图像目标的可视识别与智能跟踪

本文研究图像目标的可视识别与跟踪,给出了图像目标识别印章模型和系统总体设计方案。在此基础上,采用智能跟踪算法,实现了正常跟踪、判断、预测和记忆跟踪的功能,而且跟踪方式随着环境条件的变化而变化。正常跟踪算法的图像代数描述是简明的,与算法是内在一致的。通过给出两个实时可视跟踪的实例说明在实时ＤＳＰ可视跟踪系统上算法的性能及其可行性。     

基于量子遗传和无迹粒子滤波的人体运动跟踪

提出一种人体运动跟踪算法,用于解决多关节人体运动跟踪问题.由于无迹粒子滤波存在样本贫化现象,因而对目标运动估计产生影响,尤其估计模型为复杂的马尔可夫链的时域问题的影响尤为严重.通过分析产生该现象的原因,在无迹粒子滤波中引入量子遗传算法:一方面,增加样本集的多样性而缓解样本贫化现象的影响;另一方面,改善其估计、跟踪能力并有效缩短了计算时间.实验结果表明,所提出算法很好地减轻了样本贫化现象对无迹粒子滤波的影响,并提高了多关节人体运动跟踪的准确性,跟踪结果令人满意.     

一种基于广义多尺度分形参数的图像边缘检测方法

分形是实现自然纹理描述的一种有效方法.本文从分数布朗随机场模型的描述出发,证明了具有不同分形特性的两种纹理边缘处的H参数估计值大于1的一般结论、将H参数泛化用于描述一般图像的特性,从而提出了一种基于广义多尺度分形参数的图像边缘检测方法.该方法通过构造多分尺度的广义分形参数H值,从而可以实现图像边缘的有效提取.     

基于BDWT的运动目标识别及Mexico小波核mean shift跟踪算法

提出了一种应用于智能交通监控系统的运动目标识别和跟踪方法.针对帧间差分提取运动目标的缺陷与不足,提出了一种基于二进小波变换的运动目标识别算法,即直接在二进小波变换域提取运动区域,从而检测出运动目标.对于检测出来的运动目标,对mean-shift跟踪算法进行了改进,采用以Mexico小波核函数自适应mean-shift算法对目标进行跟踪.实验结果表明,提出的算法可以有效地提取运动目标,即使目标与背景具有较高的相似度,也可以较准确的提取出前景运动信息,效果要好于传统的帧差法;跟踪目标准确度高,不受目标大小变化的影响.本算法具较高的实用价值和应用前景.     

一种军事图像目标识别神经网络系统

在军事图像目标识别中,目标通常发生比例、平移、旋转变化,有时还处于复杂背景之中或部分被障碍物遮挡,而识别往往要求是实时的。这使得传统的图像目标识别方法不能获得较好的效果。本文提出了一种神经网络目标识别系统,该系统能直接识别图像目标,而无需提取图像中的目标特征,具有目标识别的比例、平移、旋转不变性,具有良好的复杂背景下的目标识别性能,是一种高速、实用、识别率高的军事图像目标识别神经网络系统。文中给出了改进的神经网络模型并针对不同军事目标的识别需要进行了仿真实验。     

图像序列的准三维运动目标自寻的跟踪算法

根据序列图像中的运动目标特征像点必须要满足在像平面里的约束条件,又要满足其空间三维运动规律,导出一套准三维运动模型。进而建立了连续非线性的系统动态模型和离散线性的量测模型,得到一套准三维自动寻的跟踪处理算法,利用二维观测结果就可以实现三维形式的智能跟踪。算法简单,易于实现,而且同样具有三维智能跟踪的优良特点,即抗丢失、抗机动和抗噪扰的鲁棒性能。模拟和真实图像序列的实验结果充分证明了该算法的优良性能。     

一种基于特征光流检测的运动目标跟踪方法

图像序列的运动目标分割检测与跟踪是一个具有广泛应用的困难问题,特别当目标被遮挡丢失和/或大幅度机动时,算法要有很强的鲁棒性才能实现高精度的连续跟踪。通过特征角点提取、由粗到细层级匹配特征光流及其聚类分析算法实现运动目标分割,利用卡尔曼滤波估计对目标的多特征点构成的最小凸多边形描述子进行跟踪,具有抗遮挡丢失和抗机动功能,因此在跟踪过程中能够较好地保持或重新检测目标的最小凸多边形,使检测与跟踪算法鲁棒性强。对运动目标真实图像序列的实验结果充分证明了算法的优良性能。     

