序列图像中的目标区域跟踪算法的设计

在测量高炮在基于雷达信号对飞行目标的自动跟踪精度时,采用的是在火炮身管上安装摄像机,然后对所摄取的图像进行处理并最终测算出跟踪精度.此种情况下,摄像机和目标均处于运动状态,对所获得的序列图像,分析了其特点,首先对图像进行滤波降噪,然后对图像进行了分割并使用数学形态学算法修正了分割结果的形态,基于图像中区域的特征,最后设计了一个自动跟踪图像序列中目标区域的算法,给出了判断是否发生误跟踪的标准,并对跟踪错误的情况进行了处理.根据对实际图像序列中目标区域的跟踪结果验证,本算法是可行的.     

分布式网络信息数据防篡改方法研究

为在足球视频中有效的检测与跟踪运动目标,需要对足球比赛视频中目标检测与跟踪算法进行研究。当前采用的算法,在动态场景中,存在运动目标检测与跟踪效果不佳的问题。为此,提出一种基于OpenCV的足球比赛视频中目标检测与跟踪算法。该算法结合平均背景算法将足球比赛视频中目标图像分割为前景区与背景区,计算足球比赛视频每一帧目标图像和背景图像之间差值的绝对差值,同时计算每一个目标图像中像素点的平均值与标准值来建立目标图像背景统计模型,利用TMHI算法对足球比赛视频中目标初始图像进行阈值分割,得到初始分割图像,对分割图像进行中值滤波和闭运算,再使用卡尔曼滤波对分割后的目标图像进行处理,得到镜头中目标的质心位置和目标外界矩形框,然后对足球比赛视频中目标进行跟踪。实验证明,该算法有效的检测与跟踪足球视频中运动目标。     

基于TMS320C50的图像目标分割系统

图像目标的分割是图像处理的重要环节。从图像中目标的相对位置出发,提出了一种目标分割算法。该算法以轮廓跟踪算法为主体,结合投影算法以减少轮廓跟踪算法的运算区域,从而提高分割算法的实时性。以TMS320C50和FPGA芯片为核心器件实现了图像目标分割系统,实验证明该系统具有较高的分割精度及实时性能。     

视频单目标跟踪研究进展综述

视频目标跟踪是计算机视觉中的重要任务之一,在实际生活中有着广泛的应用,例如视频监控、视觉导航等.视频目标跟踪任务也面临着诸多挑战,如目标遮挡、目标形变等情形.为解决目标跟踪中的挑战,实现精确高效的目标跟踪,近年来出现大量的目标跟踪算法.本文介绍了近十年来视频目标跟踪领域两大主流算法框架(基于相关滤波和孪生网络的目标跟踪算法)的基本原理、改进策略和代表性工作,之后按照网络结构分类介绍了其他基于深度学习的目标跟踪算法,还从解决目标跟踪所面临挑战的角度介绍了应对各类问题的典型解决方案,并总结了视频目标跟踪的历史发展脉络和未来发展趋势.本文还详细介绍和比较了面向目标跟踪任务的数据集和挑战赛,并从数据集的数据统计和算法的评估结果出发,总结了各类视频目标跟踪算法的特点和优势.针对目标跟踪未来发展趋势,本文认为视频目标跟踪还面临诸多难题亟需解决,例如当前的算法往往无法在长时间、低功耗、抗干扰的环境下实地应用.未来,考虑多模态数据融合,如将深度图像、红外图像数据与传统彩色视频联合分析,将会为目标跟踪带来更多新的解决方案.目标跟踪任务也将会和其他任务,如视频目标检测、视频目标分割,相互促进共同发展.     

基于声图像序列的快速目标跟踪算法

针对声图像具有对比度低、不同时刻目标回波变化大等特点,提出了一种基于卡尔曼滤波和数据关联算法的快速目标跟踪算法.该算法首先对声图像序列进行高斯平滑和自适应阈值分割处理,在此基础上建立卡尔曼滤波目标跟踪模型和数据关联目标匹配算法,分析计算了可跟踪的目标速度上限值.仿真结果表明,该算法可较准确地实现目标跟踪,允许的目标速度可满足实际应用的需要.同传统文献算法相比,该算法具有实时性好、鲁棒性强,能更好地适应目标分裂或合并等情形.     

