基于DSP的視覺跟蹤系統研究.pdf

1、近三十年來，DSP技術的飛速發(fā)展給圖像處理各領域帶來了巨大的生機，基于DSP的數字圖像處理技術已經廣泛應用在日常生產生活中。目標檢測和跟蹤技術漸漸地成為數字圖像處理和機器視覺領域研究的熱點。本文著重研究了三個方面的內容：TDS642EVM的開發(fā)、圖像預處理的應用和運動目標檢測和跟蹤算法的研究。
　　 首先，分析了TDS642EVM的開發(fā)設計流程，重點分析了DM642的總線結構、中斷系統、外設接口和工作原理等。著重利用已有的642

2、EVM在視頻圖像處理過程中的硬件設計和程序設計方法，構建了一套實時運動目標檢測及跟蹤實驗系統。
　　 其次，在圖像的生成、變化和傳輸過程中存在的噪聲(硬件設備不精確、外部光線等的干擾)降低了圖像質量，因此在進一步處理圖像之前需要進行預處理改善圖像質量。有的實驗需要平滑處理，削弱某些不必要的信息；有的實驗需要銳化增強來突出邊緣信息。本文第三章討論了幾種用于圖像平滑和銳化增強的方法，該方法在實驗當中取得較好效果。
　　 在運

3、動目標檢測和跟蹤部分，本文詳細介紹了三種運動檢測算法、三種分割算法并且提出一種針對差分圖像的分割方法，詳細介紹了卡爾曼濾波、粒子濾波、Mean Shift和目標輪廓線的四種跟蹤算法。最后，綜合運用以上方法實現了基于DSP的目標跟蹤。
　　 本文的創(chuàng)新點包括：
　　 1.圖像平滑在三維形貌測量過程的應用：實際存在的隨機噪聲使得恢復的物體形貌存在誤差，本文針對標準投影光柵呈正弦曲線分布的特點，提出用最小二乘擬合法平滑含噪聲的

4、曲線，去除毛刺，該方法有效濾除噪聲的同時保留了物體的邊緣信息，使得恢復物體的精度提高。
　　 2.銳化增強在運動目標檢測中的應用：在用籌分法檢測運動物體時，需要突出運動物體的邊緣輪廓線，因此本文提出了一種基于梯度算子的差分法運動檢測。差分法消除了背景信息，梯度算子能夠檢測邊緣信息，兩種算法相結合，可以準確地檢測出運動物體的輪廓。
　　 3.適于目標檢測的自動閾值分割算法：針對差分圖像的直方圖呈單調下降的趨勢，不滿足OTS