论文部分内容阅读
基于图像的目标的识别和跟踪技术已经广泛应用于国防与国民经济建设的诸多领域，融合了计算机视觉、图像处理与模式识别以及计算机应用等相关领域的先进技术和研究成果。对于识别，提取反映目标本质属性和具有较强适应性的特征，一直是研究的核心内容之一。在平移、旋转、尺度等变换下保持不变的常规特征已经不能满足新的目标识别的需要，近年来兴起的3D不变性研究正成为计算机视觉中一个非常活跃的研究领域。在实际的应用中，特征空间往往是非线性可分的，识别的方法要具有较强的分类能力。对复杂背景下运动目标的识别跟踪，尤其是在中远距离观测的时候，由于许多不可预知的环境条件(光照、气候、能见度等)、背景噪声干扰等的影响，影响了目标跟踪的稳定性。因此如何实现三维运动目标的识别，以及在复杂背景下的稳定跟踪，成为本文的研究重点。本研究主要内容如下：
⑴在介绍运动目标识别与跟踪技术的发展概况、相关技术的基本理论和方法的基础上，对运动目标特征不变量、目标识别方法、以及几种保证稳定的跟踪方法等方面进行了探讨和研究。
⑵在提取运动目标特征不变量研究方面，首先分析了几种二维平面运动目标不变量。之后，着重研究了3D不变特征。通过分析了目标成像的模型及仿射与透视变换的关系，提出了具有仿射不变性的离散余弦描述子。这种方法使用微分面积对目标轮廓进行参数化，进而计算其离散余弦变换。最后，所得到的一系列描述子具有仿射不变性，尤其适用于在视点发生变化时，三维空间中运动目标识别。通过理论分析，给出了算法的推导过程，并对三维空间中不同姿态的飞机轮廓图像进行了仿真实验。实验结果表明，各描述子描述的特征值是相对稳定的。
⑶分类器的设计也是目标识别的关键之一。采用基于核的Fisher分类方法，实现了非线性可分。在这种方法中使用了支持向量机中的核函数思想，利用核函数把输入的样本映射到某一高维空间，然后在此特征空间进行Fisher线性判别。提出将余弦描述子仿射不变量作为目标特征量，结合基于核的Fisher分类方法对三维运动目标进行识别。通过实验表明，这种方法有效的提高了识别率。
⑷提出用仿射不变轮廓线作为特征进行识别。首先目标轮廓曲线用具有仿射不变性的参数将其参数化。然后，待识别目标的参数化轮廓线正交投影后，可使其与库存同一型号的目标轮廓线保持较强的相关性。最后，用归一化相关函数作为识别准则确定目标类别。对于空间姿态变化前后的同一类目标，它们的相关度大于0.9。
⑸在运动目标跟踪中，对于尺寸较小的目标利用质心跟踪可以获得良好的效果。针对复杂背景下的质心跟踪问题，提出了一种目标分割的算法。对相邻两帧图像的跟踪框和背景框的灰度分布统计，加入滤波因子，再根据Bayes判别规则构造判别函数，把背景像素和目标像素进行分类。实验结果证明，所提出的方法克服了由于图像序列中某一帧图像灰度分布发生突变产生的影响，能较好的分割出图像中的目标。
⑹在多模复合图像跟踪中，要采用多种跟踪方法保证准确的跟踪，因此，在目标质心跟踪不稳定时，采用基于特征点匹配的跟踪方法。采用SUSAN方法检测目标边缘，提出了基于多特征角点检测提取角点，提高检测精度和抗噪性。在不同情况下采用不同的特征点，用改进的Hausdorff距离进行匹配跟踪。改进了跟踪策略，保证了在复杂背景下，即使出现严重的遮挡问题也能稳定的跟踪。
⑺针对复杂背景下目标的识别与稳定跟踪的难点，结合工程实际，提出了针对性很强的算法和方案。在光电探测和图像处理领域具有重要的现实意义。