基于模板修正和自适应Kalman预测的刚性目标跟踪

目前在远景刚性目标的跟踪中,由于长序列图像具有亮度动态范围大及背景噪声大的特点,当前模板的尺寸和位置往往不能有效代表目标,从而使目标的预测和相关搜索产生误差累积;另外,Kalman预测常因过程噪声与模型不匹配使其对机动目标跟踪适应性差.对上述问题进行研究提出了一种基于区域增长的模板修正方法,并对Kalman预测中过程噪声自适应的方法进行了仿真.结果表明,这种新的模板修正方法具有良好的尺寸及位置自适应能力和抗背景噪声能力,而且过程噪声的自适应也有效提高了Kalman预测的准确度,对目标跟踪具有指导作用.     

多传感器图像的二次匹配算法

针对光学图像的多光谱、多传感器图像的自动配准,提出了一种基于边缘重心的多传感器图像二次匹配算法.首先,通过边缘检测和相应的后期链接处理,提取出较为完整的图像边缘;然后,根据图像边缘的链码相关以及区域不变矩策略,寻找匹配边缘,并对已匹配边缘的重心进行一致性检验获得控制点对;最后,采用最小二乘法估计图像粗匹配变换参数.在粗匹配的基础上,根据匹配后图像共有区域内边缘的主要方向和重心,再次对图像进行细匹配,修正匹配参数以提高匹配精度.多种遥感图像数据的配准实验和对比试验证实了该自动算法具有较高的可靠性和配准精度.     

Hausdorff匹配快速检测PCB基准标记

提出一种单向平均的修正Hausdorff距离匹配检测印刷电路板(PCB)基准标记(mark)的方法。将检测图像的边缘图转化为Voronoi图,在Voronoi图上移动mark模板,取得最小Hausdorff距离的位置,即最佳匹配位置。由mark实际尺寸计算mark模板,并用Canny算子检测边缘,以提高检测精度。对检测图像进行阈值变换和区域面积分割,获取mark大概位置,缩小检测范围,并用模板来计算Voronoi图和采取粗细间隔的mark模板移动策略,以提高检测速度。在全视觉贴片机SMT2505上应用表明,Mark中心定位、角度偏移统计检测误差和检测时间分别小于1 pixel、0.3°和60 ms,满足了高速、高精度和强鲁棒性的检测要求。     

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。     

基于电子图纸模板的钣金件快速视觉定位技术

结合CAD,提出了一种基于电子图纸的钣金件快速视觉定位技术。依据CAD的俯视图得到钣金件的边缘轮廓模板，同时搜索钣金图像金字塔进行模板匹配，从而提高了模板匹配的速度。针对边缘不清晰及边缘不完整等问题，以内轮廓为模板，依据内轮廓的相对位置关系求取工件中心点，得到钣金件方位的精确值。最后实验验证该方法的准确率和稳定性，误差在4mm内，满足工业生产需求。     

任意指定地面复杂场景图像目标的去均值相关跟踪算法

本文通过对相关系数作为相似性度量准则的匹配跟踪算法的改进,提出了去均值相关跟踪算法,采用网格搜索法进行粗匹配,以邻域法进行精匹配,减少了算法的计算量,满足机载成像光电吊舱系统目标跟踪的实时性要求。提出了自适应模板更新方法和修正的自适应模板更新方法,并对这两种方法进行仿真比较,实验表明,修正的自适应模板更新方法具有更高的跟踪精度和更好的跟踪稳定性。     

基于双目CCD测距的目标图像匹配算法研究

为了实现高精度的远距离双目CCD被动测距,提出改进的互相关匹配算法与三次曲面拟合算法,对双目CCD拍摄的两幅图像进行亚像素级匹配。介绍了双目测距系统的测距原理;进行测距图像的匹配操作,提出基于模板的灰度互相关算法,根据互相关运算的结果,提出亚像素级匹配算法,即采用三次曲面拟合方法,拟合出相关峰的亚像素级坐标;对测距实验结果进行误差分析,并修正系统误差的计算公式。实验表明,3 km以内的目标实际测量精度优于0.5%,满足高精度双目测距的精度要求。     

