一种基于优化模板匹配的红外目标跟踪算法

为了在红外环境下进一步提高目标图像在环境变化或受干扰时跟踪的准确性,提出了一种有效的红外目标跟踪方法.该方法基于归一化互相关距离的相似性度量方法,设计了匹配跟踪置信度,并在此基础上实现了基于匹配跟踪置信度加权的自适应模板更新算法.在模板更新方面,提出了自适应阈值调整策略,在目标跟踪过程中根据匹配置信度动态调整阈值,避免了固定阈值对跟踪精度的影响.通过实验证明,算法对环境变化的适应能力和跟踪稳定性方面得到了较大的提高.     

复杂空间背景下暗弱目标的快速识别方法

本文针对复杂空间背景下暗弱目标难以识别的问题,提出了一种基于匹配滤波的暗弱目标快速识别算法.首先建立了恒星跟踪模式下条纹状空间目标的成像模型,并利用信噪比来界定空间目标的暗弱程度.进而设计了一种条纹单元模板,该模板避免了生成大量不同长度的条纹模板,从而降低了图像空间滤波过程中的计算量.最后通过仿真实验验证了该算法的有效性,能够实现信噪比为0.5的暗弱目标的快速识别.     

基于仿射变换与模板更新策略的目标跟踪方法

提出了一种自适应跟踪算法,其主要思想是用六个仿射变换参数来表征图像中目标区域的运动,由当前位置图像与模板图像的差分图像可以求取这些参数,并进一步用这些参数来预测目标的运动和跟踪目标。在实际跟踪过程中,又采取一种有效的相似性度量方法,用它来决定是否修改模板,以及如何修改。     

基于改进的引导图像滤波和深度去噪自编码器的微弱目标跟踪算法

微弱目标易被周围环境中强烈的噪声干扰,为解决现有目标跟踪算法由于低信噪比导致跟踪准确度低的问题,提出一种将引导图像滤波器和深度去噪自编码器集成到粒子滤波器框架中的跟踪算法。通过引导图像滤波(guided image filter, GIF)算法对目标图像进行滤波处理,保留有价值的模板信息并使不准确的背景模板模糊,有效增强目标图像;通过改进的深度学习算法对深度去噪自编码器训练和微调,更好地适应目标外观变化;构造粒子分类器框架根据粒子重要性权重定位目标。实验结果表明,该算法在微弱目标跟踪准确度和抗干扰能力上优于多种现有主流跟踪算法。     

室内环境下视觉目标跟踪

综合粒子滤波和均值偏移理论,提出了一种基于相似性度量的机器人视觉跟踪方法.该算法以粒子滤波器为主体,粒子数目与相似性距离成正比.当粒子数目超过阈值时,采用较少的粒子数目结合均值偏移的算法代替传统的粒子滤波算法.每帧跟踪结束时,计算目标与模板的相似性距离,根据相似性距离调整粒子滤波器产生的粒子数目,并决定下次跟踪时是否执行均值偏移算法.粒子数目与相似性距离之间的比例系数根据实验设定.完成一次跟踪算法消耗的时间为5～10 ms.实验表明,该方法跟踪目标准确,具有良好的实时性.     

基于特征分组的在线目标跟踪算法

在线目标跟踪是计算机视觉领域的一个具有挑战性的问题.提出了一种基于特征分组的在线目标跟踪算法.首先,利用像素点在多帧的方差对模板库中的目标模板进行特征分组.然后,利用主要特征图像和次要特征图像学习投影矩阵P,对样本进行投影.最后,利用最小误差法得出当前帧的跟踪结果.与其他典型算法相比,该算法对目标的异常变化具有很强的鲁棒性.     

用于实时跟踪的模板匹配神经网络算法

研究复杂背景下运动目标的识别和跟踪.提出了一种新的基于模板匹配的神经网络结构,将模板与跟踪窗内待匹配区域的像素按环形排列,分别作为神经网络的阈值和输入,选择跟踪窗内与模板相对应的各环差值均较小的区域作为识别结果.由于模板匹配过程中像素按环形排列,因此对于目标的平移和旋转均具有不变性,同时,算法计算量比最小绝对差累加和算法略小.将该算法应用到实时跟踪系统中,实验结果表明该算法可满足跟踪系统实时性要求,验证了算法的有效性.     