基于NMI特征的目标识别与跟踪

本文提出一种全新的图像分割方法——连通线多级切割方法，并在此基础上建立图像NMI特征的目标识别与跟踪算法。文章给出了运用连通线多级切割方法实现阈值求取、图像分割、目标识别与跟踪的技术技巧。通过实验验证了NMI特征的缩放不变性、旋转不变性和平移不变性以及不同物体的NMI特征差异，表明本文算法具有良好的实时性和精确的目标识别与跟踪效果。     

基于分割的三维医学图像表面重建算法

提出了一种基于分割的三维医学图像表面重建算法,它将图像分割与MC(marching cubes)算法有机地结合,这样可以根据不同医学图像的特点,采用适合的分割方法,实现对不同组织的准确分割,并利用分割结果精确地提取等值面,避免了MC只适合于阈值分割的局限性.同时采用一种基于区域增长的立方体检测方法,提高了表面跟踪的效率.实验证明,运用本算法,重建速度和显示效果均有提高.     

基于FCM和离散正则化的多目标图像分割

针对机器视觉中的多目标图像分割问题,提出一种适用于多目标物体的图像分割算法.首先对图像进行图像增强预处理;然后采用基于直方图的模糊C均值聚类算法完成分类任务,实现图像的初分割,将分类后的像素作为种子集;最后利用离散正则化的半监督方法得到自动修正分类结果.实验结果表明,与已有的多目标分割算法相比,该算法分割结果更加精确.     

复杂场景下灰度图像的运动目标跟踪

提出了一种对复杂场景下灰度图像序列中运动目标分割和跟踪的新方法:首先,利用光流法分割出运动目标;然后,以mean shift算法为核心跟踪感兴趣的目标.跟踪过程中以目标灰度直方图为特征进行帧与帧之间的目标匹配,其匹配的相似度以Bhattacharyya系数来测量.算法中利用Kalman滤波器对运动目标在图像中的位置进行预测,不仅可以有效解决目标的暂时遮挡问题,而且可以缩小模式匹配的搜索范围,提高处理速度.实验结果和对实验相关数据的分析验证了该跟踪算法的有效性和实时性.     

一种基于Snake模型的多目标跟踪算法

在视频图像处理中,由于Snake模型运算量大且易受背景物体或噪声的干扰,因此很少被用来完成目标跟踪任务。论文主要针对高空摄像机追踪地面多个运动目标的具体情况,通过研究Snake模型各个能量函数的特点,提出了一种结合拆分模板匹配技术、Kalman滤波技术及Snake模型的多目标跟踪算法。与同类算法相比,该算法具有建模简单、分割精度较高的特点。     

无人机红外舰船目标分割

利用舰载无人机执行情报、侦察任务已经成为海上信息化作战中的重要手段。红外图像分割是无人机探测红外舰船目标特征提取、识别与跟踪的基础。针对红外图像普遍存在目标与背景对比度较低、目标边缘模糊和信噪比低等特点,提出了改进的基于局部熵过渡区提取的分割方法。实验结果表明,与一维和二维最大类间方差法的分割性能相比,该方法在满足实时性要求下可以获得良好的分割结果。     

远程分布式图像制导仿真实验系统

针对开展图像制导技术研究在科研与教学方面的需要,考虑自动导引技术的特点,设计并开发完成了远程分布式图像制导仿真实验系统。实验系统利用无线网络技术,对于分布式客户端与服务器端共同完成对运动目标的图像采集、预处理、图像分割、目标识别、目标锁定与跟踪等数字处理过程,实时生成导引算法,控制转台驱动实验装置实现对目标的动态跟踪。目前设计的仿真实验系统能用于实现分布式图像制导仿真、多种图像制导算法的验证与实验,并已经用于科研与实验教学,取得了较好的结果。     

移动机器人崎岖地面静态目标瞄准跟踪系统

目标跟踪对自主移动机器人是一项重要的任务,但往往系统成本高、体积大、耗能高,跟踪控制算法复杂,不适合于小型移动机器人的应用场合。本文结合一种低成本的嵌入式颜色视觉系统,提出了一种简单实用的目标跟踪方法,基于图像的HSV阈值分割,经过颜色分割识别物体,通过实时对比目标中心在图像平面的坐标与图像平面中心的偏差,产生相应控制命令驱动云台电机保持目标中心坐标始终处在图像平面中心矩形框内,从而实现移动机器人对目标持续有效的瞄准跟踪。通过移动机器人在不同崎岖地面运动对所提出目标跟踪控制方法进行了验证。     

