圖像序列中特征點(diǎn)的檢測提取及匹配跟蹤研究.pdf

1、運(yùn)動(dòng)目標(biāo)特征點(diǎn)檢測提取，即從一組二維圖像序列中，進(jìn)行某個(gè)運(yùn)動(dòng)目標(biāo)的特征點(diǎn)的檢測提取，并且將所有圖像序列中目標(biāo)特征點(diǎn)串連起來。最后，每幀運(yùn)動(dòng)目標(biāo)特征點(diǎn)匹配對應(yīng)構(gòu)成一個(gè)連續(xù)的序列，以便于后續(xù)研究，如三維運(yùn)動(dòng)重建技術(shù)所需要的特征點(diǎn)。該研究一直都是計(jì)算機(jī)視覺和模式識(shí)別領(lǐng)域中熱門的研究課題之一，也是本文研究的主要內(nèi)容。
　　本文在分析圖像中特征點(diǎn)的檢測提取技術(shù)的基礎(chǔ)上，研究了傳統(tǒng)的susan算法、Harris算法等。同時(shí)，對幀間差分法、背景

2、差分法、光流法這幾種目前常用的分析運(yùn)動(dòng)目標(biāo)跟蹤技術(shù)的算法進(jìn)行了分析與研究。傳統(tǒng)的特征點(diǎn)檢測算法精度和多尺度方面都有缺點(diǎn)，無法滿足其它研究需要，如三維運(yùn)動(dòng)重建技術(shù)。在目標(biāo)跟蹤方法中，光流法相比其它跟蹤算法，它不僅含有了運(yùn)動(dòng)目標(biāo)的運(yùn)動(dòng)軌跡信息，而且還含有了與目標(biāo)關(guān)聯(lián)的物體三維結(jié)構(gòu)的大量信息，在不知道背景及其它信息的狀況下，檢測出運(yùn)動(dòng)目標(biāo)對象。但是光流法，計(jì)算量太大，所以實(shí)時(shí)性相對比較弱。所以改進(jìn)光流法，使其計(jì)算量小，是本文的一個(gè)研究點(diǎn)。

3、r>　　本文主要圍繞特征點(diǎn)的改進(jìn)檢測和特征點(diǎn)的位置預(yù)測匹配跟蹤進(jìn)行研究。主要做了以下三個(gè)方面的工作研究：
　?。?）本文提出了一種多尺度的且處于亞像素的Harris角點(diǎn)檢測改進(jìn)算法。針對傳統(tǒng)Harris算子不具有尺度不變性，提取的角點(diǎn)是像素級的，而且其檢測速度很慢的情況做了改進(jìn)。通過對圖像高斯平滑進(jìn)行尺度計(jì)算，再利用原始角點(diǎn)為中心的集群，對集群內(nèi)各點(diǎn)進(jìn)行距離加權(quán)處理，從而對亞像素點(diǎn)進(jìn)行精確定位。實(shí)驗(yàn)結(jié)果證明，與傳統(tǒng)Harris算法

4、相比，該方法在多尺度上更能適應(yīng)不同尺度變化的角點(diǎn)檢測，同時(shí)檢測出的角點(diǎn)在精度達(dá)到了亞像素，比像素更加精確。
　?。?）光流法計(jì)算量非常大，實(shí)時(shí)性很差。針對這一問題，本文提出了背景差分光流法。將背景差分法和光流法，兩種算法進(jìn)行有效的結(jié)合，即先用背景差分法對圖像序列進(jìn)行第一步預(yù)處理，再利用光流法對第一步的結(jié)果進(jìn)行計(jì)算處理。結(jié)果表明，改進(jìn)后的處理方法能有效地提高運(yùn)動(dòng)目標(biāo)跟蹤的實(shí)時(shí)性,系統(tǒng)穩(wěn)定性好。
　　（3）每幀圖像序列中目標(biāo)的特