含噪背景下的目标跟踪算法与仿真分析

为了提高跟踪的精确度和实时性,提出一种基于多分段阈值分割算法的快速识别方法,此方法通过对模板直方图多段阈值提取,保留当前帧图像中属于阈值分段以内的像素,使后续的算法的进行更具针对性,从仿真结果可看出,小波去噪效果很明显,并成功保护了边缘信息,目标的定位算法准确,快捷,计算速度是传统算法的1.5～2倍,满足跟踪的精确性和实时性.     

一种梯度阈值自动调焦算法

传统的梯度自动调焦算法计算量大,抗噪声能力弱,影响调焦的实时性及调焦曲线的单峰性和灵敏度,因此提出一种梯度阈值自动调焦算法,提高调焦性能,满足光电跟踪系统能实时、准确地进行自动调焦的要求。该算法先以图像的局部方差作为局部阈值区分边缘像素与非边缘像素,再计算整幅图像的一种新的标准差作为全局阈值来削弱噪声和背景的影响,最后对阈值预处理后的图像采用梯度调焦算法计算其调焦值,进行清晰度评价。大量实验结果表明,该算法具有实时性好,单峰性强,灵敏度高的特点和良好的抗噪性能。该算法用于光电跟踪系统的自动调焦中时,依然保持上述良好的性能,明显优于传统梯度自动调焦算法。     

基于路侧激光雷达的多目标检测与跟踪算法

为了检测与跟踪城市交叉口复杂环境下的道路目标,提出一种基于路侧激光雷达的多目标检测与跟踪算法。首先利用背景减除法滤除背景点云,随后融合5帧点云并利用曲率体素聚类算法检测目标得到3 D包围盒信息,之后通过自适应阈值的双门控和生存周期管理策略,有效提升关联精度并减少了目标丢失和误检,最后利用交互式多模型无迹卡尔曼滤波(IMM-UKF)和联合概率数据互联(JPDA)的融合算法完成道路目标的跟踪。试验结果表明,该算法在保证检测和跟踪性能基础上满足实时性要求,具有工程实用价值。     

一种基于卡尔曼滤波及粒子滤波的目标跟踪算法

针对卡尔曼跟踪算法在非线性非高斯情况下跟踪结果不再准确,以及粒子滤波跟踪算法计算量大难以满足实时性的缺陷,提出了卡尔曼滤波及粒子滤波相结合的算法。利用卡尔曼滤波进行跟踪得到候选目标并计算目标模型与候选模型的匹配程度,若与目标模型匹配度小于一定阈值,则转换跟踪方式利用粒子滤波进行跟踪来修正卡尔曼滤波结果;同时,采用"模板缓冲区法"对目标模型进行更新以保证跟踪的连续性、稳定性及准确性。实验结果表明,这种跟踪算法既发挥了卡尔曼滤波的实时性又保持了粒子滤波的准确性,有较好的跟踪性能。     

一种新的相关跟踪方法研究

提出了一种基于区域模板相关的实时跟踪算法.首先对图像序列进行熵阈值分割,然后用形态学滤波的方法去掉噪声,最后用相关系数作为相似度度量准则来确定目标的位置实验结果显示,此算法有效地克服了传统的相关跟踪算法的缺点,具有较好的匹配精度和实时性.     

LK光流法的多信息融合目标跟踪算法研究

针对改善动态目标物体跟踪过程中特征点选取的准确性及实时性问题,提出一种基于LK光流法的多信息融合目标跟踪方法并设计相关算法。将Sift提取出的特征点作为初始特征点,结合Harris角点检测函数R值,通过设定阈值,从中选取出具有高对比度的特征点作为目标特征点,对其进行光流法跟踪;然后引入在线学习检测器,使得在跟踪器跟踪失败之后可以更新目标位置,以实现稳定、准确跟踪。实验的结果从动态目标识别所需时间、特征点的数量、交并比以及每秒处理的帧数几个方面进行比较分析,证明所提算法能够实现准确跟踪,且实时性强。     

