本文關(guān)鍵詞：基于圖像的空中目標跟蹤算法研究

  更多相關(guān)文章： 空中目標跟蹤 Gabor濾波器 混合高斯模型 OpenCV

【摘要】：基于圖像的空中目標跟蹤技術(shù)是指以機載或彈載成像設(shè)備捕獲的目標圖像為研究對象,采用圖像分析算法將目標從捕獲的復(fù)雜背景圖像中進行分割,并將目標的坐標、角度等數(shù)據(jù)作為機載武器或者導(dǎo)彈跟蹤制導(dǎo)的依據(jù)。本文歸類和分析主要的目標跟蹤算法,然后研究基于Gabor小波特征向量提取和混合高斯模型分類器的目標跟蹤算法,主要工作如下:(1)首先將常見的目標跟蹤算法歸為4類,也即灰度匹配法、幀差跟蹤法、輪廓跟蹤法、光流法,然后分別從算法的空間復(fù)雜度、數(shù)學(xué)原理、時間復(fù)雜度、算法性能等方面探討各種算法存在的優(yōu)點和不足。(2)根據(jù)上文討論4類算法優(yōu)點和缺點,論文設(shè)計基于Gabor小波和混合高斯模型分類器的空中目標跟蹤算法。捕獲的目標圖像由Gabor小波完成特征向量提取,此步驟分為兩類也即正負訓(xùn)練樣本、測試樣本的生成和對正負訓(xùn)練樣本、測試樣本的Gabor小波特征提取;采用正負樣本提取的Gabor小波特征向量文件訓(xùn)練混合高斯分類器,設(shè)置最大訓(xùn)練次數(shù)和訓(xùn)練誤差要求,進一步以確定各個混合高斯模型的權(quán)重系數(shù)以及高斯分布的參數(shù);然后使用訓(xùn)練完成的混合高斯模型分類器對測試樣本中目標圖像和背景圖像的分割和標記,并最終輸出目標在圖像坐標系中的位置。(3)使用Microsoft Visual Studio2013和OpenCV2.4.9作為測試平臺對本文設(shè)計的基于Gabor小波特征向量提取以及混合高斯模型分類器目標跟蹤算法進行準確性和性能的測試。測試內(nèi)容為目標跟蹤算法模塊化,X86平臺C++語言實現(xiàn),代碼實現(xiàn)級別和系統(tǒng)級別優(yōu)化以提高算法運行效率等工作。經(jīng)測試本文設(shè)計的基于Gabor小波特征提取和混合高斯模型分類器的目標跟蹤算法在Windows平臺具有較好的準確性和實時性。
【關(guān)鍵詞】：空中目標跟蹤 Gabor濾波器 混合高斯模型 OpenCV
【學(xué)位授予單位】：中北大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41
【目錄】：

• 摘要4-5
• Abstract5-9
• 1 緒論9-15
• 1.1 論文研究背景和意義9
• 1.2 論文國內(nèi)外研究現(xiàn)狀9-12
• 1.3 本文研究工作和組織結(jié)構(gòu)12-15
• 1.3.1 本文的研究工作13
• 1.3.2 本文的組織結(jié)構(gòu)13-15
• 2 空中目標跟蹤技術(shù)歸類與分析15-29
• 2.1 灰度匹配法16-18
• 2.1.1 數(shù)學(xué)過程分析16
• 2.1.2 算法性能測試16-18
• 2.2 幀差法18-23
• 2.2.1 數(shù)學(xué)過程分析18-20
• 2.2.2 算法性能測試20-23
• 2.3 輪廓跟蹤法23-26
• 2.3.1 算法數(shù)學(xué)過程分析23-24
• 2.3.2 算法性能分析24-26
• 2.4 光流法26-28
• 2.4.1 算法數(shù)學(xué)過程分析26-27
• 2.4.2 算法性能分析27-28
• 2.5 本章小結(jié)28-29
• 3 Gabor小波紋理特征提取29-53
• 3.1 目標圖像預(yù)處理29-37
• 3.1.1 視頻幀去噪處理30-32
• 3.1.2 視頻幀直方圖均衡化32-33
• 3.1.3 視頻幀圖像邊緣提取33-37
• 3.2 Gabor小波變換數(shù)學(xué)原理37-41
• 3.3 Gabor小波特征提取41-48
• 3.4 PCA特征向量降維化48-52
• 3.5 本章小結(jié)52-53
• 4 混合高斯模型分類器53-66
• 4.1 引言53
• 4.2 混合高斯模型分類器的數(shù)學(xué)原理分析53-55
• 4.3 混合高斯模型分類器設(shè)計55-62
• 4.3.1 EM算法原理分析55-59
• 4.3.2 EM算法求解GMM參數(shù)59-62
• 4.4 混合高斯分類器62-65
• 4.4.1 混合高斯模型訓(xùn)練63-64
• 4.4.2 混合高斯模型分類器測試64-65
• 4.5 本章小結(jié)65-66
• 5 算法的X86平臺測試及優(yōu)化66-80
• 5.1 引言66-67
• 5.2 算法功能模塊設(shè)計67-73
• 5.3 X86平臺代碼優(yōu)化73-76
• 5.4 算法性能測試76-79
• 5.5 本章小結(jié)79-80
• 6 總結(jié)與展望80-84
• 6.1 論文工作總結(jié)80-82
• 6.2 未來工作展望82-84
• 參考文獻84-87
• 攻讀碩士期間發(fā)表的論文87-88
• 致謝88-89

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 金忠;一種多目標跟蹤算法[J];南京理工大學(xué)學(xué)報(自然科學(xué)版);1985年S1期

