基于SWAD算法的空间面目标高精度跟踪技术研究

针对空间面目标的高精度跟踪问题,提出一种面目标高精度跟踪方法,该方法利用SWAD模板匹配算法和亚像素拟合算法提取目标精确的位置信息,并在跟踪过程中对模板进行实时更新。对传统的无限冲击响应滤波模板更新方法进行了改进,提出一种变系数模板更新方法,该方法计算量小,不需要经过复杂的置信度判断,模板更新系数由当前模板图像和当前最佳匹配区域图像的灰度值决定;利用不同亮度的目标,以及对目标图像进行尺度变换模拟姿态变化的目标,比较了该模板更新算法和传统算法的匹配误差,结果表明:该算法能够更好地适应目标姿态的变化;最后通过平行光管和靶标板模拟远场非合作目标,搭建了室内演示试验,证明了利用模板匹配进行高精度目标跟踪的可行性。     

基于匹配跟踪置信度的自适应对应像素距离图像匹配跟踪算法

本文结合最小绝对差度量(MAD)和(Hausdroff)距离度量两者的基本思想的优点,提出了一种新的对应像素距离相似性度量方法和自适应模板图像匹配跟踪算法,设计了帧间和帧内匹配跟踪置信度,提出了基于匹配跟踪置信度的自适应对应像素距离图像匹配跟踪算法.并对基于匹配跟踪置信度的自适应对应像素距离图像匹配跟踪算法的匹配跟踪性能进行分析,实验结果表明:该算法具有较强的抗噪、抗畸变能力和匹配跟踪稳定性,具有较高的匹配精度和匹配概率.     

一种基于卡尔曼滤波器的模板更新方法

在运动目标跟踪过程中,基于相似性度量的模板匹配法是常用的一种相关跟踪算法.但是,单纯利用模板与图像的匹配准则难以应对跟踪过程中常见的目标姿态变化问题,很难获得比较好的跟踪效果.针对上述问题,利用卡尔曼滤波器对模板像素进行逐像素更新,每个像素依据自身的性质进行修正的幅度都不一样,从而得到自适应和最优的模板图像,最终达到在序列图像中准确匹配的目标.实验证明,该方法在产定程度上解决了跟踪过程中目标的形态变化问题.     

自适应模板匹配在自主空中加油跟踪中的应用

自主空中加油技术越来越重要,在软管加油的对接阶段,运用模板匹配跟踪技术对目标进行跟踪。本文利用直方图均衡化、形态学算法和边缘轮廓提取得到初始模板;然后利用归一化相关匹配法对模板进行匹配,同时利用归一化相关值作为参考,判断是否对模板进行更新,从而得到自适应模板;为了缩小匹配时的搜索范围,加入了轨迹跟踪的算法,大大节省了运算时间。通过仿真实验显示,该算法切实可行。     

模板匹配算法对运动目标自动锁定跟踪的研究

模板匹配技术是运动目标跟踪中常用的方法.在基于差值测度的模板匹配算法中,满足匹配准则的最佳匹配点与真实位置偏差较大,这在运动目标跟踪中,由于偏差的不断累加会造成跟踪不稳定,甚至目标的丢失.针对这一问题,提出了结合目标模板内像素灰度值的空间分布情况,不断地对模板进行修正的算法,使得跟踪的实时性和稳定性得以提高.仿真实验结果证明了该算法的有效性.     

基于边缘的自适应相关跟踪算法

针对相关跟踪实时性差和误差累积问题,提出了基于边缘检测的自适应相关算法.采用修正后的灰度差的绝对平均值(MAD)相关匹配克服了对噪声敏感的缺点;利用目标的边缘信息确定模板中参与匹配的区域,并采用粗精结合的搜索策略,加快了匹配速度;采用模板加权更新和中心修正有效地消除了相关运算累积误差的影响.     

基于自适应对象模型的篮球运动跟踪方法

篮球分割和运动跟踪是篮球比赛视频分法.首先利用已分割篮球的基本特征建立对象模板,进一步建立自适应对象模型,然后利用对象模型改进块匹配法跟踪篮球,最后修正跟踪偏差,并建立篮球跟踪有效性检测机制.实验表明本文算法可以有效跟踪篮球对象.     

新的基于Kalman滤波的跟踪方法

模板更新策略是匹配跟踪算法成败的关键,为了提高基于模板匹配跟踪算法的性能,在分析多种模板更新算法的基础上,给出使用Kalman滤波器更新模板的方法。该方法不再将模板图像视为一个整体,而是使用Kalman滤波器对模板图像逐像素点进行更新,以得到自适应和最佳的目标模板图像,使匹配跟踪算法的性能得到很大提高,特别对于目标被遮挡、目标姿态变化以及环境照度变化有很强的适应性。对匹配算法的改进和遮挡的处理使该算法的性能得到进一步提高。实验结果表明该方法行之有效。     

基于自适应最优聚类的目标匹配跟踪算法

提出了一种基于新的自适应最优聚类的模板匹配跟踪方法。利用模式分类准则计算最优聚类数,然后根据最优聚类数采用k-均值方法进行多次聚类。根据聚类结果计算熵矢量和距离矢量,组合得到特征矢量,利用特征矢量进行匹配跟踪。匹配采用简单的相似性准则,实时模板更新算法为多模更新。测试结果表明,该算法针对不同的目标能自适应地选择聚类参数,在目标发生几何变化时,能实现精确稳定的跟踪。     