TMS320C6701在运动目标实时跟踪中的应用

描述一种使用高速图像处理器和摄像头进行运动目标实时跟踪的系统 .图像处理器的核心由一块TMS32 0C6 70 1数字信号处理板及图像实时采集卡构成 .在对采集的初始图像序列作若干预处理后 ,采用改进的加约束的光流场算法从复杂背景中快速地计算出光流场 .根据运动目标的形状特征 ,较为完整地提取出运动目标区域 ,并计算目标运动的速度大小和方向 ,最后根据这些参数控制摄像云台机构持续跟踪移动的目标 .文中还给出在复杂背景下跟踪人物的实验结果 .     

复杂背景下的红外小目标图像信息提取

针对红外小目标跟踪测试系统的目标检测、识别和跟踪,存在着目标面积小、形态特征弱化、背景图像复杂等因素而影响目标信息提取的问题,提出了利用图像处理技术方法,对跟踪系统获取的图像进行改善处理.根据跟踪测试原理和复杂背景目标图像特征,研究了基于低通滤 波法的目标图像的预处理算法,目标图像增强,目标图像与背景分离和Sobel边缘检测算法等图像处理技术,从而对红外小目标图像定位.实验结果表明:所采取的图像处理方法可以对复杂背景下的目标信息提取,结合跟踪系统的控制机制,现实远程目标的动态跟踪.     

一种动态融合的目标识别与跟踪算法

针对红外图像序列的特点,提出一种动态融合的目标识别与跟踪算法。由图像序列中的运动信息对目标进行提取,得到自适应波门所需的起始波门和灰度双阈值,以及匹配算法所需的基准模板,其后的跟踪, 融各算法为一体,分时机、分场合地给予灵活运用。最后,以实测的红外图像序列对文中提出的算法进行仿真实验,结果表明该融合算法的可行性与有效性。     

基于模板匹配与线性预测的目标跟踪算法

为解决复杂场景中目标遮挡、算法鲁棒性差的问题, 提出基于模板匹配与线性预测的算法。该算法分为模板匹配和线性预测两部分。场景中无遮挡物时, 执行模板匹配算法, 获取目标跟踪信息; 否则, 通过预测算法估计目标的状态, 进而实现目标跟踪。实验结果表明, 在目标有遮挡干扰的情况下, 采用该算法能稳定、准确地实现目标跟踪, 与传统的模板匹配算法相比具有较强的鲁棒性。     

基于十字模板匹配的靶场目标检测方法

针对现代靶场所面临的测量目标小、 距离远、 目标与背景对比度低以及匹配算法计算量大、 时间复杂度高等问题, 提出一种基于数字图像处理的靶标检测方法。该方法以十字特征直线代替模板进行粗匹配, 仅对搜索图中像素点数目较少的一段灰度区域进行匹配, 从而大大减小了计算量, 使匹配速度得到极大提高。通过CCD（Charge Coupled Device）相机采集的靶场目标序列图像进行仿真实验, 实验结果表明, 该算法匹配速度快、 较传统的灰度相关算法具有较强的鲁棒性。     

基于模板匹配和光流法的图像配准方法

光流法是一种广泛应用的像素级非刚性图像配准方法。该方法对发生平移、旋转以及放缩变换的图像能够很好地配准,但是光流法在待配准图像比较大且初始位置远离目标位置时,配准速度及位置较差。文章提出了结合模板匹配和光流法的改进算法,首先通过模板匹配算法进行粗定位,再使用光流法进行精确定位。实验表明,该方法大大提高了原算法的配准能力。     

十字激光线扫描立体匹配算法

为研究相交曲线的立体匹配方法,提出了一种基于十字激光的手持式扫描系统的立体匹配算法.该系统首先通过激光发射器投射的十字激光线对被测物体进行扫描,然后通过计算机处理投射激光线图像,从而获得问题的三维信息.为实现在世界坐标系下对扫描的刚体转换进行估计.利用八点算法求出两个相机之间的基本矩阵,再求出十字激光线上的对应匹配点,最后利用三角原理和曲面微分几何的相关知识对十字激光线进行三维提取.经实验验证,该算法有效地解决了匹配点求取错乱的问题,提高十字激光条纹的匹配效率.     

