光學(xué)跟蹤測量系統(tǒng)在武器試驗過程產(chǎn)生大量的圖像數(shù)據(jù),處理這些數(shù)據(jù)可以得到武器的軌跡與姿態(tài)、光學(xué)輻射特性等參數(shù),為武器鑒定與故障分析提供重要的數(shù)據(jù)支持。目標(biāo)檢測跟蹤與判讀方法是光測圖像數(shù)據(jù)處理的關(guān)鍵技術(shù),通常先檢測目標(biāo),再跟蹤目標(biāo),最后判讀特征。為了滿足多樣化的試驗任務(wù)需求,實現(xiàn)實時數(shù)據(jù)處理,提高分析的自動化程度,需要研究高效、精確、適應(yīng)性強的檢測跟蹤與判讀方法。本文主要面向光測圖像實時處理。在運動目標(biāo)檢測方面,研究了適用于固定視場的背景剪除方法,以及變化視場的運動檢測方法;在目標(biāo)跟蹤方面,研究了基于外觀增量學(xué)習(xí)的目標(biāo)區(qū)域/輪廓跟蹤方法,以及基于跟蹤-檢測-學(xué)習(xí)的目標(biāo)區(qū)域跟蹤方法;在特征判讀方面,發(fā)展了基于二維/三維模型的特征定位方法。在上述研究方法基礎(chǔ)上,設(shè)計并實現(xiàn)了光測圖像實時判讀解算系統(tǒng),該系統(tǒng)成功應(yīng)用于多類靶場光測試驗,滿足用戶實時獲取并分析試驗數(shù)據(jù)的需求。本文的主要研究成果包括:1)提出一種基于時空樣本的自適應(yīng)混合背景建模方法,由于同時考慮鄰域像素的位置與外觀信息對當(dāng)前像素的影響,可以實現(xiàn)固定場景中運動目標(biāo)的高質(zhì)量檢測,特別是低質(zhì)量圖像序列,如有噪聲或壓縮視頻;2)提出一種基于密... 

【文章來源】：國防科技大學(xué)湖南省 211工程院校 985工程院校

【文章頁數(shù)】：160 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 光測圖像判讀分析與挑戰(zhàn)
        1.2.1 光測圖像判讀
        1.2.2 光測圖像判讀挑戰(zhàn)
    1.3 運動目標(biāo)檢測與跟蹤算法研究現(xiàn)狀
        1.3.1 圖像外觀模型與距離測度
        1.3.2 運動目標(biāo)檢測算法研究進展
        1.3.3 運動目標(biāo)跟蹤算法研究進展
    1.4 本文主要內(nèi)容及創(chuàng)新點
        1.4.1 本文主要內(nèi)容
        1.4.2 本文主要技術(shù)創(chuàng)新點
第二章 基于變化檢測的運動目標(biāo)檢測方法研究
    2.1 引言
    2.2 算法綜述
        2.2.1 背景建模
        2.2.2 運動檢測
    2.3 基于時空樣本的背景建模方法
        2.3.1 聯(lián)合域像素模型
        2.3.2 基于加權(quán)邊緣概率密度函數(shù)的判別過程
        2.3.3 在線模型更新
        2.3.4 實驗結(jié)果及分析
        2.3.5 小結(jié)
    2.4 基于密集光流和單應(yīng)約束的近平面場景運動目標(biāo)檢測方法
        2.4.1 稀疏/密集光流場景配準(zhǔn)
        2.4.2 基于密集光流的魯棒單應(yīng)矩陣估計
        2.4.3 運動目標(biāo)檢測基本步驟
        2.4.4 實驗結(jié)果及分析
        2.4.5 小結(jié)
    2.5 本章總結(jié)
第三章 基于外觀增量學(xué)習(xí)的目標(biāo)跟蹤方法研究
    3.1 引言
    3.2 算法綜述
        3.2.1 基于檢測的區(qū)域跟蹤
        3.2.2 基于分割的輪廓跟蹤
    3.3 結(jié)合紋理和形狀特征的在線混合隨機樸素貝葉斯跟蹤器
        3.3.1 紋理和形狀特征描述
        3.3.2 混合隨機樸素貝葉斯分類器訓(xùn)練
        3.3.3 基于滑動窗口的目標(biāo)定位
        3.3.4 實驗結(jié)果與分析
        3.3.5 小結(jié)
    3.4 基于高斯混合模型在線學(xué)習(xí)的輪廓跟蹤方法
        3.4.1 目標(biāo)/背景特征的高斯混合模型描述
        3.4.2 基于圖模型的能量函數(shù)定義
        3.4.3 輪廓跟蹤基本步驟
        3.4.4 實驗結(jié)果與分析
        3.4.5 小結(jié)
    3.5 本章總結(jié)
第四章 基于跟蹤-檢測-學(xué)習(xí)框架的目標(biāo)跟蹤方法研究
    4.1 引言
    4.2 算法綜述
        4.2.1 難點問題
        4.2.2 已有算法概述
    4.3 一種跟蹤-檢測-學(xué)習(xí)算法的自適應(yīng)加速實現(xiàn)
        4.3.1 算法框架
        4.3.2 支持關(guān)鍵點特征或區(qū)域特征自動選擇的跟蹤器
        4.3.3 支持尺度在線估計的檢測器
        4.3.4 信任度加權(quán)平均融合器
        4.3.5 基于結(jié)構(gòu)約束的學(xué)習(xí)器
        4.3.6 實驗結(jié)果及分析
        4.3.7 小結(jié)
    4.4 本章總結(jié)
第五章 光測圖像實時判讀解算系統(tǒng)的設(shè)計與實現(xiàn)
    5.1 總體設(shè)計方案
        5.1.1 需求分析
        5.1.2 體系結(jié)構(gòu)
        5.1.3 主要功能
    5.2 關(guān)鍵技術(shù)
        5.2.1 無模型的判讀方法
        5.2.2 人工指定幾何基元的判讀方法
        5.2.3 基于二維模型的判讀方法
        5.2.4 基于三維模型的判讀方法
        5.2.5 人工干預(yù)
    5.3 系統(tǒng)應(yīng)用與實現(xiàn)
        5.3.1 空中發(fā)射試驗
        5.3.2 光學(xué)特性測量
        5.3.3 彈體位姿測量
    5.4 本章總結(jié)
第六章 結(jié)論與展望
    6.1 論文主要工作與創(chuàng)新點
    6.2 需要進一步研究的問題
致謝
參考文獻
作者在學(xué)期間取得的學(xué)術(shù)成果


【參考文獻】：
博士論文
[1]靶場圖像目標(biāo)檢測跟蹤與定姿技術(shù)研究[D]. 王鯤鵬.國防科學(xué)技術(shù)大學(xué) 2010
[2]靶場圖像運動目標(biāo)檢測與跟蹤定位技術(shù)研究[D]. 張小虎.國防科學(xué)技術(shù)大學(xué) 2006
[3]基于視覺的空間目標(biāo)位置姿態(tài)測量方法研究[D]. 尚洋.國防科學(xué)技術(shù)大學(xué) 2006



本文編號：3391985