基于图像的空中目标跟踪算法研究

发布时间：2017-09-04 07:19

  本文关键词：基于图像的空中目标跟踪算法研究

  更多相关文章： 空中目标跟踪 Gabor滤波器 混合高斯模型 OpenCV

【摘要】：基于图像的空中目标跟踪技术是指以机载或弹载成像设备捕获的目标图像为研究对象,采用图像分析算法将目标从捕获的复杂背景图像中进行分割,并将目标的坐标、角度等数据作为机载武器或者导弹跟踪制导的依据。本文归类和分析主要的目标跟踪算法,然后研究基于Gabor小波特征向量提取和混合高斯模型分类器的目标跟踪算法,主要工作如下:(1)首先将常见的目标跟踪算法归为4类,也即灰度匹配法、帧差跟踪法、轮廓跟踪法、光流法,然后分别从算法的空间复杂度、数学原理、时间复杂度、算法性能等方面探讨各种算法存在的优点和不足。(2)根据上文讨论4类算法优点和缺点,论文设计基于Gabor小波和混合高斯模型分类器的空中目标跟踪算法。捕获的目标图像由Gabor小波完成特征向量提取,此步骤分为两类也即正负训练样本、测试样本的生成和对正负训练样本、测试样本的Gabor小波特征提取;采用正负样本提取的Gabor小波特征向量文件训练混合高斯分类器,设置最大训练次数和训练误差要求,进一步以确定各个混合高斯模型的权重系数以及高斯分布的参数;然后使用训练完成的混合高斯模型分类器对测试样本中目标图像和背景图像的分割和标记,并最终输出目标在图像坐标系中的位置。(3)使用Microsoft Visual Studio2013和OpenCV2.4.9作为测试平台对本文设计的基于Gabor小波特征向量提取以及混合高斯模型分类器目标跟踪算法进行准确性和性能的测试。测试内容为目标跟踪算法模块化,X86平台C++语言实现,代码实现级别和系统级别优化以提高算法运行效率等工作。经测试本文设计的基于Gabor小波特征提取和混合高斯模型分类器的目标跟踪算法在Windows平台具有较好的准确性和实时性。
【关键词】：空中目标跟踪 Gabor滤波器 混合高斯模型 OpenCV
【学位授予单位】：中北大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41
【目录】：

• 摘要4-5
• Abstract5-9
• 1 绪论9-15
• 1.1 论文研究背景和意义9
• 1.2 论文国内外研究现状9-12
• 1.3 本文研究工作和组织结构12-15
• 1.3.1 本文的研究工作13
• 1.3.2 本文的组织结构13-15
• 2 空中目标跟踪技术归类与分析15-29
• 2.1 灰度匹配法16-18
• 2.1.1 数学过程分析16
• 2.1.2 算法性能测试16-18
• 2.2 帧差法18-23
• 2.2.1 数学过程分析18-20
• 2.2.2 算法性能测试20-23
• 2.3 轮廓跟踪法23-26
• 2.3.1 算法数学过程分析23-24
• 2.3.2 算法性能分析24-26
• 2.4 光流法26-28
• 2.4.1 算法数学过程分析26-27
• 2.4.2 算法性能分析27-28
• 2.5 本章小结28-29
• 3 Gabor小波纹理特征提取29-53
• 3.1 目标图像预处理29-37
• 3.1.1 视频帧去噪处理30-32
• 3.1.2 视频帧直方图均衡化32-33
• 3.1.3 视频帧图像边缘提取33-37
• 3.2 Gabor小波变换数学原理37-41
• 3.3 Gabor小波特征提取41-48
• 3.4 PCA特征向量降维化48-52
• 3.5 本章小结52-53
• 4 混合高斯模型分类器53-66
• 4.1 引言53
• 4.2 混合高斯模型分类器的数学原理分析53-55
• 4.3 混合高斯模型分类器设计55-62
• 4.3.1 EM算法原理分析55-59
• 4.3.2 EM算法求解GMM参数59-62
• 4.4 混合高斯分类器62-65
• 4.4.1 混合高斯模型训练63-64
• 4.4.2 混合高斯模型分类器测试64-65
• 4.5 本章小结65-66
• 5 算法的X86平台测试及优化66-80
• 5.1 引言66-67
• 5.2 算法功能模块设计67-73
• 5.3 X86平台代码优化73-76
• 5.4 算法性能测试76-79
• 5.5 本章小结79-80
• 6 总结与展望80-84
• 6.1 论文工作总结80-82
• 6.2 未来工作展望82-84
• 参考文献84-87
• 攻读硕士期间发表的论文87-88
• 致谢88-89

