多特征联合匹配的目标图像稳定跟踪算法

针对图像制导目标跟踪系统中应用单一特征跟踪算法,由于特征不稳定而造成的跟踪点漂移,甚至目标丢失等问题,提出多特征联合匹配的目标图像复合跟踪方法.分析了分别单独使用灰度特征或者点特征进行目标跟踪存在的问题;通过归纳常用的目标跟踪算法与特征类型的对应关系,依据经验给出了几种多特征组合方案;以灰度特征和点特征作为多特征联合匹...     

毫米波/红外复合制导目标融合跟踪算法

航迹融合是多传感器信息融合的一个重要环节,关系到信息融合结果的精确性。文章研究了简单加权、互协方差两种航迹融合算法。针对毫米波与红外传感器的情况,在部分反馈基础上,给出了一种基于环境变量的融合跟踪算法,并通过仿真实验证明了算法在保证跟踪性能的同时,提高了系统的抗干扰性能。     

基于互信息测度红外目标图像相关匹配跟踪算法

在红外地面目标跟踪过程中,目标在图像系统中呈现多样化,任何一种单一的跟踪方式都无法满足系统的要求。对此本文采用一种多模跟踪方式,针对具体的目标,采用不同模式的跟踪方法。对于小目标,采用互信息测度的相关跟踪方式;对于大目标,采用形心跟踪方式。通过自适应波门来决定跟踪模式,实验证明该算法具有稳定而且精确的跟踪性能,算法执行时间短,完全可以满足实时性要求。     

基于多特征直方图的红外图像目标跟踪

根据红外图像的特点,采用单一颜色难以描述复杂的跟踪环境,尤其是目标周围有相似亮度的背景干扰时,会造成跟踪失败.针对该问题,提出在MS跟踪理论框架下将颜色特征和梯度特征联合起来描述目标.实验表明:该方法能准确地跟踪海上红外运动目标.     

一种复杂地面背景的目标跟踪算法

实时跟踪算法将提供的原始目标作为基准图像进行序列跟踪，在跟踪过程中根据一定的判据对基准图像的更换、目标丢失的判断等状态进行控制．通过对各种实时跟踪算法的研究，提出了一种基于图像相关的多模板跟踪算法，并给出了多模板相关算法中的判断准则：模板更换准则、目标丢失判断．试验证明，对地面复杂背景的目标实时跟踪有效可行。     

一种实时相关目标跟踪算法

采用时－空梯度法，建立一种估计图像序列中目标偏移植的相关跟踪算法。该算法采用一维相关，而且两个方向相关运算可以并行独立运算，适于硬件实现，计算速度大大高于常规相关跟踪算法，具有很强的实时性，仿真结果还表明该算法具有较高跟踪精度，且对噪声不敏感。     

一种新的红外成像近距目标的跟踪算法

文中给出了一种新的基于相关运算的红外近距目标的跟踪算法。模板选择依据加权的SUSAN算法,通过两级相关运算,进行目标跟踪,以达到减少计算、节约运算时间的目的。第一级粗相关运算采用模板亚采样模式,得到可能性最大的四个定位点;第二级精相关运算以四个定位点为中心的3×3邻域做全模板的匹配计算。本算法还给出了相关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,经过实验表明,该算法有效地减少了模板的漂移误差,提高了运算速度。     

图像配准方法及其在目标跟踪中的应用

给出了一种基于点特征的图像配准方法,可以用于复杂背景下任意角度旋转的图像之间的配准。图像配准算法分为四个步骤:用Forstner算子分别提取参考图像与待配准图像的特征点;使用旋转不变特征向量获取特征点之间的初始匹配关系;使用投票算法剔除误匹配点对,获取正确配对的同名点对;用最小二乘方法由正确配对的同名点对获取图像之间的配准参数。给出了基于点特征的图像配准方法在目标跟踪中的应用方法,并进行了仿真实验,结果证明该图像配准算法可以对复杂背景下弱对比度静止目标进行精确跟踪,而且算法具有很好的通用性。     

前视红外目标的鲁棒分层跟踪算法

针对前视红外序列图像中目标与背景对比度低、灰度级动态范围小以及目标边缘模糊的特点,提出了一种基于均值漂移和特征匹配的红外目标鲁棒分层跟踪算法。首先利用均值漂移算法来快速搜索局部最优候选目标。然后,通过特征匹配对跟踪误差进行有效修正。采用Harris算子对模板目标与候选目标进行特征点提取,利用改进的Hausdorff测度对特征点进行有效的匹配度量,最终实现红外目标的精确定位。实验结果表明该算法简单有效,能准确跟踪前视红外目标。     