一种计算冲压零件轮廓相似度的快速算法

为了适应网络应用对轮廓相似度计算在速度和数据传输量方面的要求，文中提出了一种非离散的快速算法，该算法采用直线和圆弧来表达轮廓曲线．在对图形进行范化处理后，将待匹配轮廓按照一定步距进行旋转．然后依次以待匹配轮廓或目标轮廓作为模板，计算模板的所有顶点与其在另一个轮廓中对应点的距离平方的平均值．在所有角度中，平均值之和的最小值即为两个轮廓的匹配度．该算法同时适用于凸多边形和凹多边形，并具有较好的区分度和匹配准确性．和以往的离散方式相比，该算法减少了需要传递的数据量．提高了运算速度．     

基于Harris-改进LBP的特征匹配及目标定位算法

为满足机器人伺服抓取中定位精度和实时性的要求, 提出一种基于Harris及改进局部二值模式(LBP)的特征匹配和目标定位快速算法. 首先采用Harris检测算法提取图像特征点; 然后提出一种新的特征点描述子定义方法, 先利用胡矩确定特征方向, 再根据特征方向对局部图像做标准化处理, 提取标准化局部图像LBP特征作为特征点描述子; 最后通过计算两张图像中各特征点描述子间的汉明距离实现特征匹配, 再根据匹配结果估计单应性矩阵, 定位目标在场景图像中的位置. 实验结果表明, 该算法匹配速度快、 定位精度高.     

基于Harris-Hist的特征匹配及目标定位算法

针对目前机器人伺服定位抓取中定位精度和实时性较差的问题, 提出一种基于Harris-Hist的快速特征匹配及目标定位算法. 首先, 采用Harris检测算法提取图像特征点; 然后, 提出一种新的特征点描述子定义方法, 计算特征点圆形邻域内像素点灰度直方图刻画特征点, 通过计算两幅图像中各特征点描述子间的距离实 现特征匹配; 最后, 根据匹配结果, 估计单应性矩阵, 定位目标在场景图像中的位置. 实验结果表明, 该算法匹配速度快、 定位精度高, 能满足机器人伺服定位抓取中定位精度和实时性的要求.     

基于模糊判别准则和特征加权模板匹配的字符识别

字符识别算法的设计作为光学字符识别的最关键步骤,直接影响到字符识别的精度和速度。运用特征加权模板匹配算法并结合基于模糊原理的判别准则,设计了一个字符识别算法。该算法从当前应用最广泛的模板匹配法入手,对标准模板匹配算法加以改进。在此基础上利用模糊理论作为判断标准来进行字符识别。所提算法能够充分区分开字符笔画和非笔画部分对字符识别的影响大小,从而有效地提升了识别率和鲁棒性。从实验结果来看,该算法性能较优。     

结合特征点匹配的在线目标跟踪算法

提出一种结合特征点匹配的目标跟踪算法.首先,通过显著区域跟踪方法,解决算法对初始化目标框大小敏感的问题,提高样本选取质量,并降低背景杂波对跟踪器的影响.其次,采用中值流法跟踪和特征点匹配相结合的方法估计目标的尺度变化,并通过层级聚类方法剔除干扰点,解决跟踪器漂移及目标平面旋转跟踪失败等问题.最后,提出一种简单的检测器自适应尺度快速搜索目标方法加快检测速度.结果表明:所提方法有效地提高了TLD目标跟踪算法的跟踪鲁棒性,并在标准数据集上得到了很好的效果.     

运动目标识别与跟踪的模板匹配算法改进及仿真研究

针对传统模板匹配算法存在运算量大,以及干扰物中有部分区域和目标形状相同时识别率差的问题,改进传统的模板匹配算法,并在MATLAB6.5环境下,应用改进的新算法对简单背景中的运动目标进行计算机识别与跟踪仿真.新算法先对识别区域进行扫描点检测,判断该点是否满足要求再进行模板匹配运算;当某些干扰物体中某部分区域与目标模板相同时,采用自动模板更新的方法进行区分.仿真实验结果表明,改进的模板匹配算法大大减少模板匹配的运算量,并且可以有效地排除干扰物体对目标识别的干扰.