基于模板的低信噪比前视红外建筑物识别技术

针对低信噪比复杂地物背景下的前视红外地面建筑物目标自动识别问题,提出了一种基于目标模板的自动目标识别方法。首先,根据制备模板的尺度和形状信息对实时图像进行形态学背景抑制增强和目标重构处理;然后,对重构后的图像进行垂直和水平边缘线条提取和轮廓匹配,融合垂直和水平线条匹配结果得到最终的相关峰和潜在目标区域;接着,根据目标模板对潜在目标区域进行区域灰度对比度度量;最后,融合轮廓匹配和区域灰度对比度度量结果,得到最终相关峰,实现目标的识别。大量数据测试表明,该方法的正确识别率在92%以上,定位误差小于2个像素,速度快、检测性能好、适应性较强、易于硬件实现。      

基于序列检测的行人导航航向误差修正算法研究

针对行人自主定位MEMS惯性器件存在随时间累积的漂移误差导致航向发散的问题,提出一种有步态约束(转弯0°,90°或180°)的序列检测方法。通过训练行人不同的步行行为数据得到步态序列模板,根据所匹配模板下的航向约束实时地修正航向漂移误差。为了验证算法的有效性,在室内结构规则化的走廊进行多次行走实验,行走路程为500 m,实验结果表明,所提方法可以有效地抑制行人导航航向发散的现象,定位误差约为总路程的0.7%。     

基于灰色关联分析的图像匹配方法

针对图像匹配正确率的问题,在研究灰色关联理论的基础上,提出了基于灰色关联分析的匹配方法,找出模板图像在待匹配图像中的最佳匹配位置。通过计算图像直方图的灰关联度及边缘点集间的Hausdorff距离,从图像的灰度分布和形状特征两方面来验证了定位的准确性。实验采用了多张不同的图片进行图像匹配,实验结果表明了该算法的有效性和良好的匹配效果,具有匹配效率高、匹配误差小等特点。     

Edge-aware object pixel-level representation tracking

Recently, there has been a trend in tracking to use more refined segmentation mask instead of coarse bounding box to represent the target object. Some trackers proposed segmentation branches based on the tracking framework and maintain real-time speed. However, those trackers use a simple FCNs structure and lack of the edge information modeling. This makes performance quite unsatisfactory. In this paper, we propose an edge-aware segmentation network, which uses the complementarity between target information and edge information to provide a more refined representation of the target. Firstly, We use the high-level features of the tracking backbone network and the correlation features of the classification branch of the tracking framework to fuse, and use the target edge and target segmentation mask for simultaneous supervision to obtain an optimized high-level feature with rough edge information and target information. Secondly, we use the optimized high-level features to guide the low-level features of the tracking backbone network to generate more refined edge features. Finally, we use the refined edge features to fuse with the target features of each layer to generate the final mask. Our approach has achieved leading performance on recent pixel-wise object tracking benchmark VOT2020 and segmentation datasets DAVIS2016 and DAVIS2017 while running on 47 fps. Code is available at https://github.com/TJUMMG/EATtracker.     

A visual servoing system for edge trimming of fabric embroideries by laser

This paper describes a position-based visual servoing system for edge trimming of fabric embroideries by laser. The high-speed vision system, based on a 220 Hz digital camera and the TMS320C40 parallel DSP processor is presented, and the novel image processing algorithm developed for seam tracking applications is briefly explained. Two methods for seam trajectory generation are discussed. In the first method the tracking trajectory is determined only by using the vision data; in the second method, which is suitable for periodic patterns, the predetermined path data is modified by the vision data. A tracking controller using a feedforward controller in the tangential direction of the seam and a feedback controller in the normal direction is described. The custom built manipulator is a four-axis velocity controlled gantry robot with independent PID controllers for each axis. The axes’ reference speeds are commanded and updated by the top-level tracking controller in equal time intervals. The gantry controller program runs on a Pentium PC. The experimental results in edge trimming of different seam patterns are presented.     

改进的KCF红外空中目标跟踪方法

针对红外空中目标跟踪中遮挡导致的跟丢问题,结合核相关滤波跟踪算法(KCF)无法跟踪尺度的缺点,提出一种基于KCF的红外空中目标跟踪方法。该方法借助KCF估计的目标位置,增加Sobel算子提取目标扩展区域的边缘信息,从而获取目标尺度并进行二次定位。然后,判断目标是否受遮挡或跟丢,采用帧差法重新检测目标,确保目标的持续跟踪。在7个视频序列上对所提的算法进行了实验,结果显示,所提算法能够有效计算尺度,验证了多种环境下跟踪的有效性。平均跟踪速度达到44 f/s,能够满足实时性要求。因此,本文提出的方法对于红外空中目标的跟踪具有一定的实用意义。     

