海背景下弱小運動目標(biāo)的檢測和跟蹤研究.pdf

1、運動目標(biāo)檢測與跟蹤涉及到計算機圖像處理、視頻圖像處理、模式識別、以及人工智能等諸多領(lǐng)域，廣泛地應(yīng)用于軍事、工業(yè)、生活等各個方面。 本文主要針對動態(tài)背景下，尤其是復(fù)雜海背景下的弱小運動目標(biāo)，包括可見光情況和紅外情況下的跟蹤進行了研究。研究內(nèi)容主要分為三個部分：圖像預(yù)處理、運動目標(biāo)的檢測和運動目標(biāo)的跟蹤及預(yù)測。 圖像預(yù)處理方面，總結(jié)并比較了?？毡尘胺指罘椒?，提出了結(jié)合大津法的Hough變換來提取海天線，利用中值濾波抑制噪聲，

2、采用最大類間方差法對圖像進行預(yù)分割，在邊緣檢測的基礎(chǔ)上進行Hough變換檢測海天線，這是一種針對可見光和紅外情況下的海天線檢測算法，能較好的檢測出背景變化復(fù)雜，低信噪比情況下可見光以及紅外圖像中的海天線。 運動目標(biāo)檢測方面，針對?？毡尘跋履繕?biāo)圖像的灰度分布特點，針對最大類間方差法的不足，提出基于自動搜索谷底的快速閾值分割法，結(jié)合中值濾波和高斯平滑抑制前景，較好的分離了前后景，去除了大量的海雜波，尤其是去除了大部分高亮度的天空背景

3、，減少了計算量，提高了后續(xù)的檢測效率；再結(jié)合形態(tài)學(xué)運算，較好的提取出了目標(biāo)；在對目標(biāo)定位檢測時，借助海天線檢測的結(jié)果，利用形心檢測來定位。實驗結(jié)果表明，對可見光圖像和紅外圖像都有良好的適應(yīng)性。 運動目標(biāo)的跟蹤方面，介紹了基于meanshift的camshift算法，并進行了實驗分別作了比較。最后提出了camshift結(jié)合kalman改進算法進行跟蹤，很好的解決了camshift算法跟蹤中有大型遮擋物或與同色系非微小的物體互相重疊