错误隐藏算法。算法首先利用SUSAN算子检测丢失宏块周围的边缘点,然后根据边缘点确定丢失宏块中边缘,最后根据边缘情况自适应地选择插值方法恢复丢失宏块。实验表明,丢失宏块边缘的检测受噪声影响很小,对孤立丢失块有较好的恢复效果且计算量较小。与传统空域错误隐藏算法相比,本文算法的峰值信噪比PSNR能提高大约1～3dB。     

基于边缘的自适应相关跟踪算法

针对相关跟踪实时性差和误差累积问题,提出了基于边缘检测的自适应相关算法.采用修正后的灰度差的绝对平均值(MAD)相关匹配克服了对噪声敏感的缺点;利用目标的边缘信息确定模板中参与匹配的区域,并采用粗精结合的搜索策略,加快了匹配速度;采用模板加权更新和中心修正有效地消除了相关运算累积误差的影响.     

基于SUSAN算子的白天红外星目标检测

受多种因素的影响,白天获得的红外星图像信噪比低,且背景通常是不均匀的,为红外星目标的提取造成了极大的困难。通过理论计算,实际白天拍摄的近红外星图信噪比极低,使用一般的滤波方法无法提取出恒星目标,目前常用的形态学方法对于星图像的处理也不甚理想。首先分析背景特性,采用多帧叠加的方法削弱随机噪声,增大信噪比;然后设定阈值对叠加后的星图进行背景消除,得到只含有目标及噪声的图像;最后基于图像的特性,使用改进的SUSAN算子对星图进行目标检测,进而分割出目标,实验证明,与传统方法相比,该方法可较好地分离出恒星目标。     

基于梯度直方图和SUSAN算子的红外目标检测

红外制导技术的核心任务是将视场中的目标提取出来,然而受多种因素的影响,红外成像呈现出信噪比低,对比度不强的特点。为有效检测出红外目标,首先分析红外图像梯度信息并进行直方图统计,发现其值只占据窄小的区间,借鉴直方图均衡化思想,对梯度直方图进行拉伸,并与原图进行加权融合,增强图像对比度的同时增大信噪比,然后采用改进的SUSAN算法对图像进行处理,可较好的提取出红外目标。仿真实验结果表明,与传统算法相比,文中算法计算量小、运行时间短,可有效检测出目标,有利于工程实现。     

基于环形模板的SUSAN角点检测算法

SUSAN算子需要不断地调整“相似性阈值”才能获得更好的角点,它可以检测X型、Y型和T型,但是不能检测出特殊形状和复杂形状的角点.为了克服这些缺点,文中提出了一种自适应阈值的选择方法,使程序自动化,若角点的USAN区域与边缘点的USAN区域相同,则在SUSAN的模板中叠加一个离散的环状模板r,根据模板r中的亮度变化次数来区分待测点是否是角点,以免遗漏角点.实验结果显示改进后的算法不仅省去手动调整阈值,大大提高程序运行自动化,而且可以检测不同类型角点.     

模糊算子在遥感图像特征提取中的应用

数据融合的概念应用在遥感图像的自动特征提取中,可以利用数据的互补和冗余来改善特征提取的性能。由于经典理论交集和并集的外延法不能得到满意的结果（相应的算子过于严格或是过于宽松）,对这两个具有对立特性的算子进行折衷,可以得到较为满意的结果。运用上下文依赖模糊算子实现这种折衷,对其加权因子的构造提出了新的设想和算法。参照计算机模拟的结果,分析和讨论了它的特点。     

An efficient real-time target tracking algorithm using adaptive feature fusion

Visual-based target tracking is easily influenced by multiple factors, such as background clutter, targets’ fast-moving, illumination variation, object shape change, occlusion, etc. These factors influence the tracking accuracy of a target tracking task. To address this issue, an efficient real-time target tracking method based on a low-dimension adaptive feature fusion is proposed to allow us the simultaneous implementation of the high-accuracy and real-time target tracking. First, the adaptive fusion of a histogram of oriented gradient (HOG) feature and color feature is utilized to improve the tracking accuracy. Second, a convolution dimension reduction method applies to the fusion between the HOG feature and color feature to reduce the over-fitting caused by their high-dimension fusions. Third, an average correlation energy estimation method is used to extract the relative confidence adaptive coefficients to ensure tracking accuracy. We experimentally confirm the proposed method on an OTB100 data set. Compared with nine popular target tracking algorithms, the proposed algorithm gains the highest tracking accuracy and success tracking rate. Compared with the traditional Sum of Template and Pixel-wise LEarners (STAPLE) algorithm, the proposed algorithm can obtain a higher success rate and accuracy, improving by 2.3% and 1.9%, respectively. The experimental results also demonstrate that the proposed algorithm can reach the real-time target tracking with 50+fps. The proposed method paves a more promising way for real-time target tracking tasks under a complex environment, such as appearance deformation, illumination change, motion blur, background, similarity, scale change, and occlusion.     

以一种新的距离度量作为反馈的相关跟踪方法

基于相关的模板匹配方法在图像跟踪中得到了广泛的应用,但是这种方法的主要缺点是对图像噪声非常敏感,而且由这种方法得出的相关曲面比较平坦。为了有效抑制噪声和局部遮挡对图像的影响,提出用鲁棒统计中的一个值代替相关值作为距离度量。它不是计算两幅图像的对应像素差值,而是计算两幅图像中差别不大的对应像素对的个数。实验证明这样得到的曲面相对　　收稿日期:2003 08 31;　修订日期:2003 10 28作者简介:张桂林(1944 ),男,天津人,教授,博士生导师,主要研究方向为自动识别、人体生物统计特征识别、图像处理算法与系统性能评估等。　　　　　　　要尖锐得多。当上述的距离度量应用于跟踪过程中时,模板的合理更新对跟踪非常重要。基于上述的距离度量方法,提出了一种新的模板更新策略。利用两幅图像中近似像素在整修匹配模板像素中所占的比例大小决定加权系数。这种加权策略可以自适应地根据图像序列的变化选择更新相关模板,同时在一定程度上减小模板漂移的危险。     

SUSAN算法的几点改进

在分析SUSAN算法优缺点的基础上针对其缺点提出了几点改进,包含去噪、阈值调节、角点预判等方面。实验结果及实际应用表明在不影响实时性的前提下提高了算法的抗噪性和精确性。     

一种基于自适应阈值的SUSAN角点提取方法

角点是数字图像中重要的几何特征,角点的准确提取对于图像处理和图像测量具有重要意义.文章对SUSAN(Smallest Univalue Segment Assimilating Nucleus)角点提取算法中阈值的确定提出了改进,在图像中每个像素的SUSAN模板内单独计算阈值t,使其在各种不同的对比度下仍能正确提取出角点.实验结果证明了该方法的有效性.