【相似文献】

中国期刊全文数据库 前10条

1 金忠;一种多目标跟踪算法[J];南京理工大学学报(自然科学版);1985年S1期

2 龚萍;张辉;毛征;张庆龙;孔文超;;融合局部熵二维熵的空中目标跟踪算法研究[J];国外电子测量技术;2014年01期

3 马奔,史忠科,皮燕妮;成像目标跟踪算法分析[J];西安电子科技大学学报;2005年03期

4 孙中森;孙俊喜;宋建中;乔双;;一种抗遮挡的运动目标跟踪算法[J];光学精密工程;2007年02期

5 陈爱华;孟勃;朱明;王艳华;;多模式融合的目标跟踪算法[J];光学精密工程;2009年01期

6 牛长锋;刘玉树;;融合多特征的粒子滤波目标跟踪算法[J];华中科技大学学报(自然科学版);2010年01期

7 蔡荣太;吴元昊;王明佳;吴庆祥;;视频目标跟踪算法综述[J];电视技术;2010年12期

8 佟国峰;蒋昭炎;谷久宏;庞晓磊;;基于随机蕨丛的长期目标跟踪算法[J];东北大学学报(自然科学版);2013年01期

9 曹晓丽;李明;邢玉娟;谭萍;;几种自动目标跟踪算法的比较研究[J];硅谷;2013年02期

10 王鲁平,李飚,胡敏露;一种基于多传感器数据融合的目标跟踪算法[J];红外与激光工程;2004年02期

中国重要会议论文全文数据库 前10条

1 徐炳吉;;一种多站联合目标跟踪算法[A];数学及其应用文集——中南模糊数学和系统分会第三届年会论文集（上卷）[C];1995年

2 杜方芳;刘士荣;邱雪娜;;一种改进的粒子滤波目标跟踪算法[A];PCC2009—第20届中国过程控制会议论文集[C];2009年

3 付晓薇;方康玲;李曦;;一种基于特征的多目标跟踪算法[A];2003年中国智能自动化会议论文集（下册）[C];2003年

4 许伟村;赵清杰;;一种基于粒子滤波的多目标跟踪算法[A];2011年中国智能自动化学术会议论文集（第一分册）[C];2011年

5 李军;张华;单梁;;一种基于Mean shift和粒子滤波的综合目标跟踪算法[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

6 肖敬若;胡伏原;郑江滨;张艳宁;;一种有效的多目标跟踪算法[A];第十二届全国信号处理学术年会（CCSP-2005）论文集[C];2005年

7 郑黎义;陈兴无;王磊;李正东;;红外/雷达双传感器融合目标跟踪算法[A];中国工程物理研究院科技年报（2005）[C];2005年

8 张震宇;王立松;;基于粒子滤波的传感器目标跟踪算法[A];2008年中国高校通信类院系学术研讨会论文集（上册）[C];2009年

9 王亚楠;陈杰;甘明刚;;基于差分进化的改进粒子滤波目标跟踪算法[A];中国自动化学会控制理论专业委员会C卷[C];2011年

10 张涛;费树岷;胡刚;;基于多特征信息自适应融合的视频目标跟踪算法[A];第二十九届中国控制会议论文集[C];2010年

中国博士学位论文全文数据库 前10条

1 胡子军;基于随机有限集的雷达多目标跟踪算法研究[D];西安电子科技大学;2015年

2 王保宪;复杂背景下的视频目标跟踪算法研究[D];北京理工大学;2016年

3 卢建国;基于粒子滤波的视频目标跟踪算法研究[D];北京邮电大学;2011年

4 冯巍;分布式多视角目标跟踪算法研究[D];复旦大学;2011年

5 王书朋;视频目标跟踪算法研究[D];西安电子科技大学;2009年

6 刘晴;基于区域特征的目标跟踪算法研究[D];北京理工大学;2014年

7 邱雪娜;基于视觉的运动目标跟踪算法及其在移动机器人中的应用[D];华东理工大学;2011年

8 赵运基;基于视觉的目标跟踪算法研究[D];华南理工大学;2012年

9 张健;面向能效优化的无线传感器网络分布式目标跟踪算法研究[D];东北大学;2011年

10 易伟;基于检测前跟踪技术的多目标跟踪算法研究[D];电子科技大学;2012年

中国硕士学位论文全文数据库 前10条

1 张健;形变目标跟踪算法的研究与实现[D];辽宁大学;2015年

2 张巧丽;基于LabVIEW的运动目标跟踪算法研究与实现[D];陕西科技大学;2015年

3 钟宝康;基于压缩感知的预测目标跟踪算法研究[D];江西理工大学;2015年

4 薛桐;基于CamShift的运动目标跟踪算法研究[D];沈阳理工大学;2015年

5 王增宇;基于稀疏表达的目标跟踪算法研究[D];沈阳理工大学;2015年

6 王静;结构化的表观模型及两阶段目标跟踪算法研究[D];沈阳理工大学;2015年

7 葛凯蓉;自然场景下目标跟踪算法的研究[D];山东大学;2015年

8 向伟;基于检测的目标跟踪算法研究[D];上海交通大学;2015年

9 单顺勇;结合多示例学习和模板匹配的目标跟踪算法研究[D];江西理工大学;2015年

10 张碧武;基于单目视觉的目标跟踪算法的研究与实现[D];电子科技大学;2015年

，

本文编号：790095