基于微分信息融合的Mean Shift改进跟踪算法

为提高传统均值漂移算法对低对比度图像的跟踪性能，提出一种融合图像微分特征信息的改进算法。根据图像8邻域微分值建立微分图像，利用微分特征建立目标模板和候选区域的微分直方图模型，并确定候选区中心位置的更新向量。将其与利用颜色特征信息确定的候选区中心位置的更新向量相融合，得到改进算法的更新向量。图像的微分信息包含了图像的细节信息以及像素的相对空间位置信息，提高了模型建立时信息的利用率，能够提高目标模型的建模精度。仿真实验结果表明，与传统均值漂移算法相比，改进算法在复杂的背景情况下具有更强的抗干扰性能，能够有效提高目标跟踪的稳定性。     

改进的均值漂移算法在运动目标跟踪中的研究

以智能交通系统中运动目标跟踪为背景,研究采用均值漂移算法,实现对快速移动的单目标事物准确实时跟踪。首先,分析了均值漂移算法的基本原理。其次,分析了均值漂移算法在目标跟踪中存在的问题及解决方法:针对目标遮挡情况下目标跟踪的准确性问题,采用将均值漂移算法与卡尔曼滤波算法相结合的自适应均值漂移目标跟踪算法;针对大小不变的带宽窗口可能导致跟踪丢失的问题,采用了自动调节带宽窗口的方法。最后进行了仿真实验。     

光电成像制导中地面运动目标检测与跟踪

地面运动目标的自动检测与跟踪是对地精确打击光电成像制导中的核心任务。针对地面运动目标自动检测问题,提出了由粗到精的迭代全局运动补偿算法以补偿动平台引起的背景图像像素位移,基于变化能量测度的独立运动目标检测算法以及基于三帧序列图像的运动目标定位算法。针对地面运动目标跟踪问题,提出了融合运动特征和灰度直方图特征的粒子滤波器目标跟踪算法,实现可靠、稳定跟踪地面运动目标。利用实际航拍视频进行算法验证实验,比较了基于傅里叶-梅林变换 (Fourier-Mellin transform, FMT)、Kanade-Lucas-Tomasi (KLT) 特征跟踪、Harris角点和迭代全局运动补偿算法,验证了基于变化能量测度的独立运动目标检测算法和融合多特征的粒子滤波器跟踪算法的有效性。     

基于局部背景加权直方图的目标跟踪

针对传统的颜色直方图和加权颜色直方图跟踪算法难以在复杂环境下对目标进行有效跟踪的问题,提出了一种基于局部背景加权直方图的目标跟踪算法,该算法将目标的局部背景看作上下文,将其引入目标表征。在粒子滤波跟踪算法框架下,用局部背景加权直方图来表征目标,以增强目标与背景的鉴别性,从而突出目标区域内的前景信息。各种场景的实验结果比较表明,提出的跟踪算法比传统的颜色直方图和加权颜色直方图跟踪算法具有更好的稳定性和鲁棒性,特别是针对目标被局部遮挡及跟踪环境光照变化较大等情况。     

复杂背景中目标图像的提取与跟踪

本文介绍一种复杂背景中目标图像的提取与高精度目标形心跟踪算法。通过对贝叶斯（Ｂａｙｅｓ）风险函数最优化，将图像分成多灰度层次的目标与背景，进而得到多灰度阀值，并考虑目标像素之间的连通性，将图像进行二值化，有效抑制了孤立噪声点对分割的影响。根据分离后二值图像，得到了跟踪窗中目标形心估值误差表达式，进而得到一种将目标跟踪窗口不断向目标形心移动的高精度形心跟踪算法。     

基于动态广义直方图均衡的红外图像增强方法

针对直方图均衡法进行红外图像增强时存在的问题,提出了动态广义直方图均衡方法。首先,广义直方图通过基于局部复杂度计算的分数值计数,体现了图像的不同区域特性,防止了过增强和放大噪声。然后,对广义直方图利用SG算法平滑滤波后,采用GK聚类算法实现对直方图的动态划分,避免高概率灰度背景对低概率灰度目标的影响。最后,动态分配目标和背景的输出灰度区间,突出目标细节,控制增强效果。实验结果表明,算法能有效克服传统直方图均衡法丢失目标细节、不能控制增强效果和过分放大噪声的不足,是一种有效的红外图像增强方法。     

