研究多方法融合的目標(biāo)跟蹤算法,主要從三方面研究方面進(jìn)行分析:第一,多算法融合的自適應(yīng)圖像增強(qiáng)算法研究;第二,改進(jìn)SURF算法的移動目標(biāo)實時圖像配準(zhǔn)方法研究;第三,多方法融合的粒子濾波算法的自動跟蹤。第一,多算法融合的自適應(yīng)圖像增強(qiáng)算法研究。這部分的工作需要采用不同種算法的結(jié)合體進(jìn)行研究。主要的應(yīng)用是對于復(fù)雜程度比較高的圖片,某個部分的具體細(xì)節(jié)信息無從得知,因此就需要對這個部分的圖片進(jìn)行處理,從而恢復(fù)細(xì)節(jié)。這種算法結(jié)合了很多優(yōu)秀的算法,包括Laplacian變換法、Sobel梯度法、盒狀濾波法、非銳化掩蔽法及灰度冪律法等等,并且吸收了他們的優(yōu)點,然后總結(jié)出現(xiàn)在的算法。在進(jìn)行操作過程中,第一步是對圖像進(jìn)行分層處理,分為基礎(chǔ)層、細(xì)節(jié)層、邊緣層三個層次;第二步是對特殊的部分進(jìn)行加強(qiáng),這里需要加強(qiáng)的有兩個部分,第一部分是細(xì)節(jié)層,第二部分是邊緣層的某些特殊信息;第三步,也就是最后一步,利用濾波法處理前面的三個圖像層,消除噪音,并且進(jìn)行平滑過渡。之后進(jìn)行非銳化掩蔽、灰度變換就可以完成圖像的處理過程。我們把這種方法處理的圖片和其他方法處理的圖片進(jìn)行了比較,發(fā)現(xiàn)了明顯的優(yōu)勢,這種方法處理得到的圖片,清晰... 

【文章頁數(shù)】：65 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景與意義
        1.1.1 課題研究背景
        1.1.2 課題研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 主要研究內(nèi)容與技術(shù)路線
        1.3.1 主要研究內(nèi)容
        1.3.2 研究技術(shù)路線
    1.4 課題來源
    1.5 本文章節(jié)安排
第二章 多算法融合的自適應(yīng)圖像增強(qiáng)算法研究
    2.1 多算法融合的圖像增強(qiáng)方法
        2.1.1 擴(kuò)展離散型Laplacian增強(qiáng)算法
        2.1.2 離散型Sobel增強(qiáng)算法
        2.1.3 擴(kuò)展盒狀濾波器平滑算法
        2.1.4 非銳化掩蔽增強(qiáng)及灰度拉伸算法算法
    2.2 實驗結(jié)果及分析
        2.2.1 四種算法運(yùn)行速度對比分析
        2.2.2 四種算法局部熵值對比分析
        2.2.3 增強(qiáng)圖像結(jié)果分析
    2.3 本章小結(jié)
第三章 改進(jìn)SURF算法的移動目標(biāo)實時圖像配準(zhǔn)方法研究
    3.1 改進(jìn)SURF圖像配準(zhǔn)算法
        3.1.1 改進(jìn)特征點提取方法
        3.1.2 改進(jìn)特征點檢測方法
        3.1.3 基于肯德爾系數(shù)約束的配準(zhǔn)方法
        3.1.4 基于顏色不變量的彩色圖像配準(zhǔn)方法
    3.2 移動圖像實時配準(zhǔn)算法
    3.3 實驗結(jié)果與分析
        3.3.1 魯棒性特征周邊檢測區(qū)域分析
        3.3.2 Gaussian-Hermite矩修正結(jié)果及新定義特征向量分析
            3.3.2.1 Gaussian-Hermite矩修正結(jié)果分析
            3.3.2.2 新定義特征向量分析
        3.3.3 改進(jìn)SURF圖像特征點主方向仿真分析
        3.3.4 靜態(tài)圖像配準(zhǔn)實驗分析
        3.3.5 移動圖像的實驗分析
    3.4 本章小結(jié)
第四章 多方法融合的粒子濾波算法的神經(jīng)絲自動跟蹤
    4.1 粒子濾波算法
    4.2 改進(jìn)粒子濾波跟蹤策略
        4.2.1 改進(jìn)重采樣方法
        4.2.2 改進(jìn)重采樣方法
            4.2.2.1 后驗概率估計目標(biāo)跟蹤策略
            4.2.2.2 似然函數(shù)目標(biāo)跟蹤策略
    4.3 實驗結(jié)果分析
    4.4 本章小結(jié)
第五章 總結(jié)與展望
    5.1 全文工作總結(jié)5
    5.2 下一步工作安排5
參考文獻(xiàn)
攻讀碩士期間取得的研究成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]雙通道局部處理的自適應(yīng)圖像增強(qiáng)方法[J]. 竇智,韓玉兵,盛衛(wèi)星,馬曉峰.  計算機(jī)輔助設(shè)計與圖形學(xué)學(xué)報. 2015(10)
[2]基于多尺度Retinex的非下采樣Contourlet域圖像增強(qiáng)[J]. 吳一全,史駿鵬.  光學(xué)學(xué)報. 2015(03)
[3]基于檢測的熒光顯微圖像中的神經(jīng)絲蛋白質(zhì)跟蹤[J]. 袁亮,朱俊達(dá).  計算機(jī)工程與科學(xué). 2015(01)
[4]基于NSCT和SURF的遙感圖像匹配[J]. 吳一全,沈毅,陶飛翔.  遙感學(xué)報. 2014(03)
[5]基于改進(jìn)SURF算法的交通視頻車輛檢索方法研究[J]. 張子龍,薛靜,喬鴻海,智永鋒.  西北工業(yè)大學(xué)學(xué)報. 2014(02)
[6]基于SURF特征和Delaunay三角網(wǎng)格的圖像匹配[J]. 閆自庚,蔣建國,郭丹.  自動化學(xué)報. 2014(06)
[7]基于PDE的自適應(yīng)各向異性圖像配準(zhǔn)方法研究[J]. 蔣淑靜,黑保琴,張九星,李倩男.  通信學(xué)報. 2013(05)
[8]基于改進(jìn)SURF和P-KLT算法的特征點實時跟蹤方法研究[J]. 蔡佳,黃攀峰.  航空學(xué)報. 2013(05)
[9]基于SURF-DAISY算法和隨機(jī)kd樹的快速圖像配準(zhǔn)[J]. 丁南南,劉艷瀅,張葉,陳春寧,賀柏根.  光電子.激光. 2012(07)
[10]基于Retinex理論JPEG2000壓縮圖像增強(qiáng)方法[J]. 儲昭輝,汪榮貴,張璇,張新龍.  光子學(xué)報. 2012(02)



本文編號：3708854