边界约束的核密度估计红外人体目标跟踪方法

基于核密度估计的均值漂移算法因其良好的实时性而被广泛地应用于目标跟踪,但传统的均值漂移算法极易因颜色等信息的缺乏而使跟踪不稳定,且目标尺度的变化也不利于目标位置的准确估计,为此,提出了一种具有边界约束的均值漂移红外人体目标跟踪新方法。该方法通过各向异性扩散,并联合红外图像的梯度与亮度信息来获取目标边界,自适应调整核窗宽,从而利用均值漂移策略进行红外人体目标跟踪。实验结果表明,该方法在红外人体目标尺度改变时仍能实现良好的跟踪。

鲁棒的前视红外目标多核跟踪算法

针对前视红外目标跟踪中常见的目标位置偏差和部分遮挡问题,在均值漂移算法的框架下,提出了一种基于投影直方图匹配和拓扑约束的多核跟踪算法。首先,对前后帧图像进行基于空间-灰度二维投影直方图匹配的目标位置预测;然后,充分利用目标的前景和背景信息构建多个独立的核跟踪器;最后,采用拓扑约束选取跟踪性能好的核跟踪器,组合得到最终的跟踪结果。实验结果表明:此算法能对目标进行准确跟踪,对目标位置偏差和部分遮挡具有较好的鲁棒性,在有遮挡的情况下,平均跟踪误差远小于传统的跟踪算法。因此,该算法在前视红外成像制导中具有较好的实用性和可行性。

一种基于速度预测的双目视觉跟踪混合算法

视觉跟踪技术作为计算机视觉研究的重要方向,得到了广泛应用。其根据目标表征方式可分为生成式方法和判别式方法。传统生成式方法虽然有较好的实时性,但容易受到复杂背景和遮挡影响,所以逐步被判别式方法所取代。针对传统生成式方法的缺点,结合双目成像系统空间定位的优势,提出了一种基于速度预测的双目视觉跟踪混合算法。通过帧间差分法发现视野中运动目标,采用双目定位确定其运动速度,并根据速度预估物体的下一帧位置;同时,使用ORB特征匹配、双目视觉极线约束和Mean-Shift进行验证和速度修正。试验证明,该算法能够准确地识别运动物体并对其进行跟踪,克服了生成式方法容易受到环境干扰的缺点,保留了其实时性的优势,具有较高的实用价值。

基于线分割的立体匹配算法

给出一种改进的立体匹配算法。根据视差场的极限约束,采用图像线分割的匹配方法得到初始视差,由基于初始视差的交叉检测技术和可信度约束提取高可靠度的GCP点。针对视差图中的不可靠点,加入Bilateral Filter的自适应加权中值滤波,在由均值偏移图像分割算法得到的分割区域内,对像素的视差值进行投票,有效遏制局外点,得到更合理的视差图。在Middlebury test set上进行的测试结果表明,该算法具有较好的视差估计精度。

高分辨率遥感影像上居民地自动提取方法

提出了一种基于特征分解的无监督分割方法,对高分辨率遥感影像中的居民地进行提取。该方法通过小波分解多尺度特征,利用居民地内、外部结构差异以及平均光谱辐射强度差异构成特征空间,采用约束均值漂移算法进行特征空间自适应分解,实现居民地自动提取。实验结果表明,该方法能很好地消除高分辨率导致的影像高度细节化等因素对居民地提取的影响,有效提取居民地。