基于改进多特征融合均值位移算法的红外舰船目标跟踪

针对红外海面背景杂波干扰严重多特征融合的均值位移算法无法准确跟踪目标的问题,对原算法进行了改进,提出一种基于多特征融合均值位移跟踪的新框架。在多特征融合均值位移跟踪的基础上,所提算法通过加入对目标区域的迭代分割并提取区域形心,实现了舰船目标的准确再定位;在局部分割的基础上,提出了对多特征模板尺寸和目标模型的更新方案,实现了对红外海面背景下舰船目标的准确、鲁棒跟踪。利用实际红外图像序列对算法性能进行验证,实验结果表明,所提算法能够更准确、有效地跟踪图像序列中的舰船目标。     

基于尺度空间粒子滤波器的多参考#br# 直方图目标跟踪算法

在基于直方图的序列图像目标跟踪算法中,目标的直方图通常都是在跟踪初始化时从目标所在的区域获得,然而单个直方图难以适应跟踪全过程中目标的各种变化。针对事先已知目标几种典型外观的跟踪问题,提出了一种基于粒子滤波器的多直方图尺度空间跟踪算法。利用多个典型直方图的线性加权来表示目标的直方图,根据目标的当前区域估计加权系数,生成下一帧的目标概率分布图,在目标概率分布图上运用尺度空间粒子滤波器,来估计多尺度规范化Laplacian滤波函数的极值,从而实现目标的定位。通过在真实序列上与现有算法的对比,表明了此算法不仅可以适应目标的色彩和明暗变化,而且能更准确地描述目标的大小,显著提高跟踪的精度。     

改进的mean shift目标跟踪算法

提出一种改进的均值偏移（mean shift， MS）目标跟踪算法，用于提高模板漂移和大面积遮挡情况下视觉目标跟踪算法的鲁棒性和准确性。首先判断目标是否存在遮挡现象，当遮挡未发生时，采用原始MS算法跟踪目标，利用选择性分量更新策略对目标模板进行更新，减少模板漂移的影响|当遮挡发生后，利用非对称核函数模型对候选目标模型进行矫正，降低遮挡像素点对MS矢量和目标跟踪稳定性的影响。实验结果表明，改进的跟踪算法对非刚性和大面积遮挡目标都能进行稳定的跟踪。     

基于视觉字典的在线多示例目标跟踪

在线多示例目标跟踪算法无法判别目标丢失以及无法适应目标尺度的变化。提出了一种基于视觉字典的在线多示例目标跟踪算法。算法将视觉字典和多示例跟踪分别作为检测器和跟踪器,利用互反馈技术提高跟踪性能。跟踪器完成目标的跟踪并为视觉字典的构建和更新提供训练样本;检测器则对跟踪器的结果（候选样本）进行判定,目标丢失时,暂停跟踪并重新检测目标,目标未丢失时,利用Ransac算法获得目标的尺度变换系数并在新尺度下更新跟踪器。为了提高目标丢失判别的准确性,提出了一种局部随机抽样的直方图相似性度量技术,采用局部划分思想和Noisy-NR模型计算候选样本与训练样本特征直方图的相似性,减少了传统直方图匹配由于受目标局部遮挡影响造成的误判。实验结果表明,该算法能够适应目标的尺度变化,检测目标的丢失,提高了跟踪稳定性。     

跟踪窗自适应的Mean Shift目标跟踪算法

针对Mean Shift算法不能很好地跟踪尺度变化目标的缺点,提出一种将Mean Shift算法和目标几何特征相结合的目标跟踪算法。该方法在Mean Shift框架下提取目标的几何特征,根据目标的面积和型心坐标对跟踪窗的位置和大小进行修正,最后更新Mean Shift的目标模板。通过大量实验仿真证明,改进的算法能很好地跟踪尺度变化的目标,对目标的仿射变化和非刚性的形态变化具有有效性和鲁棒性。     

