中国航空科学基金(02153073) 作品数:7 被引量:49 H指数:4 相关作者: 赵荣椿 贾静平 柴艳妹 蒋晓悦 江泽涛 更多>> 相关机构: 西北工业大学 南昌航空工业学院 南阳师范学院 更多>> 发文基金: 中国航空科学基金 国防基础科研计划 更多>> 相关领域: 自动化与计算机技术 一般工业技术 更多>>
基于QP_TR信任域的序列图像目标跟踪 被引量:2 2007年 本文将信任域算法和尺度空间理论相结合,提出了一种能够精确描述目标尺寸连续变化的新的序列图像目标跟踪算法;将信任域算法与灰度模板相结合,提出了一种新的实时目标跟踪算法。在第一种算法中,首先将序列图像按照颜色直方图转换成目标概率分布图,目标区域在概率分布图中呈现为灰度块。然后通过检测该图在尺度空间中微分滤波器输出的极值,来决定这些灰度块的尺度。最后我们使用QP_TR信任域算法在尺度空间里和图像平面内快速搜索概率分布图的多尺度规范化Laplacian滤波函数极值,实现了目标定位并同时决定了其尺度,从而完成了跟踪任务。在第二种算法中,首先记录目标初始模板,在随后每一帧中应用QP—TR信任域算法搜索与该模板最相似的区域,实现目标定位。和现有算法的比较以及在大量真实序列图像上的实验表明,两种算法分别在目标大小描述,跟踪精度上以及运算速度上有了显著提高。 贾静平 柴艳妹 赵荣椿 张艳宁关键词:实时目标跟踪 一种健壮的目标多自由度Mean Shift序列图像跟踪算法 被引量:12 2006年 鉴于现有的M ean Sh ift跟踪方法都是使用单一半径参数来描述目标大小变化,且每个目标仅有位置和尺寸两个自由度,因而不能适应复杂的目标运动情况。针对该问题,首先提出了一种新的M ean Sh ift跟踪方法,由于该方法是通过引入带宽矩阵来描述目标尺寸,因此能够在水平和垂直两个方向上独立描述目标的大小变化,并通过加入目标倾角,使得目标旋转运动得以很好描述;然后借鉴了三步搜索的思想,提出了一种快速搜索策略,以解决目标遮挡问题。实验表明,该算法能够准确跟踪序列图像中的任意复杂运动,尤其对目标的缩放、旋转运动以及遮挡有良好的适应性。 贾静平 柴艳妹 赵荣椿一种新的用于图像稳定的特征点检测方法 被引量:4 2005年 二维特征点的检测和提取是进行图像配准、目标识别和运动匹配的关键技术。针对不同的后继任务, 检测和提取的方法也有所不同。在多目标跟踪和识别技术中, 图像稳定是必要的处理过程, 而如何找到对应的特征点则是其难点所在。本文基于Gabor小波变换, 提出了一种新的分散型自适应策略。该方法能够迅速、有效地在前后两帧图像中找出可能的对应特征点, 以便进行特征点匹配, 从而完成图像稳定。实验表明, 本文方法检测到的特征点能够确切代表两帧图像间的运动情况, 从而为图像稳定提供了可靠的基础。 贾静平 赵荣椿 江泽涛关键词:GABOR小波变换 一种改进的活动轮廓图像分割技术 被引量:12 2004年 图像分割是由图像处理到图像分析的关键步骤 ,也是一种基本的计算机视觉技术。针对传统的活动轮廓外力模型均存在一些难以克服的缺点 ,提出了一种改进的活动轮廓图像分割技术 ,并首先介绍了用活动轮廓进行目标分割的基本原理 ,即一条曲线在其内部能量和外部能量的共同作用下 ,可以移动到所期望的位置 ,并且当曲线到达目标位置的时候 ,活动曲线所具有的能量达到最小。在传统的活动轮廓中 ,外部能量通常由目标点的梯度势能场给出 ,但是由于梯度势能场存在着一些难以克服的缺点 ,即不能够很好地指导曲线的移动 ,为此 ,对其进行了改进 ,即采用一种梯度向量流场作为外部能量场的方法 ,从而有效地克服了传统梯度势能场捕捉范围小以及难以处理凹平面的缺点 ,并通过实验证明了该方法的有效性。 蒋晓悦 赵荣椿关键词:图像分割 图像处理 向量 一种基于小波域的运动估计方法 被引量:1 2005年 提出了一种基于多尺度边缘检测(MED)与连续小波变换(CWT)相结合的运动目标估计方法。首先,利用多尺度边缘检测算法,得到抗噪性好、边缘连续清晰的运动目标边缘图像。然后,利用连续小波变换把目标序列图像映射到运动状态参数空间。该方法同时拥有MED和CWT的优良特性。实验表明,该算法是对旋转、遮挡和有噪等复杂运动目标进行运动估计的有效方法。 王兵 赵荣椿 程英蕾关键词:目标跟踪 多尺度边缘检测 小波变换 使用Mean Shift进行自适应序列图像目标跟踪 被引量:18 2005年 现有的MeanShift跟踪方法使用单一半径参数描述目标大小变化,不能适应复杂的目标运动情况。使用带宽矩阵来描述目标尺寸,在两个方向上独立描述目标大小变化,提出并证明了一种新的跟踪方法。实验表明,在不增加任何计算量的情况下,该算法对目标运动的适应性更好。 贾静平 赵荣椿关键词:SHIFT 基于QP_TR信任域方法的低信噪比序列图像目标跟踪 2007年 运动平台上低信噪比序列图像中的目标跟踪面临着两大困难:平台运动导致图像存在全局平移,使得目标在相邻帧间脱离跟踪算法搜索窗;图像中的干扰使得跟踪窗口经常跳动而导致跟踪失败。鉴于QP_TR信任域算法的优良性能,针对上述两个问题提出了一种新的基于QP_TR信任域和Kalman滤波的跟踪算法。该算法利用QP_TR进行图像稳定和模板匹配,通过Kalman滤波器状态估计滤除干扰。与三步搜索方法相比,加大了搜索窗大小的同时减少了模板匹配的次数,提高了性能。在真实图像序列上进行的实验表明,该算法能有效地稳定运动图像,实现运动平台上低信噪比序列图像中目标的稳定跟踪。 贾静平 赵艳丽 赵荣椿