一种利用Gabor小波特征的目标跟踪方法

小波特征跟踪是一种新的目标跟踪方法。这种方法利用Gabor小波提取目标的边界特征来组成特征模板,并由小波滤波器系数组成特征向量。在跟踪过程中不断优化特征模板的旋转、尺度及平移等几何变形参数,使得小波特征向量值在最小平方和的意义上与初始值相匹配,从而实现目标旋转、尺度及平移等几何变形时的自动跟踪。实验表明,该方法能够有效地跟踪飞机、车辆等目标,并且能够抵抗全局亮度的变化和局部遮挡的干扰。     

利用可变形Gabor小波特征模板实现目标跟踪

提出了利用贪心算法更新Gabor小波特征模板的方法 ,通过对误差函数最小化实现自适应修正目标特征点位置 .实验证明 ,当所跟踪目标的位置、角度、尺度等二维仿射参量发生变化时 ,可变形Gabor小波特征模板能够实现稳定的目标跟踪     

基于Gabor小波纹理特征的目标识别新方法

给出了一种基于Gabor小波纹理特征的目标识别新方法．主要是利用Gabor小波设计了一种多通道小波滤波器。对图像目标直接进行小波变换，用Gabor小波变换系数的模的平均值和其标准方差来表示抽取的图像目标的特征，把获得的小波特征归一化后输入到改进的BP神经网络分类器进行分类识别．最后。进行了一系列的仿真实验，结果表明，这种特征提取方法能有效提取图像目标纹理特征，并且对噪音和形状的变化具有鲁棒性．在应用于目标识别时，神经网络的训练时间减少到lOmin，识别率达到94％．     

基于多通道Gabor滤波器的高鲁棒灰度图像目标识别新方法

提出了一种针对低质量的灰度图像的基于多通道Gabor小波滤波器的高鲁棒目标识别新方法。主要是利用Gabor小波设计了滤波器,滤波器的中心频率是一个从低到高的范围。滤波器采用不同方向、不同尺度,从而组成多通道滤波器。对灰度图像直接进行小波变换,用Gabor小波变换系数的模的平均值和其标准方差来表示抽取的灰度图像目标的特征,并对获得的小波特征归一化后输入到改进的BP神经网络分类器中进行分类识别。对四种不同的飞机灰度图像目标进行了分类识别仿真实验。结果表明,这种特征提取方法能有效地提取灰度图像目标纹理特征,并且对噪音和形状的变化具有强鲁棒性。在应用灰度图像对目标进行识别时,神经网络的训练时间减少到10min,识别率达到94%。     

基于特征点的整数小波目标跟踪方法的研究

基于提升方法的整数小波变换的诸多优点,以Harr整数小波变换为例,提出了动态目标跟踪算法。对标准图像进行整数Harr小波变换,并将提升项取整,对提升项的参数用一定数量训练图像进行学习。选取在训练参数平方和为最小意义上的、使整数小波变换后的图像高频部分具有较大值的点作为特征点。对包含有目标的参考图像进行整数小波变换,选择高频分量具有较大值的点,利用训练过的提升项参数使目标和基准图像配准。由于算法采用整数小波变换,使提取具有较好的鲁棒性,从而实现目标发生旋转、平移及尺度变化等的跟踪过程。仿真实验表明,该方法能对动态运动目标进行跟踪。     

基于多小波分析和数据拟合的小目标跟踪方法

针对红外序列图像弱小目标的跟踪问题,提出了将多小波分析与数据拟合结合起来的小目标跟踪方法。利用对多小波分析进行目标奇异性的检测,得到了可能的点目标利用数据拟合方法在连续多帧内对每组可能点数据进行拟合,根据运动目标轨迹特性判断出真实目标,进而进行跟踪。仿真试验表明,该方法能有效地实现低信噪比下的小目标稳定跟踪.     

用Gabor小波提取小信号信息

改进了原来的小波信号分析方法. 通过模拟和对实验数据分析证明：抑制干扰 和优化处理后利用小波的“显微特性”，可以获得重叠在高宽峰上小信号的详细信息.     

