基于分形與GVF Snake的目標(biāo)檢測(cè)及KLT跟蹤技術(shù)研究.pdf

1、本文進(jìn)行了運(yùn)動(dòng)目標(biāo)自動(dòng)檢測(cè)、識(shí)別和跟蹤的相關(guān)算法研究，以便為可見(jiàn)光電視導(dǎo)引頭提供相關(guān)技術(shù)支持。主要內(nèi)容如下:
　　第一，針對(duì)人造目標(biāo)圖像檢測(cè)，提出了基于分形理論和改進(jìn)梯度向量流(GVF)動(dòng)態(tài)輪廓(Snake)模型的算法。該算法應(yīng)用微分計(jì)盒快速算法確定Snake初始輪廓，基于改進(jìn)GVF模型確定目標(biāo)真實(shí)輪廓。實(shí)驗(yàn)表明，該算法克服了其他分形算法逐點(diǎn)掃描效率低的缺陷，并較好地從自然背景中提取了目標(biāo)圖像的輪廓。
　　第二，首先研究了目

2、標(biāo)圖像的特征提取方法，在分析人造目標(biāo)特點(diǎn)的基礎(chǔ)上，選取輪廓、仿射不變矩與Hu不變矩特征。其次，研究了支持向量機(jī)分類(lèi)器算法原理、分類(lèi)、特點(diǎn)以及核函數(shù)的選取。最后，對(duì)飛機(jī)與坦克人造目標(biāo)運(yùn)用支持向量機(jī)分類(lèi)器分類(lèi)識(shí)別。實(shí)驗(yàn)表明該分類(lèi)器識(shí)別率高，魯棒性強(qiáng)。
　　第三，深入研究了KLT運(yùn)動(dòng)目標(biāo)跟蹤算法，為提取高跟蹤精度，將金字塔算法成功引入特征點(diǎn)跟蹤算法中;針對(duì)跟蹤過(guò)程中特征點(diǎn)丟失問(wèn)題，改進(jìn)了特征點(diǎn)提取算法。最后，將改進(jìn)的KLT跟蹤算法移植到