基于小波理论的目标检测与快速目标跟踪算法研究

基于小波理论的目标检测与快速目标跟踪算法研究

论文摘要

本文通过对图像处理领域中自动目标识别技术以及快速目标跟踪算法的研究,找出一种切实可行的办法来解决目前靶场设备跟踪系统存在的一些问题。在目标检测的算法研究方面,本文从检测效果、运行时间和算法实现难度等方面考虑,选用curvelet变换进行图像增强和噪声滤除,同时结合小波变换进行边缘检测,以达到准确检测目标的目的。实验结果表明,在图像增强和去噪效果方面,curvelet变换的效果要大大优于其他同类方法,特别是在噪声严重的情况下curvelet变换优越性更为显著。本文研究了基于小波变换的形状匹配算法,并针对小波表达的起始点问题,引入了Zernike矩,提出一种起始点无关的小波系数形状匹配算法。算法首先对输入图像进行预处理后提取目标轮廓,生成具有平移、尺度不变的形状链状表达,并通过小波变换进行多尺度分析。然后计算各个尺度下的各阶Zernike矩,来解决小波变换的起始点问题,实现形状表达的旋转不变性。实验结果表明该算法适用于轮廓较明显的目标,同时具有速度快、精度高、鲁棒性强的优点。提出一种基于遗传算法的快速相关跟踪算法。针对图像数据的特点,采用新的编码方式,定义了新的交叉和变异算子。采用抽样法的初始化种群方式,并引入竞争进化策略,减少了迭代次数,有效降低了计算量。实验结果证明,在保证匹配精度的同时,该算法比原始算法在计算时间降低100多倍。针对传统相关跟踪算法中存在的一些问题,在分析多种模板更新算法的基础上,提出一种基于直方图信息的模板更新策略。同时,利用kalman滤波器完成目标大面积遮挡条件下对目标轨迹的预测,在一定程度上解决了相关跟踪中的遮

论文目录

  • 摘要
  • ABSTRACT
  • 图表目录
  • 第1章 绪论
  • 1.1 研究的背景及意义
  • 1.2 国内外发展和现状
  • 1.2.1 单帧图像目标检测
  • 1.2.2 序列图像目标检测方法
  • 1.3 目标跟踪的主要研究内容
  • 1.4 本文主要研究内容及论文章节安排
  • 第2章 基于小波理论的目标检测算法研究
  • 2.1 引言
  • 2.2 基于小波分析的图像边缘检测方法
  • 2.2.1 小波变换基本原理
  • 2.2.2 小波多尺度局部模极大值边缘检测的原理
  • 2.2.3 小波函数的选取
  • 2.2.4 小波变换模极大值用于边缘检测的具体步骤
  • 2.2.5 实验结果
  • 2.3 基于CURVELET 变换的图像去噪与增强
  • 2.3.1 curvelet 变换的基本概念
  • 2.3.2 算法实现
  • 2.3.3 基于curvelet 变换图像增强方法
  • 2.3.4 利用curvelet 变换抑制图像噪声
  • 2.4 本章小结
  • 第3章 基于小波变换的形状匹配算法研究
  • 3.1 引言
  • 3.2 形状的表示方法
  • 3.3 基于各种不变量的形状匹配方法
  • 3.3.1 基于全局性几何特征
  • 3.3.2 基于变换域特征
  • 3.3.3 基于局部特性的形状匹配方法
  • 3.4 一种与起始点无关的小波系数形状匹配
  • 3.4.1 Zernike 矩简介
  • 3.4.2 目标形状的小波表达
  • 3.4.3 起始点问题
  • 3.4.4 匹配算法
  • 3.4.5 实验结果及分析
  • 3.5 本章小结
  • 第4章 基于遗传算法的快速图像相关匹配
  • 4.1 引言
  • 4.2 相关匹配算法简介
  • 4.2.1 相似性度量
  • 4.2.2 快速算法
  • 4.3 遗传算法简介
  • 4.3.1 标准遗传算法的基本流程
  • 4.4 基于遗传算法的快速图象匹配
  • 4.4.1 编码
  • 4.4.2 初始化种群
  • 4.4.3 设计适应度函数
  • 4.4.4 遗传算子
  • 4.4.5 引入竞争进化策略
  • 4.4.6 控制参数的确定
  • 4.4.7 算法的具体步骤
  • 4.5 实验结果及分析
  • 4.5.1 实验参数
  • 4.5.2 匹配计算量分析
  • 4.5.3 仿真结果及分析
  • 4.6 本章小结
  • 第5章 相关跟踪中模板更新策略及遮挡问题研究
  • 5.1 引言
  • 5.2 模板更新策略算法研究
  • 5.3 相关跟踪中遮挡问题研究
  • 5.5.1 遮挡问题的产生
  • 5.3.2 标准Kalman 滤波器
  • 5.3.3 扩展的kalman 滤波器(EKF)
  • 5.3.4 利用Kalman 滤波器进行轨迹预测
  • 5.3.5 实验结果与分析
  • 5.3.6 一种简单实用的轨迹预测方法
  • 5.4 跟踪状态的估计及状态的转换
  • 5.4.1 相关匹配准则的选取
  • 5.4.2 状态的估计及转换
  • 5.5 本章小结
  • 第6章 运动目标实时跟踪系统设计
  • 6.1 引言
  • 6.2 系统的基本任务及功能
  • 6.3 系统总体方案设计
  • 6.3.1 系统的基本构成与分层设计
  • 6.3.2 系统硬件设计方案
  • 6.3.3 系统的软件设计方案
  • 6.4 实验结果与分析
  • 6.5 本章小结
  • 第7章 结束语
  • 7.1 论文的主要工作
  • 7.2 论文的创新点
  • 7.3 结论与展望
  • 参考文献
  • 攻读博士学位期间文章发表情况
  • 致谢
  • 作者简介
  • 相关论文文献

