差值分解方法及其在目标跟踪中的应用
文献类型：学位论文
| 作者 | 闫占德 |
| 学位类别 | 硕士 |
| 答辩日期 | 2006-05-31 |
| 授予单位 | 中国科学院沈阳自动化研究所 |
| 授予地点 | 中国科学院沈阳自动化研究所 |
| 导师 | 罗海波 |
| 关键词 | 相关跟踪 差值分解 遮挡鲁棒性 光照补偿 自适应 |
| 学位专业 | 模式识别与智能系统 |
| 中文摘要 | 目标跟踪是模式识别、图像处理、计算机视觉领域的重要课题，而且在工业、军事和科学研究方面都具有广泛的应用，例如虚拟现实环境、模拟训练、自动导航等。目标跟踪算法的优劣直接影响着跟踪的稳定性和精确性。相关跟踪由于具有精度高、跟踪距离远、可靠性高、较强的局部抗干扰能力等优点，是目前使用最广泛的跟踪算法。但传统相关跟踪方法以假设目标仅发生平移运动为前提，当目标仅发生平移时能够获得理想的跟踪效果。但当目标尺度和灰度变化时，这种算法往往表现出一定的不适应性。差值分解(Difference Decomposition)最早于1997年Michael Gleicher提出，并被应用于目标跟踪，图像配准等领域。由于具有计算速度快，对目标变化适应性好等特点，被认为是目标跟踪中的一种有效的方法。本文在跟踪算法中引入了这种方法，力图解决传统相关跟踪所出现的上述问题。在研究差值分解(Difference Decomposition)理论的同时，对使用该方法在实际应用中遇到的问题进行了深入的分析和大量的实验。主要包括：算法应用中一些参数的选择对算法的影响，算法迭代中参数更新的方法等。并在应用中发现了算法的不足之处，提出了相应的改进方法。主要的改进包括两个方面：(1) 针对算法遇到光照引起的灰度线性变化而出现的跟踪失败问题，采用的解决办法是：用两个可以直接得到的图像矩阵对原模板图像进行光照补偿，在迭代中逐步优化光照补偿的系数，进而达到消除光照影响的目的。(2) 针对算法在遇到有外界物体遮挡候跟踪效果下降的问题，提出利用M估计函数对模板图像与目标图像的差值图像各象素点赋于不同权值，并通过迭代循环逐步来更新权值，进而达到消除遮挡干扰的目的。最后本文构建了一个比较完整的跟踪流程，将改进后的跟踪算法应用到所建立的跟踪流程中。采用Matlab工具对算法进行了开发，并使用序列图像对算法进行了跟踪仿真实验，为算法将来的实际应用奠定了良好的基础。 |
| 语种 | 中文 |
| 公开日期 | 2012-07-26 |
| 源URL | [http://ir.sia.ac.cn/handle/173321/9100]  |
| 专题 | 沈阳自动化研究所_光电信息技术研究室 |
| 推荐引用方式 GB/T 7714 | 闫占德. 差值分解方法及其在目标跟踪中的应用[D]. 中国科学院沈阳自动化研究所. 中国科学院沈阳自动化研究所. 2006. |
入库方式： OAI收割
来源：沈阳自动化研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。