基于圖像的目標(biāo)識別與跟蹤方法研究.pdf

1、隨著計算機視覺技術(shù)和圖像并行處理技術(shù)的飛速發(fā)展，基于圖像的目標(biāo)識別與跟蹤技術(shù)在軍事領(lǐng)域、航空航天、科學(xué)探測、天文觀測以及視頻監(jiān)控等民用領(lǐng)域具有越來越廣泛的應(yīng)用，也成為自動控制、計算機視覺和模式識別等領(lǐng)域的研究熱點。本論文以實際科研項目為課題研究背景，主要圍繞基于圖像的目標(biāo)識別與跟蹤技術(shù)開展相關(guān)研究工作。 首先，論文針對目前實際圖像所普遍存在的高斯噪聲和脈沖噪聲，給出了一種圖像自適應(yīng)．模糊濾波算法。該算法首先判別并標(biāo)定圖像噪聲，以

2、實現(xiàn)兩類噪聲的分離。采用自適應(yīng)中值濾波算法濾除脈沖噪聲，有效地克服了中值濾波的不足。再有效濾除脈沖噪聲的基礎(chǔ)上，文中引入了模糊控制中隸屬度函數(shù)的概念以改進(jìn)均值濾波算法，結(jié)合圖像直方圖自適應(yīng)給出隸屬度函數(shù)的閥值，克服了均值濾波造成圖像模糊的不足。 其次，論文給出了基于特征空間描述的Gabor小波特征識別算法。在對Gabor小波自身特性和參數(shù)特性進(jìn)行了深入分析的基礎(chǔ)上，給出了新的Gabor小波系數(shù)快速計算方法和新的Gabor小波參數(shù)

3、選取方法。在計算Gabor小波系數(shù)的快速算法中，通過建立離散哈特萊變換與Gabor小波系數(shù)變換之間的對應(yīng)關(guān)系來實現(xiàn)對Gabor小波系數(shù)的快速計算。該方法較經(jīng)典的Gabor小波系數(shù)計算方法在計算量上有明顯減少。在Gabor小波參數(shù)選取的問題中，本文在廣泛應(yīng)用的經(jīng)典參數(shù)組合法基礎(chǔ)上，通過引入概貌和細(xì)節(jié)結(jié)合的能量函數(shù)概念及方向?qū)?yōu)算法來選取Gabor小波參數(shù)。該方法既能夠有效發(fā)揮Gabor小波參數(shù)特性，又能夠避免經(jīng)典參數(shù)組合法對Gabor小波

4、參數(shù)選取過多而造成計算量過大的問題。在研究Gabor小波的特征點匹配過程中，論文給出了“子運動目標(biāo)”和“子模板”的概念，改變普通匹配方法中將圖像模板作為整體看待的思維定勢?？梢酝ㄟ^“子模板”的匹配實現(xiàn)對圖像目標(biāo)的識別與跟蹤，雖然同樣存在圖像匹配遍歷問題，但可大大減少圖像匹配的計算量，減少圖像匹配的計算時間。 在基于模板匹配的目標(biāo)識別算法中，論文給出了改進(jìn)的序貫相似性檢測算法和改進(jìn)的均值移動算法。在改進(jìn)的序貫相似性檢測算法中，主要

5、從算法的快速性和準(zhǔn)確性上出發(fā)，給出了四條改進(jìn)建議和模板更新策略。均值移動算法是目前相對較新的一種目標(biāo)識別算法，具有實時性好、定位準(zhǔn)確和魯棒性強等優(yōu)點，但也存在如對于快速有遮擋目標(biāo)識別跟蹤效果不好等不足。論文針對快速運動目標(biāo)、目標(biāo)遭遇大比例遮擋和目標(biāo)丟失等不足給出了相應(yīng)的改進(jìn)方法。最后，針對圖像目標(biāo)跟蹤問題，在建立機動目標(biāo)數(shù)學(xué)模型的基礎(chǔ)上，針對應(yīng)用較為廣泛的當(dāng)前統(tǒng)計模型卡爾曼算法在強機動性目標(biāo)情況下所表現(xiàn)出來的不足，給出了一種基于卡爾曼的