    • [1].目标跟踪算法研究综述[J]. 信息通信 2020(04)
    • [2].一种基于FPGA+DSP架构的雷达目标跟踪算法设计与实现[J]. 舰船电子对抗 2020(03)
    • [3].基于多特征自适应融合的目标跟踪算法[J]. 河南科技学院学报(自然科学版) 2019(05)
    • [4].快速目标跟踪算法及其嵌入式实现[J]. 军事通信技术 2016(04)
    • [5].运动目标跟踪算法综述[J]. 电子技术与软件工程 2016(24)
    • [6].目标跟踪算法的并行优化[J]. 计算机工程与科学 2016(11)
    • [7].基于人脸识别的移动目标跟踪算法研究[J]. 现代制造技术与装备 2017(02)
    • [8].基于深度学习的目标跟踪算法研究综述[J]. 黑龙江科技信息 2017(17)
    • [9].基于相关滤波的视频目标跟踪算法综述[J]. 指挥信息系统与技术 2017(03)
    • [10].复杂背景下视频运动目标跟踪算法研究[J]. 微型机与应用 2017(18)
    • [11].一种基于核相关滤波的目标跟踪算法[J]. 现代计算机 2019(36)
    • [12].通道裁剪下的多特征组合目标跟踪算法[J]. 系统工程与电子技术 2020(04)
    • [13].基于正交试验的运动目标跟踪算法性能评价[J]. 计算机工程 2020(03)
    • [14].基于特征融合的复杂场景多目标跟踪算法研究[J]. 软件导刊 2020(04)
    • [15].基于工地场景的深度学习目标跟踪算法[J]. 电子学报 2020(09)
    • [16].近年目标跟踪算法短评——相关滤波与深度学习[J]. 中国图象图形学报 2019(07)
    • [17].基于多属性分类的雷达目标跟踪算法[J]. 传感器与微系统 2019(12)
    • [18].基于特征点的典型目标跟踪算法性能分析[J]. 指挥控制与仿真 2017(02)
    • [19].基于卡尔曼滤波的单模型目标跟踪算法的仿真研究[J]. 中国新通信 2016(10)
    • [20].一种机械式机动相控阵雷达目标跟踪算法研究[J]. 遥测遥控 2020(05)
    • [21].基于序列复杂度的空中红外目标跟踪算法评估[J]. 系统工程与电子技术 2020(04)
    • [22].基于改进核相关滤波的长时目标跟踪算法[J]. 郑州大学学报(工学版) 2020(03)
    • [23].视觉单目标跟踪算法综述[J]. 测控技术 2020(08)
    • [24].面向个体人员特征的跨模态目标跟踪算法[J]. 北京航空航天大学学报 2020(09)
    • [25].多假设多目标跟踪算法[J]. 数字通信世界 2019(08)
    • [26].基于能效的动态分簇目标跟踪算法[J]. 西南大学学报(自然科学版) 2016(11)
    • [27].一种基于卡尔曼滤波器的多目标跟踪算法研究[J]. 电子世界 2016(23)
    • [28].一种利用物体性检测的目标跟踪算法[J]. 西安电子科技大学学报 2017(04)
    • [29].基于计算机视觉的运动目标跟踪算法的探讨[J]. 智库时代 2017(05)
    • [30].基于深度学习的多目标跟踪算法研究[J]. 中兴通讯技术 2017(04)

    标签:;  ;  ;  ;  ;  

    基于小波理论的目标检测与快速目标跟踪算法研究
    下载Doc文档

    猜你喜欢