復(fù)雜環(huán)境下基于多源圖像融合的目標(biāo)跟蹤算法研究.pdf

1、對(duì)于復(fù)雜環(huán)境下多源圖像的目標(biāo)跟蹤是現(xiàn)階段的研究熱點(diǎn)之一,圖像傳感器在采集圖像時(shí),光照的變化、目標(biāo)本身的形變以及背景的影響造成的隱身、遮擋等會(huì)導(dǎo)致不能對(duì)目標(biāo)進(jìn)行持續(xù)、穩(wěn)定、準(zhǔn)確的跟蹤?？梢姽鈭D像具有良好的細(xì)節(jié)表現(xiàn)力,對(duì)顏色等信息敏感,能夠很好地對(duì)目標(biāo)的形狀、紋理等信息進(jìn)行表達(dá),但是當(dāng)目標(biāo)隱身或被遮擋時(shí),會(huì)丟失目標(biāo)信息;紅外圖像由于是對(duì)于熱輻射的表達(dá),具有較強(qiáng)的穿透能力,可以清晰地表達(dá)目標(biāo)主體,但是會(huì)丟失細(xì)節(jié)信息,因此需要將可見光圖像與紅外

2、圖像進(jìn)行融合,發(fā)揮各自的優(yōu)勢(shì)。
　　利用實(shí)驗(yàn)室跟蹤模擬測(cè)量系統(tǒng)來模擬目標(biāo)在復(fù)雜環(huán)境下的運(yùn)動(dòng),拍攝可見光與紅外的圖像序列,研究在復(fù)雜環(huán)境下的可見光與紅外圖像序列的融合跟蹤算法。
　　首先對(duì)所采集到的圖像進(jìn)行預(yù)處理,對(duì)比分析圖像平滑、分割以及形態(tài)學(xué)濾波的算法,得出對(duì)于該系統(tǒng)采集到的圖像,采用中值濾波, OTSU自適應(yīng)閾值分割算法以及開運(yùn)算相結(jié)合的方法可以有效地將目標(biāo)與背景分離開來,隨后利用背景差分法對(duì)目標(biāo)進(jìn)行檢測(cè)定位。
　

3、　分析基于稀疏表達(dá)的目標(biāo)跟蹤算法,本文采用一種基于稀疏測(cè)量矩和貝葉斯二分類器的跟蹤算法。利用稀疏測(cè)量矩陣對(duì)提取到的圖像特征進(jìn)行降維,保留目標(biāo)的基本信息,去除冗余,不僅可以保證結(jié)果的準(zhǔn)確性,還大大減少了算法的復(fù)雜度,提高運(yùn)算速度。通過貝葉斯二分類器的判斷,確定出與目標(biāo)實(shí)際位置最相近的樣本作為跟蹤結(jié)果,并進(jìn)行分類器的更新。該算法雖然對(duì)一些具有較多信息量的大目標(biāo)在復(fù)雜的背景下較其他算法有很大優(yōu)勢(shì),但對(duì)于OTCBVS數(shù)據(jù)庫中的監(jiān)控錄像跟蹤結(jié)果并

4、不理想,因此需要采用可見光與紅外相結(jié)合的融合跟蹤算法。
　　融合跟蹤的算法大致可以分為三個(gè)等級(jí),即像素級(jí)、特征級(jí)和決策級(jí),在基于稀疏測(cè)量矩陣和貝葉斯分類器的跟蹤算法基礎(chǔ)上,本文提出了一種自適應(yīng)的決策級(jí)融合算法,可以通過對(duì)兩種圖像各自的跟蹤結(jié)果進(jìn)行決策判斷,選取最優(yōu)解,對(duì)分類器分別進(jìn)行跟蹤,該算法解決了單傳感器跟蹤失效的問題。
　　在實(shí)驗(yàn)室跟蹤模擬測(cè)量系統(tǒng)的基礎(chǔ)上,編寫軟件仿真平臺(tái),對(duì)文中所述方法進(jìn)行實(shí)現(xiàn),可以演示圖像的預(yù)處理