相关跟踪算法实现－南娟.pptVIP

序列图像的相关跟踪算法研究 答 辩 人: 南 娟 专 业:信息工程 指导老师: 黎 宁 目 录 研究的目的与意义 相关跟踪算法介绍 算法的实现 实验分析 总结与展望 致谢 研究的目的与意义 随着国民经济的快速增长、国力的不断增强和社会的迅速进步，交通、安全、以及军事设施等领域对安全防范,侦察和监视的需求与日俱增，要求也越来越高，从而促进了跟踪系统的发展。 相关跟踪算法介绍 相关跟踪算法分类 平均差值平方法 平均绝对差值法 归一化相关算法 算法实现 差影检测 差影法的原理非常简单：将前后两幅图像相减，得到的差作为结果图像。其中输入图像为A ( X , Y) 和B ( X , Y) ,输出图像为C( X , Y) ,满足公式： C( X , Y) = A( X , Y) - B( X , Y) 中值滤波 中值滤波是为了去除噪声。 具体步骤是: ①将模板在图像中漫游,并将模板中心与图像中某个像素的位置重合；②读取模板下个对应像素的灰度值； ③将这些灰度值从小到大排成一列； ④找出这些值里排在中间的一个； ⑤将这个中间值赋给对应模板中心位置的像素。 阈值分割 在1幅灰度图像gmin和gmax之间的确定一个灰度阈值T（gmin T gmax），然后将图像中每个像素的灰度值与阈值T相比较：像素的灰度值大于阈值的为1类，像素的灰度值小于阈值的为另1类。 模板提取 采用的提取模板方法如下： 1.扫描已经过中值滤波的图像，找出图像中像素值为255四个边界点(x1,y1)(x2,y1)(x1,y2)(x2,y2)。 2.新开辟一个大小为(x2-x1)*(y2-y1)的内存，用来保存模板。 3．根据找到的目标的四个边界点将目标拷贝进该内存，保存为模板图像。 模板匹配及更新 所谓模板匹配，其实很简单：拿已知的模板，和原图像中同样大小的一块区域去比较，找出与模板相同的那块区域。 本文是在相似度度量准则指导下，进行的匹配. 相似性度量ρ(x0,y0)的表达式为: 实验结果 (a)序列图一 (b)序列图二 (c)帧间差图像经中值滤波、 (d）根据c提取的模板 (e)序列图三 (f)序列图三的跟踪结果 实验结果 实验分析 结论 通过设定感兴趣区域而不是在整个图像内进行模板匹配，大大减小了计算量，提高了算法的实时性。这个实验结果已经充分说明了本方法的优越性。 总结 本文提出了一种改进的相关跟踪算法，将差影法，中值滤波及波门跟踪的优点相结合，提高了算法的实时性。 涉及的运动目标跟踪算法虽然是针对特定的应用目标而讨论的，但是很多算法都具有通用性，如差影法、阈值分割、中值滤波、模板匹配等都适用于目标跟踪技术的研究。对其他目标跟踪研究都具有参考价值。 展望 a)运动目标的提取方法。 b)二值化的方法。 c) 匹配算法。 d) 多种模式的融合。 e) 进一步提高算法的实时性，准确性。 致谢 谢谢大家! * * 日期：2006年6月14号 头盔瞄准具 红外成像跟踪 武器制导 军事侦查 机器人导航 传统相关跟踪算法存在两个问题： 其二，相关算法存在累积误差，容易使目标漂移出参 考模板。 针对这两个问题本文提出了一种新的基于模板匹配的相关跟踪算法，通过设置感兴趣区域有效提高了算法的实时性。 相关跟踪算法的优点 相关跟踪能在较低的信噪比条件下提供更好的跟踪性能. 其一，计算量大，运算时间长不利于实时跟踪； 将系统的基准图像在实时图像上以不同的偏移值位移，然后根据一定的相似性度量准则对每一个偏移值下重叠的两个图像——基准图像及与基准图像同样大小的实时图像进行相关处理，根据判别准则和相关处理结果，判断目标在实时图像中的位置。 差影检测 中值滤波 阈值分割 模板匹配 模板提取 模板更新 阈值分割前的图像 阈值分割后的图像 根据找到的最大相似点，以及模板图像的宽度和高度， 即可标出目标，然后提取出该目标对模板进行更新。 。 第一次跟踪过程 阈值分割后的结果图 (a)从图4.1的f中提出的新模板 (b) 序列图四 (c) 序列图四的跟踪结果 图4.2第二次跟踪过程 (a)从图4.2的c中提出的新模板 (b) 序列图五 (c) 序列图五的跟踪结果 第三次跟踪过程 4593.4 818.8 第六次跟踪过程 4597.6 844.0 第五次跟踪过程 4596.5 828.0 第四次跟踪过程 4592.3 813.0