电视经纬仪跟踪测量中运动目标快速识别定位算法

为解决电视经纬仪跟踪测量系统中对运动目标快速识别定位的要求,在深入分析运动目标特性和电视经纬仪跟踪测量系统特点的基础上,利用经纬仪角度变化信息,对运动目标图像序列进行帧间差值计算以获得目标残差图,并基于残差图提出了一种新型的运动目标快速识别方法,大大减少了运算量. 结合中值滤波和图像二值化,实现了运动目标的快速定位. 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、有效等优点,能够满足电视经纬仪跟踪测量系统对运动目标快速识别定位的要求.     

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.     

图像序列中目标关键帧快速搜索算法

在目标测量时所获得的图像序列中,如何定位目标关键帧(最有利于目标测量的图像)的位置,对目标识别的效率和测量设备的性能有着显著的影响.针对具有复杂特性的目标图像序列,提出了一种基于帧间像素灰度差值来定位目标关键帧的快速搜索算法.该算法仅仅利用像素灰度值这一最基本的特征,将图像序列中相邻两张图像的同一像素的灰度差值与给定阈值相比较,统计高于阈值的像素个数,再与另一给定阈值相比较,进而确定目标关键帧的位置.实验结果表明,该算法对目标大小不同、形状不同,环境不同,信噪比较高的图像序列都具有快速、稳定的搜索效果.     

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。     

运动背景下弱小目标的提取算法

 对低信噪比运动背景下序列图像中弱小目标的提取算法进行了研究，提出一种新的目标提取算法。根据运动背景的相关性和目标运动的连续性，采用背景模板匹配技术，计算各帧背景运动量，去除复杂背景，用自适应预估和阈值分割技术捕获跟踪目标。实验中，结合所研究的算法，对100帧包含低对比度弱小目标的运动图像序列进行了处理。实验结果表明，此方法能有效地实现目标的自动捕获与跟踪，跟踪效率高，跟踪稳定。     

一种基于特征跟踪的视频序列稳像算法

提出一种基于特征跟踪的视频序列稳像算法.该算法从视频序列的参考帧中提取出一组角点特征,然后在后续帧中基于模糊Kalman滤波进行特征窗跟踪,通过比较各帧图像中特征窗间的对应关系计算出补偿摄像机运动所必需的参数,使用这些参数将后续帧向参考帧对准,从而得到稳定的视频序列.实验结果表明该算法稳像效果好,运算复杂度低,且具有较强的鲁棒性.     

一种改进的三帧差分运动目标实时检测算法

针对传统的三帧差分法提取的运动目标存在大量的噪声和空洞,提出了一种改进的三帧差分运动目标实时检测算法。该算法采用Surendra背景提取算法提取有效背景,对视频流中连续的三帧图像分别进行背景减除,得到的结果作为反馈对背景进行选择性更新,利用HSV颜色空间去除阴影后进行三帧差分,将差分结果进行“与”运行,通过将中间帧背景减除结果与“与”运算的结果进行“或”运算,这样可以得到运动目标的完整信息。实验结果表明,该算法能够快速、完整、准确地检测出运动目标,可有效应用于实时监控系统。     

一种基于检测块动态选择的稳像算法

针对包含运动物体视频序列的稳像问题,提出了一种基于运动目标检测的数字稳像算法.该算法运用估计的全局运动参数补偿帧间全局运动,得到运动补偿前帧和当前帧的差值图像,并将差值图像分割成一系列的前景块和背景块,仅跟踪背景块来估计下一轮的全局运动参数.仿真结果表明,提出的稳像算法不仅计算复杂度低,而且估计的全局变换参数具有相当高的帧间变换保真度,可以用于占据半个像面的动目标的视频序列.     

一种基于特征提取的相关跟踪算法

介绍了一种能稳定快速跟踪复杂背景下目标的算法,该算法在传统相关跟踪算法的基础上进行改进.当目标进入红外(电视)摄像机视场时,视频信号中包含有目标信息和背景信息,信号处理器先将此信号进行数字化处理,形成具有一定灰度等级的数字化图像阵列,然后采用边缘检测、阈值分割等算法对包含有目标信息的图像进行边缘处理,提取出具有特征的目...     

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...     

