实时多运动目标提取与跟踪研究

介绍一种静止背景条件下实时多运动日标提取与跟踪的方法。使用了单模态背景模型,用连通检测的方法分割出目标,取得目标信息,采用特征参数匹配的方法跟踪目标。对实际中出现的目标停止移动、被背景遮掩和相交运动等情况做了分析。通过采集的图像序列证实采用所提出的运动日标提取与跟踪算法可获得良好效果。     

连续帧间差分与背景差分相融合的运动目标检测方法

为了克服背景差分法和帧间差分法的不足,有效提高运动目标检测的准确性、实时性和检测效率,提出了一种将连续帧间差分法与背景差分法相结合的运动目标检测方法.首先通过连续帧间差分法获得连续帧差图像,然后分别通过线性的自适应滤波、非线性的中值滤波获得背景图像进行差分,之后再利用阈值分割技术实现运动目标的增强,从而有效解决背景差分法和帧间差分法中都可能出现的无法检测目标的现象.实验表明,该算法可以有效避免漏检、误检等情况,提高运动目标检测的效率和准确性.     

基于局部直方图的目标分割方法

图像分割是图像精确跟踪中的重要组成部分 ,是后续进行图像识别的基础。在介绍传统阈值分割方法的基础上 ,提出了一种应用序列图像跟踪、利用跟踪区域的局部直方图来计算分割阈值的方法。该方法利用相邻两帧图像数据的相关性 ,根据跟踪区域的灰度信息自动调节每帧图像的分割阈值 ,使在跟踪区域内的目标得到了较好的分割效果。运用该算法 ,不仅取得了良好的分割效果 ,而且结果证明该算法具有较强的自适应性     

一种优化的运动目标定位与跟踪算法研究

运动目标检测与跟踪技术可实现对运动目标的检测、定位和跟踪,为更高层的视频理解和场景解释提供底层对象和分析依据,具有重要的理论意义和实用价值,已经成为各国学者研究的热点方向之一。本论文研究简单背景下的目标检测与跟踪算法,目标检测主要通过帧间差分法和背景差分法进行对比操作,目标跟踪采用矩心跟踪、重心跟踪和卡尔曼滤波法跟踪分别进行实现,此环节通过重心跟踪与卡尔曼滤波跟踪相结合的方式达到目标跟踪的目的,并且效果超越了前两种算法,而且运算较快,同时由于卡尔曼滤波算法的预测与检测性大大降低了错误率,成功地得到了优化的设计方案。     

序列图像中运动目标的自动提取方法

针对目标检测与跟踪领域中的运动目标自动提取问题,提出了一种新的运动目标自动提取方法.利用已有的图像帧滤波后初始化背景,并在运动目标检测过程中,利用检测结果,不断地自动更新背景.使用背景差法检测运动区域,并对差分图像进行动态阈值分割,以及边缘链接,使其边缘处于基本连续状态.在得到的二值图上,提取轮廓,并根据目标大小选择面积阈值,剔除由于噪音或者背景提取不干净造成的虚假轮廓,将得到的轮廓掩模图像与原图像做逻辑与运算,提取出目标.实验结果表明,该方法可以有效地提取出刚体或非刚体运动目标.     

目标自适应分割算法的研究

初步探讨和分析几种实际典型场景目标与背景的特征，提出相应的目标分割算法，并对几种方法加以融合。实际跟踪算法中，实现目标分割方法的自动转换．自动调整自适应分割门限及搜索方案．实验表明，该算法转换灵活，跟踪平稳。自适应能力强，抗干扰性能好．易于软件实现．     

基于多特征融合与ROI预测的红外目标跟踪算法

针对当前红外目标检测与跟踪算法存在场景自适应能力弱、专用性强,以及在大视场条件下,首帧图像中小目标误检率高的问题,提出一种红外序列图像目标自适应阈值分割、检测与跟踪方法.选取目标移动速度、目标轮廓的面积和周长、以及自适应分割阈值与感兴趣区域位置为动态变量,建立动态决策准则.采用首帧目标检测算法计算出序列图像的第一帧图像目标的静态变量和部分动态变量,再采用改进的局部自适应阈值分割算法分割后续帧图像,然后利用静态与动态决策准则筛选出分割后的真实目标,最后计算并更新动态决策准则.红外靶标测试结果表明:该方法对不同场景具有较好的适应性,四个场景平均跟踪准确率为95.81%,微机平台平均每帧处理时间为10.93ms,嵌入式平台为26.79ms.     

