復(fù)雜背景下紅外圖像目標(biāo)跟蹤方法研究.pdf

1、在圖像處理領(lǐng)域，視頻序列中運動目標(biāo)的分割與跟蹤是一個被廣泛研究的熱點，本論文將研究對象定位為復(fù)雜背景下一個運動目標(biāo)的跟蹤問題。首先列舉并分析了常用的跟蹤算法，重點研究了基于差分法、模板匹配法、基于Snake的輪廓跟蹤三種目標(biāo)跟蹤算法。 差分法作為一個十分常用的算法，在很多領(lǐng)域有著廣泛的應(yīng)用。具有算法簡單，易實現(xiàn)的優(yōu)點。差分法并不是一個優(yōu)秀的算法，在跟蹤過程中遇到了很多問題，主要是噪聲干擾不易被消除，導(dǎo)致跟蹤誤差比較大。通過對算法

2、進(jìn)行相應(yīng)的修改后，跟蹤精度有了一定的提高，但在復(fù)雜背景條件下，差分法往往不能準(zhǔn)確跟蹤目標(biāo)。 模板匹配法是一個優(yōu)秀的跟蹤算法。它在算法方面比較成熟，雖然沒有差分法簡單，但運算效率還能接受。在復(fù)雜背景條件下往往可以取得較高的跟蹤精度。在基本模板匹配的基礎(chǔ)上，研究了自適應(yīng)模板的匹配方法，進(jìn)一步提高了跟蹤精度。結(jié)合基于目標(biāo)的檢測與主動輪廓模型分割目標(biāo)的優(yōu)點，研究了基于模板匹配的運動目標(biāo)分割與跟蹤算法，通過對圖像的試驗得到了很好的效果。

3、 基于Snake的輪廓跟蹤具有算法簡單，易實現(xiàn)的優(yōu)點。但是，基本主動輪廓線模型存在嚴(yán)重的缺陷，無法提取凹陷的目標(biāo)輪廓。GVF模型有傳統(tǒng)模型無法相比的優(yōu)點，GVF snake改進(jìn)了一般變形模型無法進(jìn)入凹形區(qū)域，作用范圍小的弊病。本文研究了基于GVF snake模型的目標(biāo)分割與跟蹤算法，實驗結(jié)果表明，基于GVF snake模型的目標(biāo)分割與跟蹤算法能較好地跟蹤動態(tài)目標(biāo)。 通過對比和分析三種目標(biāo)跟蹤算法，實驗結(jié)果表明，基于GVF