一种基于BFGS拟牛顿公式的运动目标跟踪方法

提出了一种基于BFGS拟牛顿公式的运动目标跟踪新方法．将跟踪目标描述为特征空间中的直方图概率密度函数，运用Bhattacharyya距离作为相似性度量准则并构造定位目标函数：通过BFGS拟牛顿方法合理确定搜索方向进行目标的定位；采用逐层区域划分搜索策略。有效的避免了目标丢失的问题．实验结果表明该方法在精确性和实时性方面均能满足运动目标跟踪的实用要求。     

一种改进的基于SVM的SAR目标及阴影图像分割方法

提出了一种基于支持向量机(support vector machine, SVM)的合成孔径雷达(synthetic aperture radar, SAR)目标及阴影图像的改进分割方法。利用分类的思想对SAR图像进行分割,其中分类器是通过循环不断更新训练样本的方式完成训练,循环次数由计算相邻两次分割图像熵的差值来控制。用DARPA (defense advanced research project agency)和Sandia实验室提供的实测数据进行分割实验。结果表明,所提算法得到的分类器性能更加优越,同时能够减少初始分割中阈值的选取对分类器性能的影响,有效地提高了SAR目标及阴影图像的分割质量。     

一种新的采用神经网络的图像分类方法研究

本文论述了神经网络对图像分类的一种方法──Ｚｅｒｎｉｋｅ矩方法。该方法提取图像特征方便，分类精度高，而且容错性相当好，有较强的实用性。实验结果证实了这些结论。     

序列图像的运动补偿编码技术

本文系统地研究了运动补偿编码技术的基本原理和运动矢量检测的基本方法,包括像素递归法、块匹配法和块递归匹配法。     

一种SAR图像目标识别方法

提出了一种新的合成孔径雷达 (SAR)图像目标检测和识别方法 ,该方法根据SAR图像统计分布特性 ,结合恒虚警检测算法和小波变换提取感兴趣的SAR图像目标特征 ,检测得到目标 ,采用马氏距离从杂波背景中识别该目标。实际SAR图像测试结果表明了该方法的有效性     

面向航天测发任务的动作识别与追踪研究

航天测发任务精度要求高、任务周期长,且长期暴露在阳光直射下。为提高测发任务的成功率,在虚拟工作环境中进行无接触式动作标定与矫正是一种高效的方式。针对航天工作人员动作的实时动作追踪问题,提出了一种关键帧优化的动作识别算法。依据深度图像中的骨骼数据,提取骨骼特征,使用特征阈值提取关键帧。将关键帧的特征数据输入双向长短期记忆网络,优化整体动作识别的精确度。数据驱动的骨骼识别与动作追踪,能有效识别航天工作人员的动作,辅助其更高效、安全地完成测发任务。     

分形图像编码的误码检测和图像恢复

对由于传输信道干扰而产生的分形压缩编码数据传输时产生的图像坏块 ,提出了一种检测方法 ,并用遗传算法在该图像中搜索坏块的相似块 ,用相似块来取代坏块 ,从而达到误差掩蔽的效果。仿真结果表明 ,对数据传输中所产生的图像坏块 ,采用所提出的图像坏块检测方法 ,坏块检出率高 ,并且在使用所提出的图像误差掩蔽方法后 ,图像质量有明显改善。     

图像运动对前视红外成像的影响

本文讨论了图像运动对前视红外成像的影响,用光学传递函数理论推导出图像运动OTF的数学表达式,并计算了在正弦振动条件下的结果,分析表明红外前视仪平台抖动将造成图像严重模糊。     

坦克目标识别与运动分析

本文用自适应动态门限对实时图象进行分割,在二值化图象的基础上进行轮廓跟踪。对于坦克目标提出了椭圆模型和轮廓拟合的识别、定位、定向分析方法。计算机模拟实验取得了满意的结果,证实了方法的可行性和有效性。     

图像运动对CCD成像质量的影响

本文讨论了图像运动对ＣＣＤ成像的影响及其评价标准。推导出图像在线性和正弦运动条件下的调制传递函数（ＭＴＦ）的数学表达式。分析结果表明，图像运动将引起ＭＴＦ的严重下降，造成图像模糊。     

一种基于遗传算法的红外图像增强方法

首先提出了基于模型表示的红外图像增强算法,然后用遗传算法实现该增强算法并进行了计算机仿真实验。实验表明,该算法是可行的和有效的,并且优于Ｗｉｅｎｅｒ滤波的效果     

一种新的不变矩特征在图像识别中的应用

分析了在离散状态下比例因子对不变矩特征的影响,构造了一种新的不变矩,使其具有平移、旋转和比例因子的不变性。在仿真实验中,采用新的不变矩对图像进行了识别、识别的成功率为95%;而采用原来的不变矩,识别的成功率仅为70%左右。由此表明本文构造的新不变矩具有一定的利用价值。