基于回形窗的弱小多目标图像分割方法

提出一种红外弱小多目标图像分割方法,用一个回形窗口和对比度阈值分割图像.对天空背景下低信噪比的红外弱小多目标图像序列能够有效的分割,抑制噪音干扰.将该方法与传统的图像分割方法做了比较,并对用不同阈值,不同窗口分割时的分割结果进行了分析.实验表明,该算法在执行效率和检测概率上能够取得满意的结果.     

基于FastICA的高光谱图像目标分割

针对高光谱图像目标识别与分类的应用背景,提出了一种基于快速独立成分分析的高光谱图像目标分割算法.通过引入虚拟维数对图像中的目标端元数量进行估计,利用基于非监督正交子空间投影的异常端元提取算法自动获取目标端元光谱,并将其作为快速独立成分分析的初始混合矩阵.采用最小噪声分量变换对原始数据进行降维,利用快速独立成分分析从降维后的主成分中依次提取出图像中的独立分量.最后,对各独立分量进行恒虚警率检测与形态学滤波,从而得到最终的目标分割结果.对AVIRIS型高光谱图像的实验结果表明,该方法可有效探测出图像中的目标,并可获得较好的分割结果.     

基于FastICA的高光谱图像目标分割

针对高光谱图像目标识别与分类的应用背景,提出了一种基于快速独立成分分析的高光谱图像目标分割算法.通过引入虚拟维数对图像中的目标端元数量进行估计,利用基于非监督正交子空间投影的异常端元提取算法自动获取目标端元光谱,并将其作为快速独立成分分析的初始混合矩阵.采用最小噪声分量变换对原始数据进行降维,利用快速独立成分分析从降维后的主成分中依次提取出图像中的独立分量.最后,对各独立分量进行恒虚警率检测与形态学滤波,从而得到最终的目标分割结果.对AVIRIS型高光谱图像的实验结果表明,该方法可有效探测出图像中的目标,并可获得较好的分割结果.     

对数似然图像分割的快速主动轮廓跟踪算法

针对跟踪目标尺度变化问题,提出了基于灰度对数似然图像分割的快速主动轮廓跟踪算法。改进的主动轮廓跟踪算法将根据以目标与背景的颜色差异而建立的对数似然图对图像进行阈值分割和数学形态学处理,再将Kalman滤波器结合到主动轮廓跟踪算法进行目标跟踪。改进的主动轮廓跟踪算法对目标分割准确,轮廓特征显著,跟踪效果稳定,算法能很好地适应跟踪目标尺度变化。通过Kalman滤波器对目标位置点的预测减少了主动轮廓跟踪算法收敛的迭代次数,使算法的运算效率提高了33%左右。     

对数似然图像分割的快速主动轮廓跟踪算法

针对跟踪目标尺度变化问题,提出了基于灰度对数似然图像分割的快速主动轮廓跟踪算法。改进的主动轮廓跟踪算法将根据以目标与背景的颜色差异而建立的对数似然图对图像进行阈值分割和数学形态学处理,再将Kalman滤波器结合到主动轮廓跟踪算法进行目标跟踪。改进的主动轮廓跟踪算法对目标分割准确,轮廓特征显著,跟踪效果稳定,算法能很好地适应跟踪目标尺度变化。通过Kalman滤波器对目标位置点的预测减少了主动轮廓跟踪算法收敛的迭代次数,使算法的运算效率提高了33%左右。     

骨自动分割及基于轮廓一致性的分割验证

利用序列CT图像对骨组织做自动分割是计算机辅助骨科的重要技术。由于骨结构的不一致性、病理改变以及CT数据内在的模糊性,完全做到自动分割目前还面临着很大的困难。提供了一种有效的解决框架,既避免了传统分割中大量的人力介入,又避免了自动分割造成的错误。具体步骤是:设计合适的自动分割算法对序列CT图像中骨组织做自动分割;利用相邻CT图像上骨轮廓是渐进变化的特性,通过比较轮廓形状的一致性来自动验证分割的结果;对一致性较差的结果引入决策判别机制。     

无人机视频运动目标实时检测及跟踪

对无人机拍摄视频中的地面运动目标提出一种实时检测跟踪算法。该算法利用特征点的对应关系将图像对配准,再对配准图像进行变化检测,根据变化和运动信息检测目标并消除虚警,将检测与跟踪相结合,对目标跟踪失效的情况,能重新正确定位目标,从而获取目标的完整运动轨迹。采用无人机拍摄的地面车辆图像的测试结果表明,算法能有效检测跟踪运动目标,并能达到25 f/s以上的实时处理速度。     

