学位论文 > 优秀研究生学位论文题录展示
光电成像动态目标稳定跟踪技术研究
作 者: 雷涛
导 师: 吴钦章
学 校: 中国科学院研究生院(光电技术研究所)
专 业: 信号与信息处理
关键词: 扩展目标稳定跟踪点 稳定跟踪 模板更新 粗精并行跟踪 自动航迹事件识别
分类号: TP391.41
类 型: 博士论文
年 份: 2013年
下 载: 61次
引 用: 0次
阅 读: 论文下载
内容摘要
光电成像跟踪任务过程中,不同目标呈现出特征多样的特点。即使是同一类目标,其特性在不同阶段、不同背景下也会表现出极大差异。随着目标与跟踪设备距离的变化,其成像会分别表现为扩展目标、面目标、小目标等多种特性。在跟踪过程中,目标甚至还可能因为非均匀光照或发热、分离、熄火等情况而发生成像特征的突变。这些动态、多变的目标特性给成像跟踪算法的适应能力带来了严峻考验,影响了跟踪的稳定性。针对上述特征动态变化目标的稳定跟踪问题,首先对特定特性目标的可靠提取与稳定跟踪的单模算法进行了研究:针对扩展目标稳定跟踪点提取问题,提出了一种新的基于弦弧比滤波的轮廓平滑算法以及一种基于头部最小内切圆的目标前沿跟踪点定位算法,大幅降低了前沿跟踪的提取点抖动;采用对比度跟踪算法实现了简单背景面目标的稳定跟踪;提出了一种基于二值模板膨胀掩模与改进加权更新的自适应模板更新算法,提高了模板更新的质量并增强了复杂背景下相关跟踪的鲁棒性;研究了小目标检测与稳定跟踪的方法,采用基于灰度形态学与高通滤波结合的方法实现了小目标的可靠检测,通过多特征航迹关联与去背景的质心提取方法,提高了小目标跟踪的稳定性。其次,针对上述单模算法难以适应目标所有动态变化情况、难以实现目标全程稳定跟踪的问题,研究并提出了粗精两级并行跟踪的框架,提高了目标跟踪的可靠性与稳定性:采用全视场多算法并行处理方法,实现了多目标粗跟踪;为解决不同阶段与不同背景下主目标的稳定跟踪问题,提出了分段式对比度跟踪与相关跟踪并行的双模跟踪方式,大幅提升了系统的稳定跟踪能力以及对目标特征突变情况的适应能力。通过粗精两级并行跟踪的有机结合,实现了一个高智能化、强鲁棒性的成像目标自动检测与跟踪系统。在系统具备稳定跟踪能力的基础上,研究了基于多特征模糊融合技术的目标航迹事件自动识别方法,实现了目标各种典型航迹事件及其发生时刻的可靠检测。为设备进行场景推理、智能决策、快速评估奠定了基础,提高了系统的智能性与实际应用价值。最后,为了提高系统实时性以降低动态延迟、确保系统的处理带宽,从图像处理算法的特性入手,讨论了高效硬件平台应当具备的特点以及粗精两级并行跟踪软件向并行硬件平台的映射方法。在此基础上,研究了实时嵌入式软件优化的方法,通过对软件模块实例的实际优化方法的讨论,得出了要在既定硬件平台上实现高效的算法,需要从算法级与代码级进行优化的结论。通过高效的软件优化,进一步提高了系统实时性,确保了系统稳定跟踪的实现。
|
全文目录
致谢 4-5 摘要 5-7 ABSTRACT 7-9 目录 9-12 第1章 绪论 12-19 1.1 研究背景及意义 12 1.2 国内外研究现状与发展趋势 12-15 1.3 研究内容与论文组织结构 15-18 1.4 本章小结 18-19 第2章 扩展目标稳定跟踪点提取 19-35 2.1 引言 19 2.2 飞行器助推段红外成像特性分析 19-21 2.3 传统前沿跟踪方法及问题分析 21-23 2.3.1 基本前沿跟踪 22 2.3.2 多项式拟合前沿跟踪 22-23 2.3.3 头部偏移质心法 23 2.3.4 相关跟踪 23 2.4 基于主轴与运动方向的前沿方向获取 23-25 2.5 基本前沿法提取结果分析 25-27 2.6 基于弦弧比滤波的轮廓平滑 27-32 2.6.1 轮廓跟踪 28 2.6.2 基于弦弧比的轮廓平滑 28-32 2.7 基于最小内切圆的稳定跟踪点提取 32-34 2.8 本章小结 34-35 第3章 面目标稳定跟踪 35-60 3.1 引言 35 3.2 对比度跟踪 35-42 3.2.1 峰值对比度跟踪 36-39 3.2.2 边缘对比度跟踪 39 3.2.3 自适应波门技术 39-40 3.2.4 跟踪点稳定性分析 40-42 3.3 基于自适应模板的相关跟踪 42-59 3.3.1 