基于自适应背景的目标跟踪算法研究

随着现在的社会发展以及经济进步,我国的科学技术方面发展迅速,特别是在技术监控方面更是突飞猛进。为了更好的对目标遮挡影响进行降低,我国在这方面主要依据自适应的技术发展背景下提出目标跟踪计算法,用来完善我国的监督控制技术。这种计算方式第一是根据对观察目标的基本外观形态进行的鉴定与跟踪,将其自身的运动量进行平均计算;其次是根据时空的运行方向与特征进行跟踪目标的计算,建立比较完善整体的运行模型,再根据这个运动模型以及整体的状态对监督目标进行检测与控制,这期间就会形成一种遮挡掩膜。对于掩膜是一种将程序数据等绘制成光刻板,在程序使用期间非常可靠,并且制造成本比较低,使用方便;最后是在不同的使用情况下将不同参数进行收集,自动的适应运动模型的运行。针对这种计算方式的实验主要是利用两种在国际上经常使用的CAVIAR、York数据进行测试,并且根据这两种数据对测试的精准度与多重目标跟踪等进行评定,检测跟踪的整体性能。通过多方面的研究表明这种方式的跟踪的性能非常好,并且还能很好的将跟踪目标的鲁棒性进行遮挡。     

贝叶斯概率图像自动分割研究

探讨了一种新的图像自动分割的方法。提出应用高斯有限混合模型与期望－极大化算法对图像特征空间的数据进行聚类，采用信息理论准则（ITC）确定要分割的图像区域数目，用贝叶斯概率分割图像。整合这些技术可以实现图像自动分割，而且实验结果表明信息理论准则可以确定适当的区域数目。     

基于人工蚁群的红外图像分割算法

基于人工蚁群的红外图像分割方法利用模糊非线性增强算子作为启发信息,与信息素共同指导蚂蚁的行为。通过蚂蚁行走路径上的信息素分布进行更新,使得分布在目标路径上的信息素逐渐增大,逐渐向分割图像收敛,最后根据信息素分布提取分割结果。仿真和实验表明,该算法对真实图像得到了理想的分割结果。     

基于人工蚁群的红外图像分割算法

基于人工蚁群的红外图像分割方法利用模糊非线性增强算子作为启发信息,与信息素共同指导蚂蚁的行为。通过蚂蚁行走路径上的信息素分布进行更新,使得分布在目标路径上的信息素逐渐增大,逐渐向分割图像收敛,最后根据信息素分布提取分割结果。仿真和实验表明,该算法对真实图像得到了理想的分割结果。     

运动目标的检测技术研究

在图像跟踪系统中 ,图像目标的快速检测识别是至关重要的。基于目标的形状特性以及目标与背景的关系 ,提出了目标的四个特征量。结合序列图像中目标的运动特点 ,给出了一个目标快速识别的方案。以两类飞机为研究对象 ,对所求得的四种特征量值进行了详细的分析 ,并将所提出的识别方案在计算机上进行了模拟仿真。实验结果表明 ,该方法能有效地实现运动目标的快速检测识别 ,基本上达到了实时跟踪的要求     

带宽自适应的均值漂移红外目标跟踪算法

当目标尺度发生变化时,传统均值漂移跟踪因窗口尺寸不变导致跟踪目标丢失.为解决该问题,提出一种带宽自适应的均值漂移跟踪算法.该算法在均值漂移框架下提取目标的形状特征,根据目标形状变化自适应的修正核函数带宽,并更新目标模板.实验结果表明,改进算法能很好地适应尺寸变化的目标,能有效提高红外目标的跟踪准确度.     

基于差分图像的运动目标跟踪与分割方法的应用研究

提出了一种基于差分图像运动检测和轮廓提取的跟踪与分割图像的方法。该方法首先从初始图像中提取目标的轮廓,然后利用相邻帧之间的差分图像初步确定目标在每帧图像中的粗略位置,最后把从上一帧图像中得到的目标轮廓置于该位置,并作为轮廓提取的初始值,由此可得到对目标的准确分割。     

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     

改进的多粒度原理在遥感图像分割算法研究

针对传统的遥感图像分割算法由于计算复杂等原因,造成图像的分割分辨率低,清晰度不高,当图像中的信息量非常大时,对图像分割非常耗时等问题缺陷,为了有效地分割图像,提出了一种改进的多粒度原理和小波算法相结合的遥感图像分割算法;该方法首先采用小波变换对图像的弧度直方图进行小波多尺度变换,并进行分解操作,然后采用粒度合成技术对分解后的图像进行合成;文中采用的是256×256的SAR图像来进行实验对比,结果表明,提出的算法有效地改善了分割效果,分割出的图像边缘效果明显清晰,证明了该算法的可行性和有效性。     

基于自适应模板的低信噪比运动目标的自动定位算法

从目标相对于邻域背景区的信噪比出发,分析了其低信噪比运动小目标特性对自动目标识别所带来的困难.基于部分Hausdorff距离在模板匹配相似性度量中可以有效抑制背景与噪声干扰的优点,提出了用自适应模板实现自动目标识别的方法.然后,综合目标区像素灰度自适应二值化处理和形心算法,实现了图像序列中目标自动定位的功能.实验结果证明：该基于自适应模板的低信噪比运动目标的自动定位算法具有快速,稳定和实用等优点.     

