基于快速模型匹配的飞行目标三维姿态角估计算法

采用动态模型匹配的基本原理,提出了一种基于二维图像序列的飞行目标三维姿态角估计算法。算法根据目标机动特点和姿态角约束关系,建立了降维动态模型库,在保证模型库完备性的同时减小了规模。根据相似性矩阵的分布规律提出了十字搜索法,加快了最佳匹配模型的搜索速度。仿真表明,该算法具有较好的准确性和实时性,对提高机动目标跟踪性能具有一定的理论意义。

基于预选算法的全局平移运动参数估计

为了快速准确估计出视频序列中存在的全局平移抖动,分析影响全局运动估计精度的各种常见因素,归纳其特点,同时结合相关基础理论,以C-1BT变换为基础,提出一种基于预选算法的快速全局平移运动估计算法。首先,在估计局部运动矢量前,采用预选算法保留能很好代表全局运动性质的部分宏块。其次,根据预选块的特点改变传统自适应十字搜索法(Adaptive Rood Pattern Search,ARPS)的臂长预测部分,减少搜索陷入局部最优的风险。最后,采用平移运动模型得到最终参数。实验仿真结果证明提出方法的快速性和鲁棒性。

基于全局运动补偿的多运动目标检测方法研究

提出了一种动态背景下的对多个运动目标检测的完整方法。利用基于宏块匹配的六参数全局运动估计方法进行全局运动补偿,有效地消除了摄像机在非稳定运动情况下对目标检测性能带来的不利影响。同时在宏块匹配前进行了预处理,通过预判提取纹理信息丰富的宏块,并在宏块匹配的过程中采用九点十字搜索算法取代传统的三步搜索算法,减少了匹配数据量。通过六参数运动模型计算得到摄像机全局运动参数,然后对运动背景进行全局补偿。补偿后经过后处理提取运动区域。实验证明,本方法能够有效地检测出动态背景下的运动目标。

一种双模式的运动估计算法

为了平衡运动估计中搜索算法的复杂度与搜索精度,基于双模式算法的思想,提出一种结合基于改进的粒子群算法(PSO)和十字搜索算法(ARPS)的双模式运动搜索算法。该算法对不同运动程度的图像采用不同的运动搜索算法(运动剧烈时采用PSO算法,运动平缓时采用ARPS算法),有效地结合了PSO的全局性特点以及ARPS的局部性特点,同时保持了ARPS的快速性。实验表明,该算法的整体性能高于传统的单模式运动估计算法以及已有的多模式运动估计算法。

一种快速目标检测跟踪方法研究与实现

阐述目标检测跟踪详细过程,提出一种近距离复杂背景下使用快速模板匹配方法对运动目标检测跟踪的方法。该方法针对目标的环境,利用高斯-拉普拉斯滤波器预处理,进而对相邻图像的差分图像获取和识别运动目标中心和区域大小,然后利用相关匹配算法并结合改进的十字搜索法对目标进行快速持续的检测跟踪。实验表明该方法是有效的。

全局运动中结合改进C-1BT变换的平移运动估计

针对全局运动估计难以同时取得有效性和实时性的难题,结合限制型1比特变换法(constrained one-bit transform,C-1BT)和自适应十字搜索法提出一种快速准确估计全局平移运动的方法.该方法改进传统的C-1BT方法,利用自适应门限构造模板图像,并在提取图像的低比特面和模板图像时均提前判定零运动矢量区域.根据图像间相似性测度可代表运动趋势强度这一原则设置自适应门限,选择一定运动幅度范围内可靠的宏块.仿真结果表明,改进的自适应十字搜索法更充分地利用了时间和空间的有效性,在保证精度的同时极大地减少了搜索点数量.