提高小型跟踪测量电视系统探测距离的方法

介绍一种实际使用的小型跟踪测量电视系统 ,它通过提高光学系统透过率和增强图象对比度 ,以及采用数字背景拟合自适应电平检测的方法 ,达到远距离探测目标的任务。     

利用帧间差探测函数模型的运动目标跟踪算法

针对基于模板匹配的目标跟踪算法中,匹配环节在算法中耗费大量的处理时间,使实时性较差的问题,提出了一种基于帧间差探测函数模型的运动目标跟踪算法.算法将"虚拟边缘"引入目标运动事件中,建立了帧间差探测函数模型,设计了几种新的模块用于解决目标跟踪中的方向纠错和实时性问题.实验结果表明,不仅可以有效地对在复杂背景下运动的小目标进行跟踪,而且能够获得相比于块匹配法更好的实时性能.     

显著性加权最小二乘图像匹配跟踪方法

针对复杂背景下运动目标跟踪这类问题,提出了一种显著性加权最小二乘图像匹配跟踪算法.新方法首先根据目标上不同区域和背景的差别大小,给每个目标区域赋予不同的权值.然后将权值与最小二乘图像匹配算法结合起来对目标进行跟踪.实验中将本文算法与三种经典跟踪算法进行比较,实验结果表明,在复杂背景下,新算法仍然可以有效、准确地跟踪运动目标,而经典算法均出现问题.新算法的单帧处理时间也可以满足实时处理要求.     

基于帧间差分和运动估计的Camshift目标跟踪算法

针对Camshift算法无法适应目标的高速运动、复杂背景和遮挡的局限性,本文提出结合帧间差分法和运动估计对Camshift算法进行改进.首先在颜色概率分布图计算中通过帧间差分法加入目标运动信息,实现自动初始化跟踪并排除与目标相似背景颜色的干扰.之后在搜索窗传递过程中预测目标的位置,根据跟踪状态对搜索窗进行调整,以实现对高速运动目标的跟踪.实验表明新算法在目标高速运动、遮挡、和同色干扰情况下,仍能进行有效跟踪.     

图像配准在缓动弱小空间目标检测中的应用

在固定大视场光电探测系统图像中,远距离空间目标运动角速度慢、星像小,难以从众多恒星星像中有效检测到.针对上述问题,提出了一种基于恒星配准后差分相乘的缓动弱小空间目标检测算法,首先在空域上利用形态学Top-hat滤波抑制背景增强目标,然后在时域上将恒星配准后差分相乘增强缓动弱小空间目标,最后经自适应门限分割与航迹关联进行目标确认.实测结果表明,算法全面考虑了缓动弱小空间目标在时域及空域方面的特性,能有效地从复杂背景中检测到低信噪比缓动弱小目标,并满足实时性的要求.     

弱小目标检测与跟踪算法

低对比度小目标检测与跟踪算法的研究是电视跟踪领域的关键技术之一。针对弱小目标的目标特性，按USAN原则进行目标检测，利用目标的特征参数及目标运动的一致性、连续性排除噪声干扰，实现对目标的稳定跟踪。实验采用VC＋＋仿真平台验证该算法的可行性和有效性，并移植到DSP专用图像处理平台上，达到了工程的5可靠性与实时性要求。     

一种结合背景运动估计的目标运动预测方法

在复杂背景下的目标跟踪过程中,通常会遇到目标被遮挡的情况,此时依靠单一的跟踪算法无法解决上述问题.在静止背景下,利用目标的历史运动轨迹,可以解决短时间遮挡的问题,但在运动平台上,由于相机运动和目标运动同时存在,目标的运动轨迹无法利用,因此本文创新地引入了KLT稀疏光流场算法,对两帧之间的大量特征点进行跟踪匹配,通过随机采样一致性算法鲁棒地估计出两幅图像之间的变换参数,对由相机移动引起的背景运动进行补偿,转换为静止背景下的运动目标估计.实验结果表明,该方法可以有效地解决目标遮挡问题,并成功应用到机载目标跟踪平台.     

运动摄像机下快速提取运动目标的新方法

本文研究摄像机和目标同时运动情况下的实时目标提取问题.首先运用背景差方法,检测出静止摄像机下的运动区域,为了克服连通域分析法耗时长的不足,提出重心偏移迭代法快速获得感兴趣运动目标.在改进Camshifi跟踪算法中,提出采用Bayesian概率法则在由Kalman滤波器预测的感兴趣区域(ROI)内获取颜色概率密度分布图像(CPDDI),引入即时背景(IB)以抑制背景特征.提出依据跟踪结果进行目标提取的方法,即结合CPDDI特征,并辅以适当的形态学滤波策略,从跟踪结果中提取出运动摄像机下的运动目标,解决目标被动态背景干扰的问题.实验结果表明,提出的算法能够较稳定和完整地提取出运动摄像机下的运动目标,对复杂动态背景的适应性较强,且算法完全达到了实时的运行速度.     

复杂背景及遮挡条件下的运动目标跟踪

CamShift算法应用于复杂背景及遮挡条件下视频跟踪时,极易出现跟踪失效和目标丢失。本文提出基于颜色、纹理及目标运动信息的综合特征用于改进CamShift算法,结合Kalman滤波器对目标运动状态进行预测提高了复杂背景下运动目标的跟踪稳定性和跟踪精度。在目标发生遮挡时,通过目标遮挡前的先验信息进行最小二乘拟合及目标运动轨迹外推,预测目标运动位置信息,有利于遮挡结束时对运动目标的重新捕获。多组实验结果及性能分析表明,该算法在复杂背景及目标被短时遮挡情况下,可以实现目标的持续、稳定跟踪,并具有较好的实时性。     

复杂背景下弱小目标检测方法综述

基于图像信息的自动目标检测,在军事及工业领域有着广泛的应用前景.当成像系统和目标的相对位置较远时,目标在图像平面上表现为点状或不稳定斑点状,占有的像素少,信噪比低,在复杂背景下,目标基本上被噪声所淹没,检测比较困难.对这样的弱小目标的检测一直是运动目标探测中一个亟待研究与解决的问题,国内外学者进行了大量的研究.本文对一些典型的检测方法如序贯假设检测法、基于遗传算法的点目标检测与跟踪算法和基于图像对称差分运算的小目标检测方法等进行了分析和研究,阐明了各方法的基本思想、适用范围和优缺点,给出了相应的一些计算公式.最后指出了当前弱小目标检测算法的发展趋势.