Moving Target Tracking Based on LogGabor Wavelet and Mean-shift Algorithm

Tracking moving target from image or video sequence is a hot research topic in computer vision. An algorithm based on LogGabor wavelet and Mean-shift has been proposed for moving target tracking under fixed camera setting and complicated environment. Phase coherency of LogGabor wavelet facilitates to extract the edge of moving target and check noise. According to the edge detection,the starting location of Mean-shift can be estimated using the target center coordinate. Eventually,a real-time moving target can be extracted by doing iterative matching pursuit,and experimental results proved the effectiveness of the method proposed.

Multiresolutional Maneuvering Target Tracking Fusion Algorithm Based on Singular Sensor and Multipale Models

Multiresolutional signal processing has been employed in image processing and computer vision to achieve improved performance that cannot be achieved using conventional signal processing techniques at only one resolution level [1,2,5,6] . In this paper,we have associated the thought of multiresolutional analysis with traditional Kalman filtering and proposed A new fusion algorithm based on singular Sensor and Multipale Models for maneuvering target tracking.

基于HASH感知和小波变换的目标跟踪算法

为了解决视频跟踪过程中,由于运动目标在实际运动中常存在旋转、缩放等形变导致的目标丢失问题,提出了一种融合了图像HASH值、小波变换和模板匹配算法的目标跟踪算法。该方法利用背景差分法得到运动目标模板,通过对图像信息进行小波变换得到低频子图像,并在低频子图像中进行全局搜索,确定最佳匹配区域。模板更新策略利用图像间HASH距离,判断图像间的相似性决定是否更新模板。实验仿真结果证明,该算法在运动目标存在缩放、旋转等形变时,仍可以准确跟踪目标。

基于小波提升框架的图像序列中运动目标检测算法

图像序列中运动目标的检测和跟踪是智能监测系统中的重要问题,为了提高运动目标识别的效率和准确性,同时解决目标运动中的形变造成的检测困难,首先针对传统的运动目标检测算法所存在的局限,把小波提升框架运用到运动目标的检测中,然后充分利用小波的多分辨率特性和提升框架可以直接在时空域内设计的优点,再结合可变模板方法,提出了一种新的基于小波提升框架的运动目标检测算法。实验结果表明,新方法较好地解决了目标运动中因形变造成的检测困难,并提高了检测效率和速度。

结合Zernike矩的多尺度模板形状匹配

针对形状匹配中小波表达对起始点依赖的问题,提出一种结合Zernike矩的多尺度模板进行形状匹配的方法。该算法对输入图像进行预处理后提取目标轮廓,经过归一化处理得到目标形状的平移、尺度不变的链状表达,再通过小波变换进行多尺度分析;引入Zernike矩,利用Zernike矩的特性,实现小波表达的旋转不变性,解决了小波变换对起始点的依赖。匹配过程是以小波表达的各阶Zernike矩为特征向量,在由粗到精的尺度上进行的。实验结果表明,对于同一目标,原图像与旋转不同角度的图像的正确匹配率为91%。该算法适用于轮廓较明显的目标。

运动背景下多目标跟踪的小波方法

为了能从运动背景中检测其中的运动目标,并进行跟踪,提出一种基于小波变换的分层匹配跟踪算法。利用小波分解的多层子图进行分层匹配,估计整个背景的运动矢量;利用差分算法从运动背景中检测出多个运动目标,计算出多个动目标的形心坐标,绘出各动目标的运动轨迹。该算法与传统的块匹配算法相比,滤除了原图像的高频噪声,防止了在含噪原图像上进行块匹配不准确的缺点;另外,在低频分量图像上N×N范围进行块匹配,相当于在原图像上2nN×2nN的范围进行匹配搜索,搜索速度快。当相邻两帧背景运动向量小于10个像素,运动目标相对背景的运动向量小于5个像素时,实验结果证明了此算法的有效性和可行性。