基于自适应最优聚类的目标匹配跟踪算法

提出了一种基于新的自适应最优聚类的模板匹配跟踪方法。利用模式分类准则计算最优聚类数, 然后根据最优聚类数采用k-均值方法进行多次聚类。根据聚类结果计算熵矢量和距离矢量, 组合得到特征矢量, 利用特征矢量进行匹配跟踪。匹配采用简单的相似性准则, 实时模板更新算法为多模更新。测试结果表明, 该算法针对不同的目标能自适应地选择聚类参数, 在目标发生几何变化时, 能实现精确稳定的跟踪。     

基于在线学习的压缩模版的目标跟踪算法

利用压缩感知(CS)矩阵建立压缩特征模版,通过在 线学习,实现一种更高效的目标跟踪算法。首先利用符 合有限等距性质的随机感知矩阵,取得跟踪目标表面特征的压缩模板;然后利用模板匹配 确定目标区域, 同时在跟踪过程中在线学习目标外观变化,并以此更新目标模板。采用了局部模板更新策略 ,使目标模板 更为准确,更能体现目标的变化状况。采用了模板匹配的确定性跟踪方法,大大减少了大量 正负样本的采 样,降低了算法复杂度。实验结果表明,与压缩跟踪(CT)算法相比,本文的基于在线学习的 压缩模版跟踪算法在时间性能 上有了明显提升,采用Kalman滤波器加速跟踪可提高6倍以上的时间性能,在多个标准测 试序列中的跟踪成功率也有了明显提高,有效地防止了跟踪中的漂移现象。     

以一种新的距离度量作为反馈的相关跟踪方法

基于相关的模板匹配方法在图像跟踪中得到了广泛的应用,但是这种方法的主要缺点是对图像噪声非常敏感,而且由这种方法得出的相关曲面比较平坦。为了有效抑制噪声和局部遮挡对图像的影响,提出用鲁棒统计中的一个值代替相关值作为距离度量。它不是计算两幅图像的对应像素差值,而是计算两幅图像中差别不大的对应像素对的个数。实验证明这样得到的曲面相对　　收稿日期:2003 08 31;　修订日期:2003 10 28作者简介:张桂林(1944 ),男,天津人,教授,博士生导师,主要研究方向为自动识别、人体生物统计特征识别、图像处理算法与系统性能评估等。　　　　　　　要尖锐得多。当上述的距离度量应用于跟踪过程中时,模板的合理更新对跟踪非常重要。基于上述的距离度量方法,提出了一种新的模板更新策略。利用两幅图像中近似像素在整修匹配模板像素中所占的比例大小决定加权系数。这种加权策略可以自适应地根据图像序列的变化选择更新相关模板,同时在一定程度上减小模板漂移的危险。     

Fast Template Matching Based on Normalized Cross Correlation With Adaptive Multilevel Winner Update

In this paper, we propose a fast pattern matching algorithm based on the normalized cross correlation (NCC) criterion by combining adaptive multilevel partition with the winner update scheme to achieve very efficient search. This winner update scheme is applied in conjunction with an upper bound for the cross correlation derived from Cauchy-Schwarz inequality. To apply the winner update scheme in an efficient way, we partition the summation of cross correlation into different levels with the partition order determined by the gradient energies of the partitioned regions in the template. Thus, this winner update scheme in conjunction with the upper bound for NCC can be employed to skip unnecessary calculation. Experimental results show the proposed algorithm is very efficient for image matching under different lighting conditions.     

地面复杂场景图像相关跟踪算法研究

提出了一种性能良好的快速图像相关跟踪算法，利用视频图像序列帧间及帧内的相关性，采用空间及灰度多尺度分解算法，减少匹配算法的运算量和提高目标定位精度，建立相关跟踪置信度评估、模板自适应刷新、相似目标辨识等准则，有效地提高目标跟踪的稳定性和鲁棒性。实验结果表明，该算法能够较好地实现各种复杂场景条件下的目标稳定跟踪。     

一种快速目标检测跟踪方法研究与实现

阐述目标检测跟踪详细过程,提出一种近距离复杂背景下使用快速模板匹配方法对运动目标检测跟踪的方法。该方法针对目标的环境,利用高斯-拉普拉斯滤波器预处理,进而对相邻图像的差分图像获取和识别运动目标中心和区域大小,然后利用相关匹配算法并结合改进的十字搜索法对目标进行快速持续的检测跟踪。实验表明该方法是有效的。     

基于互信息和自适应模板更新的目标跟踪算法

基于归一化互信息的图像目标跟踪算法,在目标发生刚体旋转,出现遮挡或光照条件发生变化时具有较好的稳定性。但是,实用的跟踪系统还要求算法能实时适应运动目标的外观变化,因此,在对归一化互信息跟踪算法研究的基础上,引入基于多尺度图像信息量的模板尺寸自适应更新策略。实验结果证明,改进的跟踪算法,在目标尺寸变化时能够自适应更新模板...     

Robust real-time ship detection and tracking for visual surveillance of cage aquaculture

This paper presents a visual surveillance scheme for cage aquaculture that automatically detects and tracks ships (intruders). For ship detection and tracking, we propose a robust foreground detection and background updating to effectively reduce the influence of sea waves. Furthermore, we propose a fast 4-connected component labeling method to greatly reduce the computational cost associated with the conventional method. Wave ripples are removed from regions with ships. An improved full search algorithm based on adaptive template block matching with a wave ripple removal is presented to quickly, accurately, and reliably track overlapping ships whose scales change. Experimental results demonstrate that the proposed schemes have outstanding performance in ship detection and tracking. The proposed visual surveillance system for cage aquaculture triggers an alarm if intruders are detected. The security of cage aquaculture can be increased. The proposed visual surveillance can thus greatly help the popularization of cage aquaculture for ocean farming.