基于动态显著性特征的粒子滤波多目标跟踪算法

针对复杂背景条件下图像序列中运动多目标跟踪问题,提出一种基于动态显著性特征的粒子滤波多目标跟踪算法,该算法借鉴心理学中关于视觉注意的研究成果,综合目标的灰度、细节和运动特性形成稳健的动态显著性特征,用来作为粒子滤波的状态向量。由于该算法中的显著性特征来源于目标的多种底层特性,因此算法具有很强的稳健性,同时,粒子滤波可实现非线性非高斯状态空间模型的最优估计。故而,该算法能够同时处理多个目标跟踪过程中的航迹管理问题,以及目标出现、消失、合并、分裂、被障碍物遮挡等问题。实验结果表明,该算法能够很好地实现复杂图像序列中的多目标跟踪。     

一种面向互动投影的多目标跟踪方法

针对互动投影系统对多目标跟踪在自适应和实时性方面的需求,提出了一种基于自适应混合粒子滤波和自适应数据关联的多目标跟踪方法.该方法采用基于背景差检测的混合粒子滤波并将跟踪置信度引入目标的状态量中,根据跟踪置信度大小自适应地加强或减弱关联强度进行数据关联;同时,根据数据关联结果分析目标出现、目标消失、目标衍生、目标相遇等复杂运动情况,对每个目标进行自适应混合粒子滤波跟踪.实验证明该方法提高多目标跟踪性能,能够较好满足互动投影的应用需求.     

岛岸背景下的红外运动多目标跟踪

提出了一种基于粒子滤波和FCM的岛岸背景条件下红外运动多目标跟踪方法.通过对红外序列图像进行中值滤波、边缘提取、海天线检测和形态滤波等预处理,提取出若干个候选目标.然后利用基于粒子滤波和FCM的算法实现对候选目标的数据关联和连续跟踪.实验结果表明,该方法具有良好的可行性和效果.     

港口背景下红外运动目标的一种检测方法

为了解决港口背景下红外运动目标检测中受背景干扰带来的误分割和误跟踪问题,提出了一种基于港口背景抑制和光流检测的红外运动目标检测方法。首先,通过对小波分解图像进行OTSU分割,得到天水线区域。然后使用多级滤波确定序列图像中港口背景的抑制基准点,并根据这些背景抑制基准点实现序列图像的港口背景抑制。最后,运用光流预测实现红外运动目标检测。通过对实际港口背景红外图像进行背景抑制和红外运动目标检测的实验,验证了所提方法的可行性和有效性。     

基于非负矩阵分解和红外特征的图像融合方法

针对传统图像融合方法鲁棒性较差的缺点,提出了一种基于非负矩阵分解和红外特征的图像融合方法,实现源图像的目标区域和背景区域分别融合.首先将源图像作为原始数据进行非负矩阵分解得到特征基图像,特征基图像包含了源图像的整体特征;利用红外图像目标与背景灰度显著差异,通过区域生长方法从红外图像提取目标区域,将红外目标区域与特征基图像背景区域相融合得到融合图像.实验结果表明,该方法不仅简单易行,而且在保留了可见光的高空间分辨率和纹理细节信息同时,突出了红外图像对热目标敏感特点,提高了图像的可判读性.     

基于高斯金字塔与差分法的多目标检测和跟踪算法

针对复杂背景下的多目标检测和跟踪问题,提出了将背景差分目标检测算法与高斯金字塔图像重采样相结合的运动目标检测算法．该算法采用高斯金字塔法对图像进行重采样,建立背景模型,使用背景差分法获得前景区域,并对前景区域进行阴影检测、去除,从而检测出完整目标．融入了高斯模型关于背景更新的算法,克服了由于背景突然改变而造成的误检测．在目标阈值的确定过程中,采用动态阈值确定法,以提高目标检测的正确性．同时将目标的颜色特征和运动矢量引入到多目标跟踪算法中,提高目标跟踪的准确性．实验结果表明,该算法对于场景中存在目标频繁出现、消失、交叉运动和遮挡等情形均有较好的检测与跟踪效果．     

利用自适应模糊推理PMHT算法的红外小目标跟踪与检测

提出了一种基于自适应模糊推理PMHT算法对红外序列图像的小目标进行跟踪和检测.对红外序列图像进行中值滤波、边缘提取、海天线识别与对消等预处理后,可以提取出若干个备选小目标,通过PMHT与模糊自适应相结合算法来实现对备选目标的跟踪和数据关联,最后,根据先验知识和检测条件实现小目标检测.算法通过模糊自适应来调整系统噪声方差,经过多次迭代,从而实现数据关联以及目标模型实时检测.另外,在多目标跟踪中存在目标重叠的现象,运用"记忆和填充"方法来解决多目标的合并和分裂问题,算法易于硬件实现.通过对实际的红外序列图像进行小目标检测,验证了所提方法的可行性和有效性.     

主向量变换法在粒子目标数字度量中的应用

为了将目标和背景颗粒噪声及其他不需要的粒子目标区分出来,需要计算这些粒子区域的扁度、矩形度等数字度量参数,指定区域的最小外接矩形是区域的数字度量计算时必要的中间参量之一,但是传统的对称矩阵QR算法在处理最小外接矩阵时存在一定的局限性.为此,采用主向量变换方法对二值图像中粒子目标区域进行数字度量和特征提取,并推导了算法实现的主要过程.实验结果表明主向量变换法较好地解决了粒子场图像的计算机识别和数字度量问题.     

基于灰关联的分类信息辅助多目标跟踪

密集多回波环境下对弹道多目标跟踪时,通过灰关联方法融合了目标运动状态空间似然值和HRRP特征分类信息,提出了分类信息辅助多目标跟踪的CAT算法;结合目标电磁仿真数据,建立了多目标跟踪和识别交互仿真场景,并与JPDA和NN跟踪算法进行比较,仿真结果表明,CAT克服了轨迹合并和误跟的现象,较好的实现了多目标跟踪.     

基于Mean-shift的多目标跟踪算法的设计

针对视频序列中目标的跟踪问题,提出了一种基于模版匹配的多目标跟踪算法.该算法提取目标模版灰度分布特征,并在目标匹配过程中采用Bhattacharyya系数在图像中寻找相似性最高的区域.仿真结果表明,用该算法进行多目标跟踪时,跟踪性能远优于其它特征匹配算法和多模型算法,而且计算量小,能保证跟踪的实时性.