基于红外图像与可见光图像特征融合的目标检测算法

对可见光与红外图像融合目标检测问题进行了研究,提出了一种针对目标检测任务的特征融合算法。采用端到端的神经网络方案,将可见光与红外图像同时输入神经网络,分别进行特征提取,后对提取的特征进行融合,再对融合的特征进行目标检测,最后输出检测结果。与一般先融合出一张图片再检测的方法比较,特征融合算法可以保留原始图像的特征,并根据目标检测的结果对特征进行挑选及融合,避免先融合图像造成的信息损失。红外图像能够弥补可见光图像的不足,适应不同光照强度及天气情况。针对目标检测的特征融合方法有效利用了纹理信息及热辐射信息,检测效果优于单独利用可见光或红外图像的方法。     

基于加权相关的图像匹配跟踪算法的研究

针对电视制导炸弹中弹目相对运动变化而导致的目标尺度变化、几何形变以及随机因素造成的暂短丢帧现象,文中对相关测度函数进行了基于弹-目距离的中心加权修正,提出了相应的模板更新与修正策略、基于线性预测的目标位置的预测方法、跟踪点的定位方法等,在此基础上,实现了基于加权相关的图像匹配跟踪算法.文中算法获取的跟踪点稳定,有效地解决了常规相关匹配算法跟踪点漂移、速度慢、实时性差的问题.实验结果表明,该方法在复杂背景以及目标尺度发生变化时均能获得良好的跟踪效果.     

基于多特征融合与粒子滤波的红外弱小目标跟踪方法

研究低信噪比复杂背景下的红外弱小目标检测和跟踪问题.基于多特征融合的小目标检测算法具有较好的检测性能和适应性,而粒子滤波则是一种处理非线性和非高斯动态系统状态估计的有效方法.结合两种算法的优点,提出了一种基于多特征融合与粒子滤波的红外弱小目标跟踪方法.仿真试验表明,与单特征跟踪算法相比,该算法对复杂背景下的红外弱小目标具有更好的跟踪与检测性能.     

融合SVM 的多特征DSST 目标跟踪算法

为解决DSST算法多尺度搜索策略跟踪时目标出现严重遮挡、非刚性形变、目标脱离视场导致的目标外观变化的问题,提出一种将支持向量机(support vector machine,SVM)目标重检测模块融合的算法.提取目标的多种特征然后将这些特征矢量融合以增强目标的特征表达.在DSST算法的位置和尺度滤波器的基础上,新增目标外观滤波器,利用训练好的SVM全局搜索目标.采用不同大小的窗口采样来训练相关模型并建立一个SVM的最优分类面,通过SVM对丢失后的目标进行重检测.实验结果表明,改进算法比DSST算法在对目标受到遮挡、目标非刚性形变等问题上的鲁棒性能均有提高.     

滑动置信度约束的红外弱小目标跟踪算法研究

为了提高红外视频弱小目标的跟踪精度,提出了滑动置信度约束的弱小目标跟踪方法。在快速自适应中值滤波的红外图像背景抑制技术的基础上,设计了正交变换和置信域约束的轨迹预测,利用加权参数增强目标函数的收敛性能,提高下一位置初的预测准确度;通过轨迹相邻点的位置差计算搜索窗口的大小,搜索与之相匹配的特征点进行关联处理,完成对初预测点的筛选;以滑动轨迹置信度检验为准则判决轨迹的真实性,并进行目标轨迹更新以实现对弱小目标的准确跟踪。通过红外弱小目标视频对所提算法进行了实验验证,结果表明,该算法对红外弱小目标的跟踪轨迹误差有较小的均方偏差与均方差,在噪声消除和对图像整体信息保护方面都具有良好的性能。     

基于遗传优化的模糊交互式多模型目标跟踪算法

针对交互式多模型方法存在模型覆盖面不足和子模型间恶性竞争的问题,设计了一种基于遗传算法和模糊推理的智能优化模糊交互式多模型方法,该方法通过对模型集的自主寻优,能够实现任意时刻在最优模型集下的跟踪,通过建模仿真,在与传统的交互式多模型的比较中发现,使用该模型后目标跟踪误差显著减小,该算法具有较高精度及稳定性。     

基于粒子滤波的非线性目标跟踪算法研究

针对非线性非高斯的目标跟踪,传统的卡尔曼滤波和扩展卡尔曼滤波等算法将会出现滤波精度下降甚至发散的现象,提出了采用粒子滤波算法来解决非线性滤波问题;粒子滤波方法作为一种基于贝叶斯估计的非线性滤波算法,在处理非高斯非线性时变系统的参数估计和状态滤波问题方面有独到的优势,但是存在运算量大和实时性差的问题,因此提出了基于EKF的扩展粒子滤波;仿真结果表明：在强非线性非高斯环境下,PF算法的跟踪性能优于EKF算法,基于EKF的扩展粒子滤波能够取得较好的跟踪精度,并且能够有效的减少粒子滤波的运算量。