基于差分交集的视频对象分割与跟踪算法

视频对象分割算法的性能好坏将直接影响MPEG 4编码产品的质量。连续两次差分后自适应处理,对差分图像取交集获得运动对象的边界,形态学处理后最终获取运动目标。基于改进的Hausdorff距离度量法对后续帧中视频对象进行跟踪。实验结果证明,该方法能够从背景不变的图像序列中较好的提取出运动对象,具有较强的鲁棒性。     

图像分割中采用自适应三次B样条修饰轮廓线

大多数由像素灰度值或灰度相关参数获得图像轮廓线的方法由于受到图像噪声、量化误差以及灰阶的梯度分布等方面的影响 ,获得的边缘轮廓线是不光滑的 ,带有小而密集的不规则锯齿或毛刺 ,这不仅不符合实际情况 ,而且会给进一步的图像处理带来困难。为了获得连续光滑的轮廓线 ,提出了一种方法 :先以动态规划算法提取全局最优的轮廓线 ,然后用一种自适应三次B样条对获得的轮廓线进行修饰和平滑处理。该样条可根据轮廓线不同处的曲率变化情况 ,自适应地调整控制点的分布。在各类图像上的试验表明 ,该方法即有效的消除了轮廓线上的小锯齿 ,又保留了轮廓线的特征细节     

基于局部轮廓特征的无人机头部检测跟踪算法

针对无人机的结构特点,提出了一种基于目标轮廓提取、轮廓自动分段、头部定位以及头部模板匹配四个模块的目标头部检测跟踪算法.首先对第一帧图像提取目标轮廓,并通过计算轮廓点的变化率,对轮廓进行自动分段,得到目标的4个局部轮廓点列,进而根据头部轮廓点列的特点,完成头部轮廓筛选,然后利用基于目标中轴的二次曲线拟合,实现头部顶点的...     

基于启发式分割算法的气候突变检测研究

气候系统的非线性、多层次性和非平稳性对气候突变的检测方法提出了较高的要求.基于t检 验将非平稳序列分割为多个不同尺度的自平稳子序列，Bernaola Galvan提出的启发式分割 算法(BG算法)，对非平稳时间序列的突变检测效果较好.在BG算法的基础上，通过理想时间 序列验证BG算法处理非平稳时间序列的有效性，并对近2000a北半球树木年轮距平宽度序列 基于不同层次的思想，检测和分析其中包含的各种尺度的气候突变事件，成功地区分不同尺 度的突变.定义的新物理量——突变密度的分析表明，自然因素作用的基础上，人为因素影 响的加剧可能导致近1000a来突变密集段和稀疏段分布失衡，这可能是全球变化的重要表现 之一. 关键词： 气候突变 均值段 突变密度 人为因素 全球变化     

水下多目标方位的联合检测与跟踪

针对水下多目标方位跟踪及航迹关联问题,提出了一种粒子滤波的联合检测与跟踪方法.该方法在状态滤波过程中不需要方位观测值的输入,直接根据波束能量评估粒子的似然函数;利用交叉和变异算子进化小权值样本,通过低差异性序列的重采样提高子代粒子多样性。实现了多目标的跟踪并避免了方位观测量与多目标航迹关联的问题。仿真结果表明,在航迹断续和航迹交叉的情况下,该方法能够连续准确地跟踪目标方位。利用水下无人平台舷侧线阵的试验数据对算法性能进行了验证,正横方向的跟踪误差在3°以内;在目标运动模型失配时仍可以收敛到正确的方位航迹,没有出现错跟与失跟现象,可提高对交叉、汇聚及分离的多目标方位航迹的连续检测与跟踪能力.     

基于运动检测的多车辆跟踪方法研究

针对交通监控场景中多目标粘连造成跟踪上的困难和前后两帧车辆关联困难,提出了区域运动相似性分割方法和相似度关联矩阵的解决方案;在运动目标检测过程中, 首先使用背景差分法提取运动区域,经过消除缺口、空洞和分离等处理,在运动区域所在范围内进行块匹配搜索和局部光流计算区域运动矢量,然后使用模糊聚类方法对运动矢量区域融合,完整的分割出粘连运动目标;在目标跟踪部分,目标跟踪建立在目标关联的基础上,提出建立连续两帧目标间距离和局部二元模式相似度关联矩阵的方法进行运动目标标定,从而实现多目标关联;使用公共视频库的图像序列进行测试,所提算法都能实现连续的跟踪和准确的运动目标分割,且处理速度快,表明了算法具有鲁棒性和适用性。