电视跟踪系统中运动目标的实时检测与识别

摘要

本论文的研究内容主要包括图像预处理、目标运动信息提取、图像分割、目标识别几个部分:首先采用中值滤波对图像进行预处理,提高了图像的质量;然后采用基于序列图像差分的邻域比较方法获取目标的运动信息,在图像分割中采用了由粗到精的两步分割的策略.特别地,在目标精分割中,本论文提出了一种基于一维最大类间方差和区域生长法的新的分割算法,算法中对区域生长法作了改进,本论文还根据系统的不同工作状态,提出了一种以特征匹配为主,模板相关匹配为辅的识别算法,并构建了一个三次型非线性的识别置信度函数,实现了各种状态下对目标的自适应判决识别,使系统在计算量尽量少的条件下,具有较高的目标识别率及较低的目标虚警率.另外,为提高系统的实时性、识别精度和跟踪稳定性,本论文还采取了多种有效的策略,如:相似目标辨识、特征参数模型及模板自适应刷新、自适应波门.

目录

文摘

英文文摘

1绪论

1.1电视跟踪系统现状及本课题的目的和意义

1.2自动目标识别与跟踪技术现状及发展

1.3本课题研究的内容及难点

1.4论文内容安排

2运动目标检测、识别的算法设计及策略

2.1算法设计思路

2.1.1导弹图像的目标及背景特征

2.1.2目标识别、跟踪系统的实际工作状态分析及转换条件

2.1.3本系统识别跟踪算法程序流程

2.2不同状态下的自适应目标识别策略及程序流程

2.2.1搜索状态的目标识别策略

2.2.2捕获状态的目标识别策略

2.2.3跟踪状态的目标识别策略

2.2.4记忆跟踪状态下的目标识别策略

2.3提高识别精度和跟踪稳定性的策略

3图像预处理

3.1预处理的必要性

3.2中值滤波的原理

3.3实时中值滤波快速算法的实现

3.4预处理结果与分析

4运动目标的检测与分割

4.1常用运动目标检测算法分析比较

4.2运动目标的初步分割

4.2.1目标搜索过程中可能目标的区域提取

4.2.2其它状态下运动目标初始估计区的提取(单帖目标分割)

4.3目标精分割的实现

4.3.1目标精分割的情况分析

4.3.2聚类搜索可能目标的区域形心

4.3.3可能的运动目标的区域精分割

4.3.4目标的精分割实验结果与分析

5自适应目标识别的实现

5.1目标特征匹配(精匹配)与识别

5.1.1特征匹配算法的基本原理

5.1.2目标特征参数模型的建立

5.1.3目标的分类识别

5.2模板相关匹配(粗匹配)与目标粗定位

5.2.1模板相关匹配的基本原理

5.2.2基于模板相关匹配的目标粗定位

5.2.3目标灰度模板的建立

5.3目标的特征参数模型及灰度模板的自适应更新

5.4目标检测与识别实验结果与分析

6总结与改进

6.1工作总结

6.2改进方向

致 谢

参考文献

附录：作者在攻读硕士期间完成的论文情况

独创性声明及学位论文版权使用授权书