复杂背景中移动目标的快速识别与跟踪

本文提出一种基于差值的在复杂背景中快速识别和跟踪移动目标的方法。文章总结了关于移动物体连续两帧图像的特点，在图像对比中利用它们空间位移上的相对变化，确定了一套实用的算法，并在程序中改进了像素灰度的读取方式，从而使整套方法显得更加切实而有效。实验表明，本文算法在复杂背景下．对于移动目标识别快速，跟踪准确，抗干扰能力强。     

移动目标的快速识别算法

本文针对现有技术中存在的问题提出一种对复杂背景下的多个移动物体进行目标快速识别与跟踪的复合算法。该算法中采用对连续图像进行差影计算来确定移动目标区域，从而能去除复杂背景干扰，可以明显提高目标识别的速度和准确率。该系统已被实验证明其有效性和实用性．可广泛应用于监测与识别系统，也可应用于无人监控．无人自主操作等各种领域。本文中所提到的算法现为国家某重点项目中的关键技术。     

数字图像中边缘算法的实验研究

边缘检测是图像处理、计算机视觉中的基础内容．也是至今仍未得到圆满解决的一类。目前图像处理大多数都是针对数字图像，本文对数字图像中几种具有代表性的边缘检测算法进行了理论分析，并通过编程实验，对各种算法进行实现，通过比较得出了各自的优缺点和适用范围。     

基于NMI特征的目标识别与跟踪

本文提出一种全新的图像分割方法——连通线多级切割方法，并在此基础上建立图像NMI特征的目标识别与跟踪算法。文章给出了运用连通线多级切割方法实现阈值求取、图像分割、目标识别与跟踪的技术技巧。通过实验验证了NMI特征的缩放不变性、旋转不变性和平移不变性以及不同物体的NMI特征差异，表明本文算法具有良好的实时性和精确的目标识别与跟踪效果。     

图像特征识别方法研究

图像特征识别的方法及其技术实现系当前模式识别研究领域中最为热门的研究课题之一。本文针对NMI(归一化转动惯量)特征识别、不变矩特征识别和比例特征识别三种图像特征识别方法．通过实验分析了该三种识别方法的缩放不变性、旋转不变性、平移不变性以及不同物体之间的特征差异。实验数据显示NMI特征识别方法具有最佳的识别效果和最快的处理速度。