应用TBD的多波束声呐图像序列SIFT特征追踪

针对声呐图像目标探测中面临的分割阈值选择和单幅图像信息缺失问题,提出了一种基于检测前跟踪(track-before-detect,TBD)的声呐图像序列尺度不变特征变换(scale-invariant feature transform,SIFT)特征追踪方法。这种方法不在单帧图像中判断目标的有无,而依据图形序列中特征轨迹的连续性和一致性进行决策,通过动态亮度分配和中值滤波对图像进行预处理,提取SIFT特征进行帧间匹配并标出潜在目标,在图像序列中展开特征追踪,从潜在目标中筛选出真实目标。真实数据试验的结果表明,预处理改善了图像质量;对比SURF特征和Harris特征,SIFT特征包含更多的帧内信息,具有更好的帧间匹配效果。SIFT特征追踪能够从多波束声呐图像序列中探测到动态小目标和静态目标,并得到动态小目标的运动轨迹。

一种基于模板匹配的运动目标跟踪方法

为了提高运动目标跟踪算法在复杂场景下的稳定性,提出了一种将小波变换与模扳匹配相融合的跟踪方法。它首先对图像序列采用滤波器组实现运动目标分割,再通过对图像序列小波变换以确定目标匹配子图像,最终使用模板匹配求取最佳匹配点来实现实时跟踪。采用MATLAB仿真实验,对标准视频序列coastguard_cif实验测试结果表明,提出的方法具有良好的跟踪性能。

基于小波变换的双站纯角度机动目标融合跟踪

纯角度跟踪通常面临非线性滤波和高速率量测数据处理问题。在小波变换的基础上提出一种新的双站纯角度机动目标跟踪算法。该算法使用无源定位的方法确定目标位置,并运用基于多速率运动模型的交互式多模型算法进行滤波。算法避免了角度量测下的非线性滤波,并减少了计算量。Monte Carlo 仿真结果表明了算法的有效性。

基于LabVIEW的弧焊机器人视觉传感图像处理技术

弧焊机器人的主要工艺问题之一是需要保证零件焊接的一致性,当焊缝接头位置因工件加工、夹具装配以及热应力变形等因素发生变化时,需借助传感器实时准确引导机器人来确定焊缝位置。激光视觉传感赋予机器人"看"的功能,大大促进了焊接自动化程度。为此,以Panasonic-TA1400六自由度弧焊机器人为试验平台,针对V型坡口MAG焊焊缝视觉传感实时图像处理技术进行了研究。采用领域平均滤波和小波降噪相结合的方法,有效地滤除了焊接背景噪声。采用小波边缘检测算法获取了激光光带边缘。对焊缝图像处理的关键技术——中心线抽取和特征点检测提出了逐行搜索求平均值和模板匹配法等切实可行的算法。试验表明,该图像处理流程效果良好,能够满足后续跟踪系统实时性要求。

基于图像融合的双波段目标跟踪算法研究

针对红外和可见光图像各自的特点以及单一传感器在目标跟踪中的缺陷,提出了基于双波段融合图像的目标跟踪算法。该方法对原始图像进行小波分解后,为了满足目标跟踪的稳定性及实时性,重点考虑目标跟踪时需要的边缘等细节信息,采用对低频系数取零,高频系数基于小波系数绝对值取大的融合方法,然后对融合后的图像采用基于Mean shift算法进行目标跟踪。实验结果表明,此算法可以稳定并且实时跟踪目标,通过对单波段采用相同的跟踪算法进行比较,算法在性能上优于单波段的目标跟踪。

空间目标跟踪技术中应用小波变换的探讨

介绍了小波变换的特点及其在图象边缘提取中的意义 ,说明了扩展目标用小波变换进行目标形心计算的详细步骤 ,并以飞机图象为目标在不同图象模糊程度及背景噪音情况下用小波变换进行了目标形心坐标提取 ,比较了不同图象模糊程度及背景噪音情况下目标形心坐标提取的精度 ,展示了小波变换在扩展目标跟踪技术中应用的前景。

信号处理中量测多尺度预处理算法

基于多尺度分析的思想 ,以离散小波变换为工具 ,结合传统的Kalman滤波方法 ,给出了量测多尺度预处理的信号处理新算法 .

