论文部分内容阅读
现代化军事战争中要求能够支持远距离高精度作战、全天候作战、夜间作战,能够实时将待测目标从复杂背景中检测出来,以保证精准定位目标。目前基于机器视觉的目标跟踪大多采用单一的可见光图像进行检测,对于类似森林等弱可视复杂动态背景下的目标持续跟踪没有很好的解决方案。本文针对弱可视条件复杂环境,以提高目标跟踪精度、给观察者带来运动方向和轨迹等信息为主要研究目标,从红外与可见光图像配准与融合、目标检测等环节开展了相应的目标跟踪方法研究。主要研究内容有:(1)集成Sift特征和斜率一致性的图像配准算法。该算法通过多级特征点对筛选策略,提高了多源图像配准准确性以利于更进一步的图像融合。首先,对参考图像和待配准图像进行预处理,并利用Sift算法提取两幅图像的特征点;其次,利用2NN算法对两幅图像的特征点进行匹配并得到粗匹配点对;然后,根据正确匹配点对间斜率具有一致性的先验知识,对粗匹配点对进一步筛选;最后,利用RANSAC算法进一步筛选并求取最佳变换矩阵以完成图像的配准。通过与另外两种配准算法进行图像互信息及运行时间两方面的客观比较,该配准算法在配准精度及效率上均获得了较大提高。(2)基于多颜色空间的改进GTF红外可见光融合算法。首先,在红外可见光图像配准基础上,介绍了基于总变分(total variation,TV)模型的GTF融合算法,得到既包含可见光图像纹理信息又包含红外图像热辐射信息的融合图像。其次,针对GTF算法只适用于灰度级红外可见光融合的局限性,通过多颜色空间实现了彩色级图像融合。最后,与加权平均、RGB-HIS、小波三种彩色级融合算法在图像信息熵、互信息、平均梯度三方面进行了比较,该算法能够有效实现可见光与红外图像融合。(3)基于颜色特征和Kalman滤波的红外图像序列目标跟踪算法。在目标未被遮挡情况下利用颜色特征检测目标位置,目标被遮挡或误检情况下利用Kalman滤波预测值作为目标位置。然后,在第二点图像融合实现的基础上,将检测出的位置映射于对应的融合视频帧。其次,考虑背景运动的情况下通过配准算法实时计算目标运动方向,连接上下帧目标质心画出运动轨迹。最终可以得到定位精准,显示运动方向和运动轨迹的融合图像序列。此外,针对复杂森林环境人体检测,经典目标跟踪算法容易出现目标框漂移现象,本文算法能很好地应对遮挡、误检情况,定位准确率可达93%,相对Camshift、KCF、MOSSE算法准确率大大提高。通过眼动仪测量的人眼定位准确率仅为87%,因此本文算法也可以很好地辅助人眼观察。