一种自适应双波门电视跟踪算法

为了解决跟踪空中目标时背景云雾的干扰及目标大小和姿态变化带来的不利影响,提出了用于电视跟踪的一种双波门改进算法。该算法在双波门算法的基础上,加入动态阈值的判断,使之能快速、有效地去除背景云雾干扰,同时根据目标特征自适应调整内波门尺寸,避免因目标大小的剧烈变化导致的跟踪失败。利用视场内帧预测方法,较好地解决了目标丢失的问题。该算法通过半物理仿真实验进行验证,解决了云雾干扰、目标大小和姿态变化等不利影响问题,达到了系统实时性要求,实现了稳定跟踪。

一种综合的实时图像跟踪算法

本文基于ADSP-BF561设计了一种综合的图像跟踪方法,有效地实现了低对比度下空中目标的实时跟踪。基于动态阈值的自适应双波门方法可以较好地去除云雾背景的干扰,有效地提取出空中弱小目标;基于自适应波门的最大内间方差法(OSTU)可以较好地解决大目标时自适应双波门分割目标的不完整,并且采用遗传算法(GA)对OSTU进行优化,可以较好地实现大目标跟踪的实时性。仿真实验结果表明,这种组合了两种跟踪方法优点的综合性方法,具备简单快速有效的特征,可以实现低对比度下小目标及近距离大目标的实时与稳定的跟踪。

光电跟踪中实时视频对象分割算法

光电跟踪系统研究中难点的问题是实时跟踪目标。针对光电跟踪系统所跟踪的空中目标在视频序列中的特性,将整个跟踪过程划分为远距离段、航前(后)段、航捷段。然后对远距离航段,采取一种弱小目标的动态规划检测算法,及时发现并跟踪目标;在航前(后)段,采取一种基于自适应双波门的视频对象分割算法分割出运动目标,计算出目标形心与跟踪物镜的角偏差,以偏差作为光电跟踪伺服系统的输入信号,驱动跟踪器跟踪目标;在航捷段,将每帧视频变换为一组分辨率从高到低类似金字塔式的分层框架,对目标采取从粗到细的方式进行分割,以实现视频对象占据大部分视窗时的目标快速、准确分割。通过实例验证了所提出的算法的有效性。