一种基于小波变换的序列图像中小目标检测与跟踪算法

该文提出了一种快速检测序列图像中低信噪比(<2dB)小目标的算法。采用小波滤波器对每帧图像滤波,提高目标的信噪比,降低了低信噪比小目标检测算法的运算量;采用固定长度的假设检验算法,生成起始航迹,有效地避免航迹的漏检;采用截断序贯似然比检验,形成确认航迹。仿真结果表明应用此算法,可快速实现信噪比小于2dB的小目标(2×2)的检测与跟踪。

基于多小波增强的雾天运动目标跟踪技术

在雾天等能见度极低的天气环境下应用联合变换相关器对运动目标进行跟踪识别,针对目标由于灰度对比度极低、能见度差及环境中背景噪声干扰所引起的低识别率问题,提出了一种基于多小波增强的预处理方法,该方法在多小波变换优点的基础上,根据分解后系数的不同特点,采用不同方法分别增强高、低频系数,使处理后的图像在不失真的同时,对比度和目标边缘同时增强,且背景噪声得以抑制。对模拟雾天环境下拍摄的大量运动目标进行光学相关实验,结果表明:该方法能有效提高在雾天天气环境下运动目标的跟踪效率,验证了算法的可行性。

基于新模板匹配的运动目标跟踪算法

针对运动目标跟踪过程中存在的目标被遮挡和环境易变性问题,提出了一种基于仿射变换状态转移与粒子滤波的新模板匹配目标跟踪算法。该算法以归一化互相关系数作为隶属度选出最佳仿射变换参数,依据特定的状态转移方法确定出目标位置,同时利用粒子滤波算法学习目标的运动状态,对遮挡中的目标位置进行预测。实验结果表明,该算法不仅可实现有效的运动目标跟踪,而且在光照适应性、抗噪性、背景适应性以及抗遮挡方面的跟踪效果明显优于超平面逼近跟踪算法、均值平移跟踪算法以及协方差跟踪算法。

活体细胞图像斑点的自动提取和跟踪方法

采用基于小波分解多尺度系数乘积的方法检测图像中的斑点,同时提出了基于贪婪思想的可以自动处理目标分裂和合并的模型,综合目标信息对轨迹进行跟踪.对Adaptor和Clathrin图像分割取得了比较理想的结果,Adaptor图像中的目标识别率98.61%,Clathrin图像中目标识别率达到97.65%.新的跟踪算法在处理轨迹合并和分裂方面有明显优势,对斑点跟踪效率达到为98.05%.结果表明,新的算法能有效地识别和跟踪图像中的斑点.从生物学角度,更有效的识别有助于更好地理解质膜的通道运输机制以及因为其不正常工作引起的疾病.

基于小波变换的相似多目标识别算法研究

根据LED晶片wafer图像的特点,利用小波变换的多分辨率分析提出了一种相似多目标的识别算法。wafer图像经过小波分解后,利用灰度归一化互相关算法,在其低分辨率尺度空间内进行整体模板匹配,然后将匹配结果在其高分辨率尺度空间内进行局部匹配,最终实现了全分辨率下LED晶片的精确识别。改进算法中利用步长自适应调整算法,使相关性系数计算量比原来减少了40%。试验表明该算法有效地缩小了搜索域,提高了晶片的识别效率。

基于区域分割与提升小波变换的图像融合算法

针对精确制导武器系统中,利用传统方法获取的融合图像使得红外目标模糊、识别率低、定位性差及不能继承可见光图像色彩特性而出现光谱扭曲与失真的现象,提出了一种基于区域分割和提升小波变换的红外与可见光图像融合方法。首先结合区域生长与边缘提取图像分割法,将红外图像背景区域与目标区域分开;其次采用像素邻域能量取大法,将红外目标区域映射到可见光背景中;最后将上步得到的融合图像与原图像进行低频加权,高频平均梯度的提升小波融合变换,防止因图像分割所形成的拼接错误而导致重要信息丢失现象。实验结果表明:融合后的图像,目标凸显,背景自然,能够达到准确定位与快速识别的目的,并对隐藏目标的检测有着重要的指导意义。

双机IRST配准融合图像的弱小目标检测方法

针对单机红外搜索跟踪（IRST）系统探测距离和精度有限，得到的红外图像在杂乱背景和强噪声环境中弱小目标难以检测的问题，采用双机IRST对同时刻同目标区域探测后的图像进行配准融合，融合过程中采用高频基于区域、低频基于像素的多规则算法，提出一种基于小波变换与边缘信息表征的目标检测方法。仿真实验表明，多规则融合算法使图像质量评价指标提高了30％～50％，该目标检测方法可有效剔除虚假目标及滤除杂波干扰，从融合滤波前的7个减少到3个，虚警率降低，有助于弱小目标更为精确的检测识别。