基于形態(tài)學(xué)與時空上下文的小目標(biāo)檢測與跟蹤算法設(shè)計與實現(xiàn).pdf

1、目標(biāo)檢測與跟蹤是計算機(jī)視覺領(lǐng)域的主要研究課題之一，是視頻場景分析、高層語義分析等諸多后續(xù)工作的基礎(chǔ)。目標(biāo)檢測與跟蹤技術(shù)廣泛的應(yīng)用于視頻監(jiān)控、機(jī)器導(dǎo)航、智能交通、人機(jī)交互、工業(yè)檢測、醫(yī)學(xué)圖像處理及國防軍事等領(lǐng)域。
　　隨著高科技在軍事領(lǐng)域越來越廣泛的應(yīng)用，各種精確制導(dǎo)武器（如制導(dǎo)炮彈、精確制導(dǎo)導(dǎo)彈、制導(dǎo)地雷等）在現(xiàn)代戰(zhàn)爭中發(fā)揮的威力也呈現(xiàn)爆炸式的增強(qiáng)，對艦艇、雷達(dá)、指揮中心以及戰(zhàn)略要地等重點區(qū)域的安全造成了嚴(yán)重的威脅。因此，設(shè)計一種

2、有效的小目標(biāo)檢測與跟蹤系統(tǒng)對來襲目標(biāo)進(jìn)行及時的探測發(fā)現(xiàn)，具有重要的理論和實際意義。
　　論文圍繞目標(biāo)檢測跟蹤系統(tǒng)中預(yù)處理、檢測和跟蹤的三個重要環(huán)節(jié)開展研究，主要工作包括：
　　1.研究了 NWTH變換與橢圓拋物面擬合結(jié)合的圖像預(yù)處理算法，并在 C++平臺上利用Opencv計算機(jī)視覺庫驗證了該算法的可行性。在對目標(biāo)檢測算法的研究時，論文選取難度較高的小目標(biāo)檢測為研究重點，針對小目標(biāo)檢測時圖像中的噪聲干擾大，復(fù)雜背景起伏，信噪比

3、低等問題，優(yōu)化設(shè)計了NWTH變換中的結(jié)構(gòu)元素，并且采用二次曲面中的橢圓拋物面對目標(biāo)進(jìn)行擬合，進(jìn)一步排除噪聲干擾。最后為擬合后的圖像選擇合適的全局閾值以檢測出最終的目標(biāo)對象。測試結(jié)果表明，與傳統(tǒng)的top-hat的算法比較，該算法在復(fù)雜背景、強(qiáng)噪聲、低信噪比的情況下的檢測準(zhǔn)確率可達(dá)90％以上。
　　2.改進(jìn)了基于時空上下文的目標(biāo)跟蹤（STC）算法。重點針對當(dāng)上下文區(qū)域超出圖像邊界導(dǎo)致上下文信息無法更新的問題，論文優(yōu)化了STC算法的邊界

4、問題，提高了跟蹤的穩(wěn)定性和成功率。在C++平臺上對優(yōu)化的STC算法進(jìn)了實現(xiàn)，分別對普通目標(biāo)以及小目標(biāo)進(jìn)行了跟蹤，通過單幀處理時間及跟蹤準(zhǔn)確率對STC算法和Struck算法做出評價，測試結(jié)果表明，改進(jìn)后的STC算法具有更高的準(zhǔn)確率，算法的性能良好。
　　3.設(shè)計了一種針對小目標(biāo)的檢測與跟蹤系統(tǒng)，該系統(tǒng)結(jié)合論文所研究的小目標(biāo)檢測算法以及目標(biāo)跟蹤算法可對圖像序列中的小目標(biāo)進(jìn)行自動的檢測與跟蹤，在C++及Opencv平臺上進(jìn)行了實現(xiàn)，測試