水下目标的多速率交互多模型跟踪算法

为解决水下机动目标精密跟踪定位的实时性和可靠性问题,根据水下目标运动速度慢、机动性能弱的特点,该文利用小波变换技术实现了模式空间与测量空间的混合滤波,建立了水下机动目标多速率交互多模型跟踪定位算法,给出了多速率常速度和常加速度多模型滤波算法的统一表示形式。仿真试验的结果表明水下目标的多速率交互多模型跟踪算法具有较低的计算复杂度,能够改善水下目标跟踪的可靠性和实时性。     

水下目标的多速率交互多模型跟踪算法

为解决水下机动目标精密跟踪定位的实时性和可靠性问题,根据水下目标运动速度慢、机动性能弱的特点,该文利用小波变换技术实现了模式空间与测量空间的混合滤波,建立了水下机动目标多速率交互多模型跟踪定位算法,给出了多速率常速度和常加速度多模型滤波算法的统一表示形式。仿真试验的结果表明水下目标的多速率交互多模型跟踪算法具有较低的计算复杂度,能够改善水下目标跟踪的可靠性和实时性。     

改进TLD算法在光电跟踪中的应用

为满足光电跟踪系统图像跟踪抗遮挡、实时性的要求,提出了一种改进检测器和目标模型更新策略的TLD算法。首先,通过帧差法获得差分图像序列,其次,利用动态Otsu阈值对差分图像进行二值化处理,滤除背景差分像素,获取移动物体边界框,最后,产生局部滑动窗口,进行随机厥分类和最近邻分类;并且优化了目标模型更新策略。实验表明,对于分辨率为320×240的视频,改进算法较原算法跟踪速度提升比平均为1.50,满足系统的实时性要求;改进算法抗遮挡性能及在低对比度环境中的跟踪性能优于Mean-Shift算法,满足系统的抗遮挡要求。     

概率加权质心跟踪算法研究

针对目前图像跟踪器跟踪不稳定、跟踪精度不高及不能满足实时性要求等问题,提出了一种概率加权的质心跟踪算法.该算法首先对波门内的像素进行阈值分割,摒弃灰度低于阈值的背景像素,保留目标像素的灰度值,然后计算波门内目标区域的质心.实验结果表明:基于概率加权的质心跟踪方法能够有效降低复杂背景和噪声干扰,增强跟踪系统的抗干扰能力,减少传统跟踪系统中使用大量灰度梯度值带来的巨大计算量,从而提高跟踪器的精度和稳定性.创新点在于通过引入概率加权的方法,在计算初始时刻的目标质心时使用贝叶斯概率作为权重,而没有设置离散的阈值来分辨目标,减少了传统跟踪系统中使用大量灰度梯度值产生的计算复杂度.     

基于边缘强度的红外图像阈值分割方法研究

提出一种针对复杂场景的基于图像边缘强度的阈值分割算法。首先进行边缘检测,然后根据边缘强度进行像素灰度值加权平均计算出图像的分割阈值。该算法简单、实用,可对海上及空中目标进行准确分割,并已在实际的跟踪系统中进行了应用,结果表明目标分割正确,系统实时性强、稳定可靠。     

基于边缘强度的红外图像阈值分割方法研究

提出一种针对复杂场景的基于图像边缘强度的阈值分割算法。首先进行边缘检测,然 后根据边缘强度进行像素灰度值加权平均计算出图像的分割阈值。该算法简单、实用,可对海上及空中目标进行准确分割,并已在实际的跟踪系统中进行了应用,结果表明目标分割正确,系统实时性强、稳定可靠。     

实时CCD成像跟踪处理系统研究

提出了基于高速数字信号处理器TMS320C6415的图像识别跟踪系统，并给出了成像跟踪系统的原理图和结构图。重点论述了采集系统和图像处理系统。在软件上采用矩不变阈值分割和基于梯度的自适应阂值分割提取目标，采用投影特征的质心跟踪算法及基于线性微分拟合的记忆外推跟踪技术跟踪目标。实验结果表明：该系统跟踪稳定可靠，完全满足实时性要求。     