基于Gabor遗传算法的红外图像识别

本文提出了一种基于Gabor小波的遗传算法。这种算法对于影像复杂、噪声强烈的红外图像有着独特的特征提取和特征融合作用，因而大大提高了图像收敛速度和识别效率。文章最后给出了仿真实例，证明了该算法的可行性。     

用于特征提取的Gabor滤波器参数设计

Gabor滤波器的参数设计是Gabor特征提取过程中的一个重要环节。根据坦克的外形特,最及对方向的敏感性对其进行了针对性的参数设置,实验结果证明得到了很好的滤波效果。根据Gabor核函数的窗口特性,提出了一种自适应的基于Gabor滤波器的特征提取算法。该算法应用Gabor滤波器的多尺度特性与样本图像进行卷积,对Gabor域响应进行局部极大值提取,经过该方法得到的特征点有效地减少了数据冗余,并且具有较好的图像表征能力。     

基于Gabor小波变换的ICA火灾图像纹理识别算法

针对火灾图像纹理识别问题,提出了基于Gabor小波变换的ICA火灾图像纹理识别算法,并根据火灾图像纹理识别特点进行了优化。首先用不同尺度和方向的Gabor滤波器对待识别图像滤波,得到其特征图像,然后将特征图像转化成特征向量作为ICA的输入,得到基矢量子空间,再将测试图像经过Gabor滤波器的特征向量投影到ICA子空间中得到系数向量作为目标识别特征,最后用支持向量机进行识别。通过与Gabor滤波器法和ICA方法的对比实验,表明该算法可以在火灾纹理图像的识别率上比传统方法提高5%以上,为火灾图像识别提供了一种新思路。     

Research of object tracking based on soft feature

To solve the problem that traditional object tracking method had disadvantage of too much time consumed by data process and object lost under complex background, a novel approach to object tracking based on the space spectrum and edge spectrum is proposed and verified experimentally. Analyzing precursor features and study the unity and complementary of space spectrum and edge spectrum, research the extraction technology of moving object based on space spectrum and edge spectrum in order to track and forecast information of the moving object in real time. Experiments show that the proposed approach overcomes the problems of data dependence and object occlusion and achieves good tracking results.     

基于分形几何边界提取的图像跟踪方法

为了满足现代武器装备对图像跟踪系统的实时性和跟踪可靠性的双重要求，针对武器装备所跟踪目标的特点，将基于分形几何的边界提取方法用于图像跟踪系统，提出了一种基于运动区域和边界图像的目标跟踪方案。文中的边界提取方法不仅能提取出目标的轮廓，还能较好地保留其内部细节，这样通过模板匹配得到的最佳匹配位置更加可靠。同时，基于运动区域的边界提取，尤其是对于远景的目标跟踪大大减少了计算量。此外，在利用边界图像进行匹配的基础上，采用了自适应模板更新策略，目的是尽可能地克服形变、光照等影响，使跟踪过程准确可靠。仿真实验表明，该方法运算量小，能满足武器装备实时性要求。     

基于动态特征融合的粒子滤波目标跟踪算法

提出一种基于动态特征融合的粒子滤波目标跟踪算法。选择具有互补性的灰度直方图和梯度直方图特征共同描述目标模型,然后在目标跟踪过程中,根据特征对目标和背景的区分程度动态地调整每个特征的置信度,对目标模型进行在线动态建模和更新,从而提高目标模型描述的准确度,并进一步提高粒子滤波算法的跟踪精度。实验结果表明:在对典型场景下的目标跟踪过程中,提出的算法比单独使用一种特征的粒子滤波算法具有更高的跟踪精度和更稳定可靠的跟踪性能。     

基于卷积特征选择的红外目标跟踪

对红外图像中的目标跟踪时,复杂的背景信息以及目标像素数较少等因素增加了红外目标跟踪难度,目标区域的图像块缺乏特征信息使得普通跟踪算法较易产生跟踪偏移问题。为解决此问题,提出了一种基于粒子滤波框架下的卷积特征选择的红外目标跟踪算法。首先,在初始目标块上提取少量图像块作为滤波器,进而获得表征能力更强的卷积特征。然后,采用在线提升算法对该特征进行选择,增加跟踪算法的精度和执行效率。最后,将贝叶斯分类器的响应作为粒子权值估计出目标状态。实验结果验证了所提算法的跟踪性能优于其他几种传统算法。     

基于多特征融合的微弱红外运动目标跟踪方法

利用红外跟踪测量系统能够同时获取目标运动信息（包括方位角、俯仰角以及角速度）、目标信号幅度及其成像面积等,提出了一种基于多特征融合的弱红外运动目标跟踪方法。分析了红外成像系统中目标信号特点,得到目标的运动、幅度和面积具有一致性和连续性,符合高斯分布;采用概率数据关联滤波推导量测各特征的关联概率,并根据特征的波动状况确定多特征融合的加权系数,估计和更新目标运动状态。理论分析和实验结果表明:该方法的跟踪精度和稳定性都明显高于仅依靠运动特征关联和依靠运动特征和幅度特征关联的跟踪方法。