基于小波理論的目標檢測與快速目標跟蹤算法研究.pdf_第1頁
已閱讀1頁,還剩118頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

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

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論