復雜背景下擴展目標亞像素分級跟蹤方法研究.pdf

1、復雜背景下的擴展目標跟蹤是目標識別與跟蹤技術中的重點和難點,它主要涉及兩個方面的難題:一是復雜背景下的背景雜波抑制與目標識別問題;另一個是擴展目標的高精度穩(wěn)定跟蹤問題。相關方法是一種廣泛應用于擴展目標跟蹤的方法,它基于圖像的相似性度量,通過在現(xiàn)場獲取的實時圖像中尋找與模板圖像最接近的區(qū)域來跟蹤目標物體,具有算法簡單、跟蹤穩(wěn)定、定位準確、可實現(xiàn)性強等優(yōu)點。在針對擴展目標跟蹤的相關方法中,用目標局部圖像為模板的方法是最常見的一種,它直接跟蹤

2、目標的局部圖像塊,簡單方便。本論文針對復雜背景下擴展目標的跟蹤問題,深入分析了當前幾種典型的跟蹤方法,重點研究了相關跟蹤方法,并在現(xiàn)有的相關跟蹤方法基礎上做了改進,最后在matlab7.0平臺上實現(xiàn)了跟蹤算法的流程仿真,證明改進后的算法和傳統(tǒng)的相關跟蹤算法相比,具有更高的精度和更好的穩(wěn)定性。本文的主要研究內容包括:1.研究了圖像金字塔分級方法,利用中值和均值濾波原理設計了1/3抽樣的分級算法,并有效應用于跟蹤中的分級搜索。2.研究了不同

3、的相似度定義,采用并改進了最大相似點計數(shù)(MPC)距離。新的定義考慮了相似像素對的相似程度對相關度的影響,使匹配更準確。3.研究并改進了模板更新方法,引入了跟蹤效果評價機制,跟蹤效果差的最佳匹配圖像不能參與模板更新。4.研究了亞像素定位方法,設計了基于插值的亞像素定位算法,實現(xiàn)了在像素級跟蹤后對目標的亞像素精度定位。5.研究了圖像分割方法,利用目標的運動信息和MPC定義,設計了一種針對運動擴展目標的有效的圖像分割算法。通過對多組復雜背景