中药光谱成像图像自适应区域增长分割方法

为了消除背景噪声对药材光谱图像检测结果的干扰,根据中药材光谱图像的特点,设计一种能够自适应对中药材光谱图像进行有效区域(ROI)分割的区域增长算法。该区域增长算法根据药材光谱图像的灰度直方图分布来自动选取种子点和分割阈值,在生长的同时进行连通性分析,生长结束后通过区域填充技术来消除图像中出现的孔洞。实验表明:该方法能够自动、准确地进行ROI分割,分割偏差小于8%,并且能较好地消除噪声的干扰,没有产生无意义的生长区域。     

基于改进Mean Shift算法的实时视频目标跟踪

设计了一套嵌入式平台上实现的视频目标跟踪系统.该系统采用CMOS图像传感器获取视频信号,利用Z228多媒体芯片自带的ARM9处理器完成视频信号的控制,并通过MPEG-4硬件编码器实现视频信号的压缩.用Mean Shift算法跟踪运动目标,针对其收敛的局限性设置多个搜索点来提高其跟踪效果.通过减少采样点和标记已计算点来提高代码运行速度,增强了跟踪的实时性.实验结果表明,本系统能以27 fps速率连续稳定地实现视频目标的跟踪.     

基于改进Mean Shift算法的实时视频目标跟踪

设计了一套嵌入式平台上实现的视频目标跟踪系统.该系统采用CMOS图像传感器获取视频信号,利用Z228多媒体芯片自带的ARM9处理器完成视频信号的控制,并通过MPEG-4硬件编码器实现视频信号的压缩.用Mean Shift算法跟踪运动目标,针对其收敛的局限性设置多个搜索点来提高其跟踪效果.通过减少采样点和标记已计算点来提高代码运行速度,增强了跟踪的实时性.实验结果表明,本系统能以27 fps速率连续稳定地实现视频目标的跟踪.     

基于视觉认知的红外目标分割算法

研究了红外图像中目标分割算法,针对基于灰度分割算法存在的过分割或分割不足,以及对低灰度目标的不敏感问题,提出了一种基于视觉认知的红外目标分割算法。将红外图像的灰度信息转换为图像方差信息;运用单边切比雪夫不等式理论,获取目标数据分布与其k倍标准差之间的非线性关系,完成目标边缘的预分割;由形态学填充运算,得到用于目标分割的二值掩膜图像。实验表明,该算法能够有效的分割出红外图像中处于不同灰度等级下的目标信息,且误分率较低。     

基于FPGA的自适应阈值运动目标检测

帧间差分法是运动目标检测最为常用的方法之一,具有算法简单、数据处理量小、易于实现等优点,因而得到广泛应用。而帧间差分法通常是根据单一的光照条件设定的固定阈值以判断是否有运动物体,因此限制了其在不同光照条件下的应用。针对上述情况,以色度、饱和度、亮度(HSL)颜色空间中的亮度值为依据,建立光强-亮度-阈值表,从而以动态的阈值调整拓展了帧间差分法在不同光照条件下的应用。通过仿真和FPGA实现了该目标检测系统,并搭建了验证测试系统。实验结果表明,当光照强度为90 W/m2时,在3.0 m/s和0.5 m/s速度下,自适应阈值的检测正确率分别达到93%和95%,与固定阈值设定较大时的检测结果相近;在0.59 W/m2的低光照条件下针对上述运动速度,检测率分别达到84%和92%,与小固定阈值检测结果相近。     

基于粒子群优化算法的自适应图像分割方法

提出了一种基于粒子群优化算法的图像分割新方法。粒子群优化(PSO)算法是一类随机全局优化技术,它通过粒子间的相互作用发现复杂搜索空间中的最优区域缩短了寻找阈值的时间。将PSO用于基于改进的最佳加权熵阈值法的图像分割中,试验结果表明,该方法不仅能够避免陷入局部极值,而且其速度得到了明显的改善,是一种有效的图像分割新方法。     

基于自适应步长人工鱼群算法的仿生机器鱼目标检测研究

以全局视觉仿生机器鱼的视觉子系统为研究对象,为准确检测与跟踪目标(水球),提出了一种基于自适应步长人工鱼群算法的目标识别方法。该方法首先对鱼群个数进行初始化,以图像像素梯度值为目标函数,随机分布在像素矩阵中;然后计算初始鱼群中各机器鱼当前位置的食物浓度,选取其最小值作为公告板值,并将此鱼当前状态赋值公告板;在此基础上,各机器鱼分别模拟追尾行为和聚群行为,进行评价并选取目标函数值较优者为实际行为,通过不断更新公告板值,直到找到最优结果。实验结果表明该方法可减少计算复杂度,提高系统实时性,有效应用于全局视觉仿生机器鱼的目标检测与追踪。     

星载光电跟踪系统连续帧图像快速识别定位算法研究

为了解决星载光电跟踪系统对连续帧图像快速识别、准确定位的要求.在深入分析连续图像序列特性和星载光电跟踪系统特点的基础上,利用光电跟踪系统转台的角度变化信息,对图像序列进行帧间差值运算以获得目标残差图,并基于残差图和原始图像信息提出了一种新的目标识别定位算法,大大地减小了运算量.结合中值滤波和自适应波门跟踪算法,实现了运动目标的快速跟踪定位.通过对目标实测图像序列的实验,结果证明,该算法具有快速、稳定等优点,能满足星载光电跟踪系统实时图像跟踪的要求.     

基于EM和GMM相结合的自适应灰度图像分割算法

提出一种阈值自适应、EM方法估计GMM参量的图像分割算法,能够根据图像的内容结合区域和边界两方面的信息自适应地选择阈值,精确地进行图像边界分割.算法首先提取图像的边界,然后根据边界的直方图计算图像的可分割性,由可分割性确定EM方法的阈值进行GMM分割,最后合并图像的近似区域.实验数据表明,相比其它图像分割算法,以及固定阈值的传统EM算法,本算法的分割结果更为准确.     

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.