基于小波理論的目標(biāo)檢測(cè)與快速目標(biāo)跟蹤算法研究.pdf

1、本文通過對(duì)圖像處理領(lǐng)域中自動(dòng)目標(biāo)識(shí)別技術(shù)以及快速目標(biāo)跟蹤算法的研究，找出一種切實(shí)可行的辦法來解決目前靶場(chǎng)設(shè)備跟蹤系統(tǒng)存在的一些問題。 在目標(biāo)檢測(cè)的算法研究方面，本文從檢測(cè)效果、運(yùn)行時(shí)間和算法實(shí)現(xiàn)難度等方面考慮，選用curvelet變換進(jìn)行圖像增強(qiáng)和噪聲濾除，同時(shí)結(jié)合小波變換進(jìn)行邊緣檢測(cè)，以達(dá)到準(zhǔn)確檢測(cè)目標(biāo)的目的。實(shí)驗(yàn)結(jié)果表明，在圖像增強(qiáng)和去噪效果方面，curvelet變換的效果要大大優(yōu)于其他同類方法，特別是在噪聲嚴(yán)重的情況下cu

2、rvelet變換優(yōu)越性更為顯著。 本文研究了基于小波變換的形狀匹配算法，并針對(duì)小波表達(dá)的起始點(diǎn)問題，引入了Zernike矩，提出一種起始點(diǎn)無關(guān)的小波系數(shù)形狀匹配算法。算法首先對(duì)輸入圖像進(jìn)行預(yù)處理后提取目標(biāo)輪廓，生成具有平移、尺度不變的形狀鏈狀表達(dá)，并通過小波變換進(jìn)行多尺度分析。然后計(jì)算各個(gè)尺度下的各階Zernike矩，來解決小波變換的起始點(diǎn)問題，實(shí)現(xiàn)形狀表達(dá)的旋轉(zhuǎn)不變性。實(shí)驗(yàn)結(jié)果表明該算法適用于輪廓較明顯的目標(biāo)，同時(shí)具有速度快、

3、精度高、魯棒性強(qiáng)的優(yōu)點(diǎn)。 提出一種基于遺傳算法的快速相關(guān)跟蹤算法。針對(duì)圖像數(shù)據(jù)的特點(diǎn)，采用新的編碼方式，定義了新的交叉和變異算子。采用抽樣法的初始化種群方式，并引入競(jìng)爭(zhēng)進(jìn)化策略，減少了迭代次數(shù)，有效降低了計(jì)算量。實(shí)驗(yàn)結(jié)果證明，在保證匹配精度的同時(shí)，該算法比原始算法在計(jì)算時(shí)間降低100多倍。 針對(duì)傳統(tǒng)相關(guān)跟蹤算法中存在的一些問題，在分析多種模板更新算法的基礎(chǔ)上，提出一種基于直方圖信息的模板更新策略。同時(shí)，利用kalman濾