电离层色散效应对宽带BOC信号的影响

电离层色散特性导致宽带二进制偏移载波(Binary Offset Carrier,BOC)信号的码片时域波形和相关函数曲线产生畸变,影响BOC信号完好性和跟踪性能。为了评估电离层对BOC信号传输的影响,构建了宽带BOC信号的电离层影响分析框架,分析了电离层色散效应对码片时域波形和相关特性的影响,并评估了三类典型BOC信号的带内电离层色散效应在码跟踪环路和载波跟踪环路引入的偏差。研究结果表明,电离层色散效应会导致宽带BOC信号时域码片实部和虚部边缘产生抖动现象,色散信号与标准信号间的互相关函数会产生明显的相关损耗;在电离层活跃期间,电离层色散效应在码跟踪与载波相位跟踪中均引入明显的鉴别误差。该结果对BOC信号的电离层误差的评估与校正有一定的参考意义。     

一种基于主动轮廓模型的自适应模板更新算法

在目标相关跟踪过程中,由于目标的姿态、大小发生变化,所以合理地更新模板极为重要.而已有的模板更新方法都不能适应目标的姿态和大小变化.提出了一种模板更新的新方法,该方法以颜色直方图的Bhattacharyya系数为基础,来进行模板更新时机的判断.并利用主动轮廓模型算法得到目标的边缘,自适应调整模板的大小和内容,从而实现对目标在发生姿态和大小等变化下的可靠跟踪.     

基于绝对关联度的图像目标边缘提取方法

针对传统边缘检测方法对光学经纬仪实际拍摄的含噪声图像边缘检测效果不理想的问题,将灰色系统理论引入图像边缘检测,通过绝对关联分析与边缘检测算子相结合,提出一种利用二阶微分算子作为参考序列,图像像素作为比较序列,通过计算灰色绝对关联度来检测图像边缘的方法。实验结果表明,该方法与现有方法相比,边缘检测效果更好,检测的边缘清晰、连续,对噪声图像边缘的检测精度较高,抗噪声能力强。     

基于分形几何边界提取的图像跟踪方法

为了满足现代武器装备对图像跟踪系统的实时性和跟踪可靠性的双重要求,针对武器装备所跟踪目 标的特点,将基于分形几何的边界提取方法用于图像跟踪系统,提出了一种基于运动区域和边界图像的目标跟踪方 案。文中的边界提取方法不仅能提取出目标的轮廓,还能较好地保留其内部细节,这样通过模板匹配得到的最佳匹 配位置更加可靠。同时,基于运动区域的边界提取,大大减少了计算量,尤其是对于远景的目标跟踪。此外,在利 用边界图像进行匹配的基础上,采用了自适应模板更新策略,目的是尽可能地克服形变、光照等影响,使跟踪过程 准确可靠．仿真实验表明,该方法运算量小,能满足武器装备实时性的要求,并行之有效。     

专注学习时空关系的相关滤波跟踪算法

传统相关滤波跟踪算法试图引入预定义的正则项,如抑制背景学习或限制相关滤波器的学习率来提高算法的鲁棒性,但在复杂场景下还是容易发生目标跟踪丢失,因为传统相关滤波跟踪算法没有关注相邻两帧之间的信息变化。针对以上问题,本文提出专注学习时空关系的相关滤波跟踪算法,引入相邻两帧的响应图变化作为空间正则项权值的参考权重,而当前帧的响应图的振荡程度确定时间正则项权值,最后本文通过交替方向乘子法(ADMM)迭代优化本文的损失函数。通过在OTB-50、OTB-100和OTB-2013三个基准数据集上进行了实验,验证了本文算法在复杂场景下更具有鲁棒性。      

一种对空红外弱小目标检测跟踪方法研究

为了在对空中小目标打击过程中实现对目标的准确检测与跟踪,针对空中红外弱小目标信噪比低、像素点少等特点,本文基于红外视频图像,采用高斯滤波以及Top-Hat算子对图像进行预处理;利用边缘检测算法对图像中的目标进行检测与定位;根据检测得到的目标初始位置,通过核化相关滤波跟踪算法对目标持续跟踪;最后对跟踪效果做了定量评估。实验结果显示,跟踪最大视场角度误差不超过0.0062°,运行速度平均每帧可达25.3帧/s,该方法能够有效地对空中红外弱小目标进行自动检测跟踪。