復(fù)雜背景下運(yùn)動(dòng)小目標(biāo)的檢測(cè)與跟蹤.pdf

1、運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤一直是圖像處理和人工智能領(lǐng)域中研究的熱點(diǎn)和重點(diǎn)方向，隨著目標(biāo)檢測(cè)的場(chǎng)景和情況變化越來(lái)越復(fù)雜，目標(biāo)檢測(cè)的需求越來(lái)越高，檢測(cè)技術(shù)的研究不斷深入，針對(duì)特定條件下目標(biāo)的檢測(cè)策略和檢測(cè)算法成為研究熱點(diǎn)，復(fù)雜背景下小目標(biāo)的檢測(cè)與跟蹤就是其中一類重要的研究問題。近些年來(lái)，復(fù)雜背景下小目標(biāo)的檢測(cè)與跟蹤在軍事攔截、安全監(jiān)測(cè)、生物探測(cè)等多方面都有研究和應(yīng)用。
　　論文對(duì)小目標(biāo)圖像的單幀檢測(cè)技術(shù)和多幀序列圖像目標(biāo)檢測(cè)與跟蹤技術(shù)進(jìn)行研

2、究，在對(duì)目前復(fù)雜背景下小目標(biāo)的檢測(cè)方法進(jìn)行研究的基礎(chǔ)上，分析比較了高通濾波、形態(tài)學(xué)濾波、分層閾值化濾波及小波變換、神經(jīng)網(wǎng)絡(luò)濾波等各種經(jīng)典算法的檢測(cè)效果和丟失目標(biāo)的原因，提出了一種相互補(bǔ)充的單幀檢測(cè)算法，采用兩級(jí)空間濾波與分層閾值檢測(cè)加權(quán)結(jié)合的方法。該方法既保證了背景濾波的效果，又保證了小目標(biāo)在低信噪比的情況下被錯(cuò)誤濾除掉。而在多幀跟蹤檢測(cè)步驟中，加入卡爾曼運(yùn)動(dòng)信息預(yù)測(cè)機(jī)制，改進(jìn)了管道濾波的在小目標(biāo)運(yùn)動(dòng)變化情況下丟失目標(biāo)的問題。管道濾波在