无人机对地目标自动检测与跟踪技术

针对无人机图像帧序列具有平台高速运动,视角旋转强烈,需要实时处理等特点,提出一种基于双级旋转不变特征空间检测（粗匹配-精细匹配）与并行特征提取跟踪的无人机对地目标图像帧序列自动快速目标检测与跟踪算法。采用图像子块的平均灰度值、灰度值方差、灰度值梯度构建特征空间。通过构造图像特征空间的方法来快速筛选待匹配图像的可疑区域,删除大量的背景区域,检测算法使用全局初步匹配加局部精细匹配的方法来规避算法复杂度的缺陷。理论及实验分析表明:该算法实时性强,对图像的旋转畸变具有抵消作用,对异常情况可以恰当处理,且全局初步匹配流程具有可移植性,可以在其他图像匹配跟踪算法中充当预处理器。实验结果表明:该算法在无人机对地的情况下可以保证对地面目标的稳定跟踪,配套检测算法具有较好的实时性,满足无人机图像目标检测跟踪实时处理的需要。     

星空背景下的运动点目标轨迹提取

针对星空图像中运动点目标轨迹难于提取的问题,提出了有限帧最小二乘轨迹关联算法。采用相邻帧差分、自适应阈值分割、连通域处理和质心计算等步骤实现了疑似目标的定位。根据星点目标运动轨迹近似为直线、运动的连续性和相关性等特点,利用有限帧最小二乘线性拟合预测目标位置,以预测位置为中心开搜索窗,关联匹配真实目标,并通过置信度检验确认并提取目标运动轨迹。整套算法简单,易于实现,通过实拍星图实验,验证了该算法效果好,实时性强。     

一种鲁棒的目标跟踪方法

针对传统特征光流场跟踪方法中由于误差积累和错误匹配而导致的特征点丢失问题,基于一种新的Harris-SIFT特征点表示方法,提出基于预测帧与关键帧的算法框架,实现了光流场运动估计与局部特征识别相结合的目标跟踪方法.预测帧利用塔式分解和递归算法计算特征点的光流场运动矢量,使用运动矢量直方图获取目标的运动矢量,并剔除误匹配点;当特征点数量小于5个时,关键帧使用Harris-SIFT特征点进行局部特征匹配,利用仿射模型对目标精确定位及姿态修正.实验结果表明,本方法对视频序列中的纹理特征目标跟踪的鲁棒性较好,在背景复杂、目标遮挡或暂时丢失情况下,仍可以继续完成目标的可靠跟踪.     

一种鲁棒的目标跟踪方法

针对传统特征光流场跟踪方法中由于误差积累和错误匹配而导致的特征点丢失问题,基于一种新的Harris-SIFT特征点表示方法,提出基于预测帧与关键帧的算法框架,实现了光流场运动估计与局部特征识别相结合的目标跟踪方法.预测帧利用塔式分解和递归算法计算特征点的光流场运动矢量,使用运动矢量直方图获取目标的运动矢量,并剔除误匹配点;当特征点数量小于5个时,关键帧使用Harris-SIFT特征点进行局部特征匹配,利用仿射模型对目标精确定位及姿态修正.实验结果表明,本方法对视频序列中的纹理特征目标跟踪的鲁棒性较好,在背景复杂、目标遮挡或暂时丢失情况下,仍可以继续完成目标的可靠跟踪.     

一种结合ORB特征匹配的均值漂移目标跟踪算法

针对传统的mean-shift跟踪算法基于单一颜色特征空间,在复杂背景下难以对目标进行准确跟踪这问题,提出了一种结合ORB特征匹配的mean-shift目标跟踪算法。该算法在mean-shift算法的基础上利用改进的ORB特征匹配算法修正目标跟踪窗口并实时更新目标特征模板,通过计算前后两帧图像中目标中心的欧式距离与色彩模板的巴氏距离来判定跟踪是否失败,当目标跟踪失败时,不改变目标模板,继续搜索下一帧图像中的目标。实验结果表明,与均值漂移算法和基于其他同类特征的改进算法相比,该算法提高了在复杂背景下目标跟踪的精度,并能满足实时性要求。     

An object tracking method based on guided filter for night fusion image

Online object tracking is a challenging problem as it entails learning an effective model to account for appearance change caused by intrinsic and extrinsic factors. In this paper, we propose a novel online object tracking with guided image filter for accurate and robust night fusion image tracking. Firstly, frame difference is applied to produce the coarse target, which helps to generate observation models. Under the restriction of these models and local source image, guided filter generates sufficient and accurate foreground target. Then accurate boundaries of the target can be extracted from detection results. Finally timely updating for observation models help to avoid tracking shift. Both qualitative and quantitative evaluations on challenging image sequences demonstrate that the proposed tracking algorithm performs favorably against several state-of-art methods.