复杂背景下损伤图像目标跟踪技术研究

摘要

图像处理及目标跟踪技术是军事领域的探测系统和民用领域的监控系统的关键技术。损伤图像中目标受到大噪声的干扰，信息元素部分丢失，同时复杂雾背景图像的细节信息模糊、对比度降低、颜色衰减严重。现有的图像处理算法对损伤图像进行恢复后，目标边缘轮廓等信息不够清晰。去雾模型因很少考虑到噪声的影响，去雾后图像细节模糊，容易出现色彩偏差和光晕伪影的现象。并且现有的目标跟踪算法或者对复杂场景(如:目标被遮挡、目标快速移动、背景的光照不断变化、有相似物干扰等)的适应能力有限，或者对目标某些特征的变化(如:形态变化、尺度变化、旋转变化等)比较敏感，或者因计算复杂度过大而影响系统的实时性。
　　本研究主要内容包括：⑴将基于鲁棒性主成分分析的低秩矩阵恢复方法应用到损伤图像的信息补全，并结合总广义变分和Shearlet变换的正则化方法，应用于损伤图像的去噪复原。实验分析表明，鲁棒性主成分分析结合总广义变分结合Shearlet变换的正则化方法能够有效恢复图像的丢失元素，并去除图像噪声，从而提高图像的信噪比，同时保留更多的图像细节特征。⑵深入研究雾图像成像的基本理论，分析常用的去雾算法的优缺点。新的去雾模型通过引入噪声因子，更加准确地描述复杂环境下的雾图像。提出的去雾算法在目前流行的暗通道去雾算法的基础上，引用了总广义变分与Shearlet变换相结合的正则化方法，导向滤波及自适应直方图均衡方法，从而实现了有效地去噪去雾，保持更多图像细节信息，改善信噪比，增强对比度，并提高了算法效率。⑶研究复杂场景中的目标跟踪的基本理论，技术难点，并分析常用的目标跟踪算法的性能。提出的算法通过提取目标的颜色、边缘及纹理特征，及引用相关性测量多特征的相关距离，从而提高了算法对目标描述的准确性。并且基于信息熵对多特征融合的权值进行自适应更新，提高了算法对复杂场景的适应性。同时利用时空上下文信息对目标状态进行学习预测，提高了算法对目标被遮挡时的跟踪准确性。算法适用于目标被遮挡、背景光照变化、有相似物体干扰等复杂场景下的目标跟踪。

目录

声明

缩略词表

第一章绪 论

1.1研究背景及意义

1.2国内外研究现状

1.3本文主要研究工作与内容结构安排

第二章损伤图像恢复方法研究

2.1损伤图像基本概念

2.2低秩矩阵恢复方法

2.3 TGVSH正则化恢复方法

2.4图像恢复模型求解方法

2.5实验结果与分析

2.6本章小结

第三章复杂雾背景图像恢复方法研究

3.1雾图像恢复基本概念

3.2暗通道去雾算法

3.3 TSGA去雾算法

3.4实验结果与分析

3.5本章小结

第四章复杂场景目标跟踪算法研究

4.1目标跟踪基本概念

4.2常用的目标跟踪算法

4.3 AMFC目标跟踪算法

4.4相关跟踪算法

4.5复杂雾背景实验结果与分析

4.6本章小结

第五章总结与展望

5.1全文工作总结

5.2后续工作展望

致谢

参考文献

攻硕期间取得的研究成果