頻域下的目標跟蹤方法及其在DSP中的實現(xiàn).pdf

1、本論文從兩個方向研究了頻域下的目標跟蹤測量方法。一種是基于傅里葉變換相移特征的運動分析方法，它能夠準確地估計出運動目標的平移和旋轉(zhuǎn)參數(shù)矢量。文中在傳統(tǒng)的相位相關算法基礎上提出了幾種改進的運動參數(shù)估計方法，其中基于SVD分解的相位相關算法不僅在計算量方面優(yōu)于其它算法，而且在抑制噪聲和抗遮擋等方面更顯示出良好的性能，同時為滿足系統(tǒng)實時性的要求，采用一種將二維圖像映射為一維信號的相位相關簡化算法，速度是傳統(tǒng)算法的4倍；為實現(xiàn)運動矢量的亞像素匹

2、配，提出一種基于頻域相位差信息的相位差算法，它建立起一種空域下目標位置變化與頻域下相位角變化之間的簡單線性對應關系，速度比傳統(tǒng)相位相關算法提高了8倍。用外場圖像做了相應的仿真實驗，取得了很好的實驗結(jié)果，證明了算法的有效性和實用性。 另一種頻域下的目標跟蹤方法是利用小波變換局部模極大值的邊緣檢測方法，并結(jié)合小波多分辨分析的特性在去噪和圖像增強等方面的優(yōu)勢，實現(xiàn)3％對比度下的微弱目標檢測。文中比較了三種小波局部模極大值邊緣檢測方法在

3、抗噪性、計算量及檢測效果等方面的性能以及如何針對圖像特點選取小波基，并提出一種針對不同背景的自適應閾值法，在抗噪的同時能夠檢測出更多的細節(jié)邊緣。通過仿真實驗證明了利用B樣條小波的模極大值邊緣檢測算法對空中目標、模糊目標和低對比度目標都有很好的檢測效果。也探討了把利用小波分析的圖像去噪和圖像增強方法融入到邊緣檢測中，在抑制噪聲的同時，從模糊圖像中提取出目標邊緣，將目標準確定位。 為了將復雜的小波算法應用到實時圖像測量系統(tǒng)中，研究了