基于改进模糊C均值的海面目标图像分割算法

提出一种图像分割算法,解决水面无人艇在执行目标跟踪与识别任务过程中的图像快速准备分割问题。首先使用均值滤波算法对彩色的海洋背景图像进行滤波,同时利用其非参数性得到图像的聚类中心和类别数,并以此作为初始化参数进行图像的模糊C均值聚类,在此基础上进行大津法Otsu二值化处理实现目标提取。使用BSDS500标准数据集和海洋背景图像对算法的分割效果及效率进行验证,与传统的模糊C均值算法、脉冲耦合神经网络算法、自适应遗传算法以及马尔科夫随机场算法进行对比的结果显示了该算法的有效性。     

医学图像中组织轮廓提取方法的改进

在医学图像分割技术的研究中,针对提取图像的清晰度和快速性问题,常用轮廓跟踪算法来提取组织轮廓线,花费的时间较长且分割效果不好.为了提高组织轮廓线的提取速度和分割效果,利用医学图像中组织对称性和灰度特征,提出了双向轮廓跟踪算法.根据分割目标确定相应的检测阈值,采用边缘检测,确定边缘起始点,对组织边缘进行双向跟踪.在检测过程中,设置相应的检测矩阵,减少检测次数.算法能同时沿两个不同的方向进行边缘检测,节省了时间.仿真结果表明,改进的轮廓提取方法对有较好的连续性和对称性的组织轮廓线能进行快速准确地提取,可得到清晰的分割结果,缩短轮廓线的生成时间.     

基于前景分割和特征空间自适应选择的视觉目标跟踪

提出一种视觉跟踪任务中鲁棒的目标模型更新算法.首先利用结合空域信息的特征直方图对目标和背景进行建模;然后通过引入信息论中的交叉熵,定量地评价各个特征空间下目标和背景的差异性,选择差异性最大的特征空间更新目标模型,并用均值漂移算法定位目标.为解决模型更新中的偏移问题,采用条件随机场(CRF)模型,通过融合图像序列的时空上下文信息分割出目标前景,利用分割结果减小模型更新的误差.实验结果验证了该算法的有效性.     

图像单个运动目标识别与跟踪的一种解决方案

就图像单个运动目标识别和跟踪问题提出了一种解决方案。在图像分割部分,提出了基于数学形态学中流域分割的实现方法,依据单运动目标的特征通过合并过渡分割区域算法较好地解决了过度分割的现象,实现无需人工设置任何阈值,全智能化图像分割;在目标提取部分,提出了一种在连续多帧图像中自动提取单运动目标的方法,能适应摄像头固定和摄像头随运动目标移动等各种情况;在目标跟踪部分,对进行匹配的模板设置掩码,并自动进行调整,使得对运动目标的跟踪更为鲁棒。     

连通域标记并行算法在多核处理器上的设计和实现

为满足全方位视觉运动目标检测跟踪系统中检测和跟踪实时性的要求,采用多核程序设计和并行处理技术,对系统中连通域标记算法,重新进行了设计和实现。为解决由图像分割造成的连通域的分离,应用边界处的游程码,将两个不同任务块中分割处的连通域合并成一个连通域。最后通过实验证明该并行算法比传统算法在多核处理器上运行更快,更好地解决了多核处理器饥饿问题,让多核处理器发挥了更高的效率。     

基于模糊C均值聚类的比色传感器阵列图像分割算法

结合当前比色传感器阵列多样性、不稳定等特点,并针对当前现有的阵列图像分割算法中或者效率低,或者易受光照环境影响等现状,本文在模糊C均值聚类算法基础上,提出了一种图像分割算法.该算法首先通过HSI颜色空间下I分量在行、列投影实现图像网格划分,并结合局部阵列点图像的平滑直方图信息解决了FCM算法聚类条件初始化的难题.其次,为了提高阵列点图像分割结果的准确度,该算法通过目标函数引入了不同权重系数的H分量和I分量,实现了色彩信息的引入.通过图像分割效果测试,本文所提出的图像分割算法在所有阵列点图像分割中展示了96.54%的总体最优分割精度,可以有效、准确地实现比色传感器阵列图像的目标提取.     

海面红外目标智能跟踪算法研究

根据海面运动目标及成像传感器的特点,本文提出了一种红外目标图像序列跟踪点自动识别的智能跟踪算法.以平均梯度为特征进行目标图像分割;并根据目标最亮区与吃水线的空间关系选择目标最亮区中心点的垂线与吃水线的交点作为跟踪点;利用D-S证据理论融合帧间关联特征的跟踪点的自动识别以及可信度确认.实验证明本方法合理而且十分有效.