2 龔萍;張輝;毛征;張慶龍;孔文超;;融合局部熵二維熵的空中目標跟蹤算法研究[J];國外電子測量技術(shù);2014年01期

3 馬奔,史忠科,皮燕妮;成像目標跟蹤算法分析[J];西安電子科技大學(xué)學(xué)報;2005年03期

4 孫中森;孫俊喜;宋建中;喬雙;;一種抗遮擋的運動目標跟蹤算法[J];光學(xué)精密工程;2007年02期

5 陳愛華;孟勃;朱明;王艷華;;多模式融合的目標跟蹤算法[J];光學(xué)精密工程;2009年01期

6 牛長鋒;劉玉樹;;融合多特征的粒子濾波目標跟蹤算法[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2010年01期

7 蔡榮太;吳元昊;王明佳;吳慶祥;;視頻目標跟蹤算法綜述[J];電視技術(shù);2010年12期

8 佟國峰;蔣昭炎;谷久宏;龐曉磊;;基于隨機蕨叢的長期目標跟蹤算法[J];東北大學(xué)學(xué)報(自然科學(xué)版);2013年01期

9 曹曉麗;李明;邢玉娟;譚萍;;幾種自動目標跟蹤算法的比較研究[J];硅谷;2013年02期

10 王魯平,李飚,胡敏露;一種基于多傳感器數(shù)據(jù)融合的目標跟蹤算法[J];紅外與激光工程;2004年02期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 徐炳吉;;一種多站聯(lián)合目標跟蹤算法[A];數(shù)學(xué)及其應(yīng)用文集——中南模糊數(shù)學(xué)和系統(tǒng)分會第三屆年會論文集（上卷）[C];1995年

2 杜方芳;劉士榮;邱雪娜;;一種改進的粒子濾波目標跟蹤算法[A];PCC2009—第20屆中國過程控制會議論文集[C];2009年

3 付曉薇;方康玲;李曦;;一種基于特征的多目標跟蹤算法[A];2003年中國智能自動化會議論文集（下冊）[C];2003年

4 許偉村;趙清杰;;一種基于粒子濾波的多目標跟蹤算法[A];2011年中國智能自動化學(xué)術(shù)會議論文集（第一分冊）[C];2011年

5 李軍;張華;單梁;;一種基于Mean shift和粒子濾波的綜合目標跟蹤算法[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學(xué)學(xué)報（增刊）][C];2009年

6 肖敬若;胡伏原;鄭江濱;張艷寧;;一種有效的多目標跟蹤算法[A];第十二屆全國信號處理學(xué)術(shù)年會（CCSP-2005）論文集[C];2005年

7 鄭黎義;陳興無;王磊;李正東;;紅外/雷達雙傳感器融合目標跟蹤算法[A];中國工程物理研究院科技年報（2005）[C];2005年

8 張震宇;王立松;;基于粒子濾波的傳感器目標跟蹤算法[A];2008年中國高校通信類院系學(xué)術(shù)研討會論文集（上冊）[C];2009年

9 王亞楠;陳杰;甘明剛;;基于差分進化的改進粒子濾波目標跟蹤算法[A];中國自動化學(xué)會控制理論專業(yè)委員會C卷[C];2011年

10 張濤;費樹岷;胡剛;;基于多特征信息自適應(yīng)融合的視頻目標跟蹤算法[A];第二十九屆中國控制會議論文集[C];2010年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 胡子軍;基于隨機有限集的雷達多目標跟蹤算法研究[D];西安電子科技大學(xué);2015年

2 王保憲;復(fù)雜背景下的視頻目標跟蹤算法研究[D];北京理工大學(xué);2016年

3 盧建國;基于粒子濾波的視頻目標跟蹤算法研究[D];北京郵電大學(xué);2011年

4 馮巍;分布式多視角目標跟蹤算法研究[D];復(fù)旦大學(xué);2011年

5 王書朋;視頻目標跟蹤算法研究[D];西安電子科技大學(xué);2009年

6 劉晴;基于區(qū)域特征的目標跟蹤算法研究[D];北京理工大學(xué);2014年

7 邱雪娜;基于視覺的運動目標跟蹤算法及其在移動機器人中的應(yīng)用[D];華東理工大學(xué);2011年

8 趙運基;基于視覺的目標跟蹤算法研究[D];華南理工大學(xué);2012年

9 張健;面向能效優(yōu)化的無線傳感器網(wǎng)絡(luò)分布式目標跟蹤算法研究[D];東北大學(xué);2011年

10 易偉;基于檢測前跟蹤技術(shù)的多目標跟蹤算法研究[D];電子科技大學(xué);2012年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 張健;形變目標跟蹤算法的研究與實現(xiàn)[D];遼寧大學(xué);2015年

2 張巧麗;基于LabVIEW的運動目標跟蹤算法研究與實現(xiàn)[D];陜西科技大學(xué);2015年

3 鐘寶康;基于壓縮感知的預(yù)測目標跟蹤算法研究[D];江西理工大學(xué);2015年

4 薛桐;基于CamShift的運動目標跟蹤算法研究[D];沈陽理工大學(xué);2015年

5 王增宇;基于稀疏表達的目標跟蹤算法研究[D];沈陽理工大學(xué);2015年

6 王靜;結(jié)構(gòu)化的表觀模型及兩階段目標跟蹤算法研究[D];沈陽理工大學(xué);2015年

7 葛凱蓉;自然場景下目標跟蹤算法的研究[D];山東大學(xué);2015年

8 向偉;基于檢測的目標跟蹤算法研究[D];上海交通大學(xué);2015年

9 單順勇;結(jié)合多示例學(xué)習(xí)和模板匹配的目標跟蹤算法研究[D];江西理工大學(xué);2015年

10 張碧武;基于單目視覺的目標跟蹤算法的研究與實現(xiàn)[D];電子科技大學(xué);2015年

，

本文編號：790095