基于偏微分方程的动态目标跟踪算法设计与应用

摘要

本文首先总结了目标跟踪的基本模型和方法，着重研究了近几年来基于偏微分方程的主动轮廓方法，主要包括水平集方法、测地线活动轮廓模型以及Mumford-Shah模型。 本文的算法结合了传统的光流评价方法和水平集框架的跟踪方法，同时考虑了目标的概率、目标的边缘能量以及轮廓的长度项能量，参考Song的快速扫描算法提出了改进的快速扫描算法，降低了计算复杂度，减少了迭代次数。试验结果表明该方法能够较为准确的跟踪选定的目标。

目录

文摘

英文文摘

声明及学位论文使用授权声明

1绪论

1.1本课题的理论意义和应用价值

1.2视觉跟踪国内外研究动态

1.3基于偏微分方程(PDE)的图像处理研究动态

1.4论文研究的主要内容

2基于PDE的图像分析经典算法综述

2.1水平集(level set)表示

2.1.1基本概念

2.1.2 level set的经典数值解法

2.1.3重新初始化水平集函数

2.2测地线活动轮廓模型

2.3基于Mumford-Shah模型的图像分割

2.3.1基本的Mumford-Shah分割模型

2.3.2无需边缘的活动轮廓模型

2.3.3多相的M-S模型图像分割方法

2.4小结

3传统的运动目标跟踪方法

3.1差分运动分析方法

3.2光流

3.2.1光流的基本约束方程

3.2.2光流的计算技术

3.3卡尔曼滤波

3.3.1 Kalman滤波理论

3.3.2离散模型卡尔曼滤波基本方程

3.3.3基于Kalman滤波的跟踪算法

3.4粒子滤波

3.4.1问题描述

3.4.2蒙特卡洛方法

3.4.3粒子滤波算法描述

3.4.4在视觉跟踪上的应用

3.5主动形状模型

3.5.1蛇形(snake)

3.5.2变形模板

3.5.3动态轮廓

3.6小结

4基于光流估计及M-S模型的运动目标跟踪

4.1本文跟踪算法的基本思想

4.2使用光流估计评价目标及背景概率

4.3使用level set构架最小化跟踪能量

4.4用以最小化能量函数的扫描算法

4.4.1 Song的快速算法

4.4.2改进的快速扫描算法

4.5算法实现

4.6结果与分析

4.6.1实验结果

4.6.2实验结果分析

4.7小结

5结束语

致谢

参考文献