航拍图像中兴趣目标的锁定与跟踪技术研究

摘要

航拍图像中兴趣目标的检测和跟踪是近十几年来计算机视觉领域研究的热点。航拍无论是在民用还是军用上都有着广大的发展前景，如地震调查、应急救灾、核辐射探测、军事侦察、保钓活动等。在一般的航拍视频下，都会形成目标与摄像机的相对运动，由于两者同时都在动导致所得图像存在着不规则的背景运动而变成动态背景，很难在复杂背景下有效地检测到兴趣目标的实际运动状态。所以传统静态背景下的目标检测跟踪技术不能应用在航拍中。此外，航拍视频中存在载具随机运动严重，取景范围广、目标特征少、目标小且假目标多等特点，图像质量极容易受到噪声和外界环境等干扰，这都加大了对目标跟踪检测的难度。所以，研究航拍视频图像中兴趣目标检测和跟踪技术是非常具有前瞻性和挑战性的。本文的工作简述如下:
　　针对航拍图像中航拍载具和目标同时运动的特点，在选取特征点的基础上采用合适的匹配算法完成了特征匹配，结合去除外点误匹配算法，准确快速地完成了背景运动补偿。背景补偿得到解决后，采用帧差法检测运动状态，为了去除假目标和噪声的干扰，利用形态学滤波的相关技术进一步完成对兴趣目标的精确检测。之后研究了均值漂移及其先验理论知识，在传统Mean-Shift算法基础上，采用了优化的目标模型，并对目标模型进行局部有效更新来增强实时性。学习了粒子滤波及其先验理论知识，掌握了粒子滤波跟踪技术的几个关键要素，即如何在目标中心寻找各粒子位置、权重和每个粒子状态，然后选用合适的方法对目标建模。这里我们融合粒子滤波和Mean-Shift算法，运用均值漂移的更新模板选取最有效的粒子群，根据航拍视频图像的变化自适应调节粒子数量，这样既可以提高跟踪效率又不失抗干扰性，最后实现对目标的跟踪。

目录

摘要

第一章 绪论

1．1 课题研究背景和意义

1．2 运动目标检测与跟踪概述

1．3 研究现状与难点

1．3．1 目标检测

1．3．2 目标跟踪

1．4 本文的工作与创新

第二章 基于全局运动补偿的动态背景下兴趣目标的检测

2．1 引言

2．2 基于运动建模的全局运动估计

2．2．1 平移运动参数模型

2．2．2 仿射运动参数模型

2．2．3 投影运动参数模型

2．2．4 双线性运动参数模型

2．2．5 求解全局运动参数

2．3 特征点的选取与匹配

2．3．1 角点简介

2．3．2 改进的角点算法

2．3．3 提取角点实验结果对比

2．3．4 特征点匹配

2．3．5 去除误匹配算法的改进

2．3．6 全局运动补偿

2．3．7 运动目标的检测

2．4 实验结果

2．5 本章小结

第三章 基于均值漂移的运动目标快速跟踪算法

3．1 运动目标跟踪算法简述

3．2 Mean-Shift算法的基本理论

3．3 基于Mean-Shift算法的目标跟踪

3．3．1 目标模型和候选模型的建立

3．3．2 相似性度量函数

3．3．3 目标位置确定

3．3．4 均值漂移跟踪的步骤

3．4 改进的Mean-Shift运动目标跟踪算法

3．4．1 整体模型更新算法

3．4．2 选择性模型更新算法

3．5 实验结果

3．6 本章小结

第四章 抗遮挡Mean-Shift跟踪算法

4．1 引言

4．2 粒子滤波的介绍

4．2．1 贝叶斯滤波原理

4．2．2 粒子滤波及其跟踪算法

4．3 融合粒子滤波和Mean-Shift的动态目标跟踪

4．4 实验结果及分析

4．5 本章小结

第五章 总结与展望

5．1 本文总结

5．2 本文展望

致谢

参考文献

作者简介

攻读硕士学位期间研究成果

声明