基于分形与GVF Snake的目标检测及KLT跟踪技术研究

摘要

本文进行了运动目标自动检测、识别和跟踪的相关算法研究，以便为可见光电视导引头提供相关技术支持。主要内容如下:
　　第一，针对人造目标图像检测，提出了基于分形理论和改进梯度向量流(GVF)动态轮廓(Snake)模型的算法。该算法应用微分计盒快速算法确定Snake初始轮廓，基于改进GVF模型确定目标真实轮廓。实验表明，该算法克服了其他分形算法逐点扫描效率低的缺陷，并较好地从自然背景中提取了目标图像的轮廓。
　　第二，首先研究了目标图像的特征提取方法，在分析人造目标特点的基础上，选取轮廓、仿射不变矩与Hu不变矩特征。其次，研究了支持向量机分类器算法原理、分类、特点以及核函数的选取。最后，对飞机与坦克人造目标运用支持向量机分类器分类识别。实验表明该分类器识别率高，鲁棒性强。
　　第三，深入研究了KLT运动目标跟踪算法，为提取高跟踪精度，将金字塔算法成功引入特征点跟踪算法中;针对跟踪过程中特征点丢失问题，改进了特征点提取算法。最后，将改进的KLT跟踪算法移植到TMSDM642处理器中，并从DSP硬件及软件层面出发进行了相应的优化。通过实验验证了移植算法的可靠性。
　　本文对运动目标检测与跟踪算法进行了深入的研究，并将跟踪算法成功移植到DSP中，实现了稳定、可靠的运动目标检测与跟踪试验。

目录

声明

摘要

1 绪论

1．1 研究背景及意义

1．2 课题国内外研究现状

1．2．1 目标检测方法研究现状

1．2．2 目标识别方法研究现状

1．2．3 目标跟踪方法研究现状

1．3 主要研究内容

2 目标检测算法

2．1 常用的目标检测算法

2．1．1 差分法

2．1．2 自适应阈值分割

2．1．3 模块匹配法

2．1．4 混合高斯模型

2．2 基于改进Snake模型的目标检测算法

2．2．1 引言

2．2．2 分形基础

2．2．3 Snake模型

2．2．4 GVF Snake模型

2．2．5 基于分形和GVF Snake模型的目标检测快速算法

2．3 实验结果与分析

2．3．1 实验结果

2．3．2 效率分析

2．3．3 时间复杂度分析

2．4 本章小结

3 目标的特征提取与分类识别

3．1 目标特征提取

3．1．1 轮廓特征

3．1．2 仿射不变矩

3．1．3 Hu不变矩特征

3．2 支持向量机算法简介

3．2．1 线性可分支持向量机

3．2．2 线性不可分支持向量机

3．2．3 非线性可分支持向量机

3．2．4 支持向量机核函数

3．2．5 支持向量机的特点

3．3 基于SVM的人造目标分类实现

3．3．1 分类器设计

3．3．2 实验结果与分析

3．4 本章小结

4 KLT目标跟踪算法及在DSP中的实现

4．1 引言

4．2 KLT跟踪算法原理

4．2．1 特征点检测

4．2．2 特征点跟踪

4．2．3 算法伪代码

4．3 DSP开发平台

4．3．1 DSP的特点

4．3．2 DM642硬件设计

4．3．3 开发环境CCS以及DSP／BIOS简介

4．4 跟踪系统设计

4．4．1 系统软件模块框架图

4．4．2 视频输入程序设计

4．4．3 视频输出程序设计

4．4．4 KLT跟踪算法流程图

4．5 KLT算法在DSP中的系统优化

4．5．1 合理设计数据类型

4．5．2 软件流水

4．5．3 消除存储器相关性

4．5．4 库函数的调用

4．5．5 存储器优化

4．6 实验结果分析

4．7 本章小结

5 总结与展望

5．1 工作总结

5．2 展望

致谢

参考文献

附录