微光條件下視頻目標(biāo)跟蹤關(guān)鍵技術(shù)的研究.pdf

1、視頻目標(biāo)跟蹤是計(jì)算機(jī)視覺領(lǐng)域的一個(gè)核心問題，在視頻監(jiān)控、軍事制導(dǎo)、機(jī)器人視覺導(dǎo)航、人機(jī)交互以及醫(yī)療診斷等諸多方面有著廣泛的應(yīng)用前景。視頻目標(biāo)跟蹤的目的是模擬人類視覺的運(yùn)動(dòng)感知功能，賦予機(jī)器識(shí)別視頻圖像中運(yùn)動(dòng)目標(biāo)的能力，為視頻分析和理解提供重要的數(shù)據(jù)依據(jù)。由于背景圖像復(fù)雜多變以及目標(biāo)本身的運(yùn)動(dòng)多種多樣，開發(fā)出一套魯棒的跟蹤算法仍存在較多困難。特別是在微光條件下，圖像的噪聲嚴(yán)重、分辨率極低，幾乎無法辨識(shí)圖像中的目標(biāo)和背景。在這種條件下，實(shí)現(xiàn)

2、目標(biāo)穩(wěn)定、可靠、魯棒的跟蹤就更加困難。本文對(duì)微光條件下實(shí)現(xiàn)視頻目標(biāo)跟蹤涉及的關(guān)鍵技術(shù)進(jìn)行了研究。完成的工作包括：
　　 ⑴介紹了微光圖像的特點(diǎn)、基本圖像增強(qiáng)算法、基本運(yùn)動(dòng)目標(biāo)檢測(cè)算法和卡爾曼濾波器原理。
　　 ⑵提出了一種基于空時(shí)三維直方圖的微光圖像增強(qiáng)算法。該算法聯(lián)合像素的空間、時(shí)間相鄰像素構(gòu)建三維直方圖，使用Otsu、Fisher準(zhǔn)則函數(shù)、最大信息熵三種不同的分割算法將圖像劃分為兩個(gè)子圖，分別對(duì)各子圖進(jìn)行直方圖均衡，

3、最后合成得到完整的處理圖像。實(shí)驗(yàn)結(jié)果表明：基于空時(shí)三維直方圖比基于空間二維直方圖的微光圖像增強(qiáng)算法在標(biāo)準(zhǔn)差、信息熵和對(duì)比度提升指數(shù)三個(gè)方面分別最少提高了1.9％、2.2％和2.0％。
　　 ⑶提出了一種基于顏色和邊緣信息的均值遷移目標(biāo)跟蹤算法。根據(jù)顏色特征對(duì)光照敏感而對(duì)形變不敏感，邊緣特征對(duì)光照不敏感而對(duì)形變敏感的特點(diǎn)，聯(lián)合顏色和邊緣特征，分別為目標(biāo)建立色度直方圖和邊緣方向直方圖，以此作為均值遷移算法中的目標(biāo)模型。同時(shí)，為進(jìn)一步

4、提高搜索效率，又引入了卡爾曼濾波器對(duì)目標(biāo)進(jìn)行預(yù)測(cè)。實(shí)驗(yàn)結(jié)果表明新方法跟蹤定位更加準(zhǔn)確，且在光照變化和目標(biāo)發(fā)生形變的情況下，仍然可以穩(wěn)定工作，魯棒性獲得提高。
　　 ⑷提出了一種基于目標(biāo)和局部背景SURF特征的目標(biāo)跟蹤算法。同時(shí)提取目標(biāo)與局部背景的SURF特征建立模型，解決了當(dāng)目標(biāo)和背景存在信息重疊時(shí)可能導(dǎo)致跟蹤失敗的問題。實(shí)時(shí)更新模型以適應(yīng)目標(biāo)在運(yùn)動(dòng)過程中發(fā)生的表觀變化。實(shí)驗(yàn)結(jié)果表明：與基于目標(biāo)SURF特征的跟蹤算法和基于目標(biāo)S