基于小波变换的运动目标特征提取

论文摘要

运动目标的跟踪在军事领域和民用领域中有着广阔的市场前景和应用价值,为了实现对目标的稳定跟踪,首先就要对图像进行特征提取。角点是图像的一种重要的局部特征,它决定了图像中目标的形状。准确的角点检测对许多计算机视觉任务的完成起到至关重要的作用,角点检测技术已经成为图像处理的有力工具之一。本文研究的目的就是针对飞机、车辆等运动目标,如何提取图像的角点特征,通过对文献上各种方法的研究,改进了角点检测算法,具体方法如下:1、对静止图像进行预处理,得到单像素的边缘链,在这里选用了不同的小波基函数作为小波滤波器对图像进行边缘检测。2、对运动目标的角点提取。本文以曲率的概念为出发点,结合基于灰度图像和边缘图像的角点检测方法提出了这种方法。最后得出角点并标记出角点的位置。3、对这种方法得到的角点进行了稳定性、可靠性、抗干扰性、成功率的评价。最后得到了定位比较准确、可靠的角点检测算法。同时得到了此种方法检测效果好的小波基函数。

论文目录

• 第一章 绪论
• 1.1 引言
• 1.2 特征提取方法综述
• 1.2.1 在空间域内提取特征
• 1.2.2 小波变换提取特征
• 1.3 角点检测的发展现状
• 1.4 论文研究的内容
• 1.4.1 论文研究方向及内容
• 1.4.2 论文的创新之处
• 1.4.3 论文的研究方法
• 1.4.4 论文内容的安排
• 第二章 小波变换理论
• 2.1 小波分析的国内外研究现状
• 2.1.1 小波分析的发展简史
• 2.1.2 小波研究的国内外现状
• 2.2 一维小波变换
• 2.2.1 一维连续小波变换
• 2.2.2 一维连续小波变换的逆变换
• 2.2.3 一维离散小波变换
• 2.3 二维小波变换
• 2.3.1 二维连续小波变换
• 2.3.2 二维离散小波变换
• 2.4 小波的多分辨分析
• 2.5 本章小结
• 第三章 角点检测算法
• 3.1 边缘的定义
• 3.2 边缘检测方法
• 3.2.1 检测梯度最大值
• 3.2.2 检测二阶导数的零交叉点
• 3.2.3 统计型方法
• 3.2.4 其他边缘检测方法
• 3.3 角点的定义及角点检测
• 3.3.1 角点形状描述
• 3.3.2 角点检测算子具有的性质
• 3.4 角点检测算法概述—基于边缘的角点检测算法
• 3.5 角点检测算法概述—基于图像灰度的角点检测算法
• 3.5.1 Moravec 角点算子
• 3.5.2 Plessey 角点算子
• 3.5.3 Zheng 和 Wang 角点算子
• 3.5.4 Kitchen 和 Resenfeld 角点算子
• 3.5.5 Wang 和 Brady 角点算子
• 3.5.6 Susan 角点检测算子
• 3.5.7 MIC 角点检测算子
• 3.6 本章小结
• 第四章 基于小波变换的角点检测方法
• 4.1 基于小波变换的图像边缘检测
• 4.1.1 基于小波变换的边缘检测
• 4.1.2 边缘检测所用小波函数介绍
• 4.2 角点检测算法
• 4.3 角点检测算法的评价指标
• 4.4 实验结果及评价
• 4.5 本章小结
• 第五章 总结与展望
• 5.1 论文主要工作
• 5.2 论文的创新点
• 5.3 论文的展望
• 参考文献
• 摘 要
• Abstract
• 致 谢
• 导师及作者简介