基于深度特征表达与学习的视觉跟踪算法研究

该文针对视觉跟踪中运动目标的鲁棒性跟踪问题,将深度学习引入视觉跟踪领域,提出一种基于多层卷积滤波特征的目标跟踪算法。该算法利用分层学习得到的主成分分析(PCA)特征向量,对原始图像进行多层卷积滤波,从而提取出图像更深层次的抽象表达,然后利用巴氏距离进行特征相似度匹配估计,进而结合粒子滤波算法实现目标跟踪。结果表明,这种多层卷积滤波提取到的特征能够更好地表达目标,所提跟踪算法对光照变化、遮挡、异面旋转、摄像机抖动都具有很好的不变性,对平面内旋转也具有一定的不变性,在具有此类特点的视频序列上表现出非常好的鲁棒性。     

天空背景光条件下空间激光通信系统粗跟踪光斑提取方法的研究

随着科学技术的迅速发展,人们对信息量的需求不断增大。空间激光通信因其具有通信速率高、通信束散角小、安全保密性高等众多优点,受到越来越广泛的应用。在空间激光通信系统中,天空背景辐射是影响系统性能的主要背景噪声。强天空背景条件下,粗跟踪光斑的提取成为了影响粗跟踪精度的主要难点。首先介绍了几种抑制天空背景光的方法,如采用原子滤光片、减小接收机口径等。在实验条件下,采取Otsu阈值处理和质心算法对粗跟踪光斑进行处理,分析天空背景光对粗跟踪成像光斑的影响。实验结果表明,在天空背景光影响下,这种Otsu阈值处理方法能够准确提取成像光斑,可以有效提高粗跟踪精度。     

基于多级分层模板的实时跟踪算法设计与实现

针对相关匹配中单一模板和简单分层模板跟踪效果不理想的问题,提出了一种新的多级分层模板匹配算法。为了减少整个算法中耗时最大的绝对差值和(SAD)计算时间,在DSP平台下对其进行优化和提速以满足跟踪系统实时性要求。最后,在Blackfin561系列DSP平台上实现了该算法,并对该算法的跟踪性能进行了测试,结果表明,该算法能够进行运动目标的实时跟踪,并在目标尺寸缩放、环境亮度发生改变时仍能保持准确跟踪,具有可靠性高和稳定性强的特点。     

一种复杂环境下目标图象的自动分割方法

本文提出一种用于实时图象跟踪的复杂环境下目标图象的自动分割方法,它可根据实际景物的变化适应性地交替使用基于景物复杂性分析的阈值分削和分层聚类分割两种工作方式,并尽可能抑制背景噪声的干扰。实验表明:本文所提方法的分割性能完全可与目前被认为是较为优越的几种实用分割方法相比,而在适应能力和可应用范围上它则明显优于后者,它的计算代价价通常也低于后者。     

形态学增强的连接相对熵在自动目标检测中的应用

提出了一种基于多尺度形态学和连接相对熵的红外图像自动目标检测方法;它首先对目标红外图像进行多尺度形态滤波,消除背景和杂波的影响同时增强目标的对比度,然后采用连接相对熵准则确定区分目标和背景的最佳门限,最后对得到的二值图再进行形态滤波,得到精确的目标分割图像.实验结果表明该方法具有一定的鲁棒性和自适应性,能够实现目标的自动、非参数化的有效检测,且效果良好,便于下一步的目标识别和跟踪.     

基于遗传算法的最大熵阈值的图像分割

图像阈值分割技术在图像分析和图像识别中具有重要的意义.最大熵方法具有很多优点,但同时也存在弱点:需要大量的运算时间,特别是在计算多阈值时.因此需要引入优化算法.文中将遗传算法用于最大熵阈值的图像分割方法中,分别对一维及二维阈值分割的情况进行讨论,并提出了一种基于改进型遗传算法的最大熵阈值图像分割方法. 通过对几幅经典图像的分割结果对比,表明了基于遗传算法的最大熵阈值的图像分割方法可以有效地提高最大熵图像分割的计算速度,提高图像处理的实时性.