相关匹配基本原理 42-46 3.3.2 边缘检测与增强 46-48 3.3.3 自适应模板生成 48-49 3.3.4 基于边缘的 MAD 匹配 49-53 3.3.5 自适应模板更新 53-57 3.3.6 自适应模板修正 57-58 3.3.7 相关跟踪结果 58-59 3.4 本章小结 59-60 第4章 小目标检测与稳定跟踪 60-76 4.1 引言 60 4.2 小目标成像特点与提取跟踪难点 60-61 4.3 小目标检测算法 61-66 4.3.1 局部次大值滤波 61-62 4.3.2 灰度形态滤波 62-63 4.3.3 分段线性增强 63-64 4.3.4 平滑滤波 64 4.3.5 高通滤波 64-65 4.3.6 二值分割与简化高斯判别 65 4.3.7 二值形态滤波与统计滤波 65 4.3.8 改进的质心稳定提取 65-66 4.4 基于多特征的最近邻关联 66-70 4.5 试验与分析 70-74 4.6 本章小结 74-76 第5章 动态特性目标稳定跟踪 76-98 5.1 引言 76 5.2 动态目标特性分析 76-78 5.3 基于多特征分析的稳定跟踪 78-86 5.3.1 目标多特征提取 78-80 5.3.2 基于多特征分析的断裂纠错 80-83 5.3.3 动态目标运动方向稳定获取 83-86 5.4 基于粗精两级的并行跟踪 86-97 5.4.1 全视场多目标并行粗跟踪 86-92 5.4.2 主目标多模精跟踪 92-96 5.4.3 粗精两级的多模跟踪 96-97 5.5 本章小结 97-98 第6章 基于多特征分析的自动航迹事件识别 98-110 6.1 引言 98 6.2 多特征模糊融合航迹事件识别 98-107 6.2.1 特征模糊处理 100-103 6.2.2 基于模糊融合的航迹事件识别 103-107 6.3 基于时空特性的分离事件识别 107-108 6.4 本章小结 108-110 第7章 高速图像处理系统实现 110-124 7.1 引言 110 7.2 图像处理算法的特性 110-111 7.3 高速并行硬件平台特点 111-113 7.4 软件算法到硬件平台映射 113-114 7.5 嵌入式软件优化研究 114-122 7.5.1 算法级优化 114-119 7.5.2 代码级优化 119-122 7.6 本章小结 122-124 第8章 全文总结 124-128 8.1 论文主要研究内容 124-125 8.2 论文主要创新点 125-126 8.3 需进一步研究和解决的问题 126-128 参考文献 128-134 作者简介及在学期间发表的学术论文与研究成果 134
|
相似论文
- 陀螺稳定跟踪平台研究,V241.5
- 视频跟踪中Mean-Shift算法的应用研究,TP391.41
- 领域自适应的网格服务组合算法研究,TP393.01
- 智能视频监控中运动目标检测与跟踪技术的研究,TP391.41
- 图像非刚体跟踪算法的研究与分析,TP391.41
- 基于MeanShift算法的目标跟踪问题研究,TP391.41
- 基于不同模型的运动目标跟踪算法研究,TP391.41
- 基于Mean Shift的视频图像序列人脸跟踪方法,TP391.41
- 线状目标识别及跟踪算法研究,TP391.41
- 运动人体检测及遮挡处理,TP391.41
- 长序列图像目标跟踪研究与实现,TP391.41
- 均值偏移算法在目标跟踪中的研究与应用,TP391.41
- 基于遗传算法的图像跟踪研究,TP391.41
- 复杂场景下的视频对象跟踪技术研究,TP391.41
- 基于AdaBoost的集装箱检测方法研究,TP391.41
- 电视制导目标跟踪算法的研究,TP391.41
- 大气湍流中目标跟踪研究,TP391.41
- 基于物体局部信息的跟踪算法研究,TP391.41
- 目标跟踪过程中的遮挡问题研究,TP391.41
- 未知环境下移动机器人运动目标检测与跟踪系统的研究与设计,TP242
- 车载视频图像中运动目标的识别与跟踪方法研究,TP391.41
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|