Mean shift在目标跟踪中的应用

首先总结了Mean shift的发展过程,并且分析了Mean shift算法的参数少,鲁棒性强,快速实现模式计算的特点,然后根据它在目标跟踪中的应用,总结了该算法核函数直方图对目标的特征描述比较弱,容易陷入局部最大值,不能适应目标多自由度变化的缺点,针对缺点提出的不同的改进方法进行了归纳,最后对未来的发展进行了预测。     

基于纹理上下文的遥感图像目标识别

基于统计流形理论并结合形状上下文思想,提出了能够描述图像纹理目标的纹理上下文特征,进而实现对遥感图像纹理目标的识别。首先将图像的灰度概率密度函数看作统计流形上的点,用所得到的图像统计流形模型来描述图像的纹理上下文特征;然后使用Fisher信息距离来度量流形上点之间的相似度,并利用匈牙利算法来匹配纹理上下文特征;最后通过计算匹配距离来实现不同图像目标的相似性度量。实验表明,与经典的灰度共生矩阵、局部二值模式和统计流形算法相比,对于具有纹理特征的遥感图像,该方法具有更高的识别率且具有普适性和稳健性。     

融合常规运动目标和突然机动目标的图像跟踪系统

当舰载或机载光电传感器晃动、掉帧或者目标做复杂战术机动时,跟踪目标在相邻帧间会突然改变原来的运动轨迹,此时如何有效跟踪突然机动目标是一个难点问题。首先利用基于组合基于(speeded up robust features,SURF)特征描述子的二帧差分法进行背景差分,然后再利用卡尔曼滤波给出目标的预测位置,在以此为中心的搜索区域内用Mean shift跟踪方法寻找目标的最佳匹配,同时逐帧根据卡尔曼滤波的先验预测误差协方差判断目标是否出现机动。在检测到目标机动后,利用基于显著密度的高效子窗口搜索方法快速检测视场内的所有可疑目标,最后利用SURF算法进行特征匹配筛选出原始跟踪目标并返回目标位置,实现突然机动目标的自动可靠跟踪。仿真实验表明,新系统无论针对常规运动目标还是突然机动目标都能保证又快又准的跟踪效果。     

相关序列小目标图像运动跟踪与仿真研究

针对气动光学效应降晰过程的复杂性,提出了一种基于图像相关性的序列小目标图像运动跟踪及去噪算法.该算法结合序列图像的相关性,避免了因采集时间的延长而使得序列图像中的小目标偏移太大.在相关序列图像的基础上,通过滤波技术,结合"小波变换的背景融合"算法,得到对运动目标背景的估计.以此估计背景为基础进行运动小目标的估计、灰度质心计算,得到运动目标的跟踪.仿真研究结果表明该算法实现了气动光学效应相关序列小目标图像的运动跟踪,背景融合技术和目标图像的估计降低了噪声带来的影响,对气动光学效应序列图像研究具有重要价值.     

基于直方图形态的SAR图像灰度变换性能评估

以合成孔径雷达(syntheticapertureradar,SAR)图像灰度变换前后直方图形态一致性为依据,对现有的7种变换算法性能进行了评价。首先对原始图像进行灰度线性变换,以线性变换图像作为参考图像,对7种变换算法的结果图像进行评估。提出3个检测直方图形态差异的统计参数:相对均值偏量、相对方差偏量和相对偏态差。经真实SAR图像检验,表明基于辐射度统计多分辨率分析(RMA)的灰度变换方法性能最优。     

基于多特征和WSVM的SAR图像河流目标检测

为进一步提高合成孔径雷达(synthetic aperture radar, SAR)图像中河流目标检测的准确性,本文提出了基于多特征和小波支持向量机(wavelet support vector machine, WSVM)的SAR图像河流目标检测方法。首先使用均值比表示像素点邻域的灰度特征,Gabor小波提取其纹理特征,并将其融合构造训练样本;然后将归一化处理后的特征矩阵输入WSVM进行训练,并利用训练好的WSVM对图像的每个像素点进行分类;最后根据河流的区域连通性和面积、形状特征,去除阴影、湖泊等与河流相似的区域。大量实验结果表明,与其他河流目标检测方法相比,本文方法检测的河流目标更加完整,背景与河流的误分区域更少,河流边缘保持得更好。