基于小波理論的目標檢測與快速目標跟蹤算法研究.pdf

1、本文通過對圖像處理領(lǐng)域中自動目標識別技術(shù)以及快速目標跟蹤算法的研究，找出一種切實可行的辦法來解決目前靶場設(shè)備跟蹤系統(tǒng)存在的一些問題。 在目標檢測的算法研究方面，本文從檢測效果、運行時間和算法實現(xiàn)難度等方面考慮，選用curvelet變換進行圖像增強和噪聲濾除，同時結(jié)合小波變換進行邊緣檢測，以達到準確檢測目標的目的。實驗結(jié)果表明，在圖像增強和去噪效果方面，curvelet變換的效果要大大優(yōu)于其他同類方法，特別是在噪聲嚴重的情況下cu

2、rvelet變換優(yōu)越性更為顯著。 本文研究了基于小波變換的形狀匹配算法，并針對小波表達的起始點問題，引入了Zernike矩，提出一種起始點無關(guān)的小波系數(shù)形狀匹配算法。算法首先對輸入圖像進行預(yù)處理后提取目標輪廓，生成具有平移、尺度不變的形狀鏈狀表達，并通過小波變換進行多尺度分析。然后計算各個尺度下的各階Zernike矩，來解決小波變換的起始點問題，實現(xiàn)形狀表達的旋轉(zhuǎn)不變性。實驗結(jié)果表明該算法適用于輪廓較明顯的目標，同時具有速度快、

3、精度高、魯棒性強的優(yōu)點。 提出一種基于遺傳算法的快速相關(guān)跟蹤算法。針對圖像數(shù)據(jù)的特點，采用新的編碼方式，定義了新的交叉和變異算子。采用抽樣法的初始化種群方式，并引入競爭進化策略，減少了迭代次數(shù)，有效降低了計算量。實驗結(jié)果證明，在保證匹配精度的同時，該算法比原始算法在計算時間降低100多倍。 針對傳統(tǒng)相關(guān)跟蹤算法中存在的一些問題，在分析多種模板更新算法的基礎(chǔ)上，提出一種基于直方圖信息的模板更新策略。同時，利用kalman濾