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(yùn)動(dòng)目標(biāo)的分割與跟蹤是一個(gè)被廣泛研究的熱點(diǎn)，本論文將研究對(duì)象定位為復(fù)雜背景下一個(gè)運(yùn)動(dòng)目標(biāo)的跟蹤問(wèn)題。首先列舉并分析了常用的跟蹤算法，重點(diǎn)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(gè)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(jiǎn)單，易實(shí)現(xiàn)的優(yōu)點(diǎn)。差分法并不是一個(gè)優(yōu)秀的算法，在跟蹤過(guò)程中遇到了很多問(wèn)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(guò)對(duì)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(gè)優(yōu)秀的跟蹤算法。它在算法方面比較成熟，雖然沒(méi)有差分法簡(jiǎn)單，但運(yùn)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(cè)與主動(dòng)輪廓模型分割目標(biāo)的優(yōu)點(diǎn)，研究了基于模板匹配的運(yùn)動(dòng)目標(biāo)分割與跟蹤算法，通過(guò)對(duì)圖像的試驗(yàn)得到了很好的效果。

3、 基于Snake的輪廓跟蹤具有算法簡(jiǎn)單，易實(shí)現(xiàn)的優(yōu)點(diǎn)。但是，基本主動(dòng)輪廓線模型存在嚴(yán)重的缺陷，無(wú)法提取凹陷的目標(biāo)輪廓。GVF模型有傳統(tǒng)模型無(wú)法相比的優(yōu)點(diǎn)，GVF snake改進(jìn)了一般變形模型無(wú)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(shí)驗(yàn)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(dòng)態(tài)目標(biāo)。 通過(guò)對(duì)比和分析三種目標(biāo)跟蹤算法，實(shí)驗(yàn)結(jié)果表明，基于GVF