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。     

基于跟踪度的Gabor小波特征跟踪方法的研究

图像的边缘包含了目标的大量特征信息。利用Gabor小波可以从目标图像中提取具有特征位置、角度和尺度的参数。利用这些参数可以重建除均值以外的所有图像信息。图像边缘与均值无关。根据重建图像边缘线段的长度和边缘拟和度以及特征点的个数,提出了跟踪度的概念,分析了跟踪度的性质,并在跟踪度准则指导下确定了跟踪的特征点个数。仿真实验证明,跟踪度反映了目标特征跟踪的可靠程度,提供了跟踪精度的客观标准,为选择特征点个数、平衡计算复杂度和跟踪精度提供了客观的依据。通过对目标进行姿态变换和大面积遮挡的跟踪实验证明,当跟踪度达到0 95以上时就可以稳定地跟踪目标。     

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％．     

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.     

应用角点匹配实现目标跟踪

角点特征是图像的一个重要局部特征,因其具有计算量小、匹配简单以及旋转、平移、缩放不变的性质,而在图像配准与匹配、目标识别、运动分析、目标跟踪等应用领域都起着非常重要的作用。本文提出了一种新的基于角点特征的向量匹配方法,该方法利用Harris算子检测出目标角点,通过角点的矩特征形成目标的特征向量,最后通过对序列图像的目标特征向量进行匹配来实现目标跟踪。此算法在一般情况下能匹配80%以上角点,在遮挡情况下仍能正确匹配70%左右,处理速度达到20 frames/s,满足了实时要求。实验结果证明此方法可有效地抵御目标的变形和遮挡情况。     

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。     

基于多特征的双模板自适应更新跟踪算法

针对均值漂移算法中采用单一颜色特征以及缺乏必要模板更新方法的缺陷,提出一种基于多特征的双模板自适应更新目标跟踪算法。引入像素点邻域灰度均值差和分层空间信息加强目标特征的鉴别性,再通过对目标与背景区域双模板相似度系数的综合分析,准确地判断跟踪干扰因素的来源,并以当前帧目标区域的相似度系数为权值对目标模板进行加权更新,使得模板更新速度与其目标特征变化相适应的同时抑制模板过更新,较好地解决了模板更新时机和更新速度等问题。仿真结果表明,所提算法在不同跟踪场景下均具有较强的鲁棒性。     

菲涅耳数字全息图的Gabor小波变换再现法

提出了一种基于Gabor小波变换的菲涅耳全息图的数值再现方法,实现无需空间滤波处理,即可对物光波进行数值再现.给出Gabor小波变换以及小波变换脊的定义,并从理论上证明通过对全息图进行Gabor小波变换,提取小波变换脊对应的小波变换系数,包括幅值与相位信息,即可直接获得与+1级频谱相对应的被测物光在全息面上的强度与相位分布,并同时直接消除零级衍射像以及孪生像的影响.通过计算机模拟再现光波经全息图衍射后的传播规律实现数值再现,得到清晰的再现像.通过计算机模拟一相位型物体以及实验证明该方法的有效性.     

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.     

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。     

一种基于Log Gabor的旋转不变纹理图像检索算法

针对图像检索时的旋转问题提出一种基于Log Gabor小波的旋转不变纹理特征。依据Log Gabor分解子带的均值及方差分布并结合广义Hurst分形特征对纹理进行描述,并在各尺度上采用主方向排序的方法对方向子带特征进行调整得到旋转不变特征向量。分别采用旋转纹理库和普通纹理库进行仿真实验,结果表明算法在两种情况下都取得了较好的检索效果。此外,在相同特征类型和图像库的条件下将本算法与Gabor算法结果进行对比,实验表明本算法的检索性能明显优于Gabor算法的检索性能。     

基于联合变换相关的目标跟踪方法

成像跟踪制导中,相关跟踪技术占有重要的地位。基于联合变换相关的目标跟踪方法,使用图像序列的相邻两帧图像依次进行相关运算,提取相关结果中互相关峰的位置和相邻两帧图像时间间隔等信息,即可得到目标位置、方向和速度的变化情况。计算机仿真实验结果表明:该算法有效地解决了传统相关跟踪算法中存在累积误差和容易使目标漂移出其参考模板的问题,可以实现稳定跟踪。     

一种小波多分辨率分析的多算子动态场景目标跟踪算法研究

根据某型号多传感器光电成像设备实际应用的特点,提出了一种基于小波多分辨率分析(MRA)的多算子自适应目标识别跟踪算法,可实现昼夜型光电设备对陆地/海面全动态场景不确定目标的识别跟踪。建立了一种基于帧内、帧间置信度评价的双阈值自适应跟踪预测策略和相似目标辩识准则,有效地提高了目标跟踪的稳定性和鲁棒性。地面仿真及空中实际飞行实验结果表明:该算法能够很好地实现在各种复杂场景条件下的动态场景目标的稳定跟踪。