论文部分内容阅读
图像目标跟踪技术是计算机视觉领域中一个重要的研究课题。在图像序列中,目标并不是一个确定不变的信号,而是常常会发生平移、旋转、缩放等变换以及其它各种复杂变化。如何在图像目标发生形变情况下获得理想的定位跟踪效果是本文的主要研究目的。文章首先对图像匹配与目标跟踪问题进行了综述性的讨论,分析了当前的一些图像运动估计方法及其各自的优缺点。阐述了相关类图像匹配算法及其通常采用的平移运动模型,采用盒子滤波技术实现了一种快速的零均值归一化互相关算法。其后,对基于仿射变换模型目标跟踪算法所涉及的图像配准、图像变换、仿射变换、相似性度量、“由粗至精”策略、牛顿迭代方法、模板更新等理论和技术做了较为详尽的阐述。在采用一个鲁棒性匹配误差映射函数的基础上,使用一种类牛顿法的迭代优化方法实现了基于仿射模型的图像目标跟踪算法。算法中使用的“由粗至精”计算策略以图像金字塔数据结构为基础,采用自顶向下的计算顺序,并在每层金字塔上结合对鲁棒性误差映射函数中控制参数所做的逐步降级处理,实现了逐步求精的计算目的。对该算法的理论渊源、数学推导以及程序实现细节进行了详尽无遗的论述和介绍。通过理论分析和实验验证,证明了该方法在图像目标跟踪中,尤其是在目标发生了仿射变化的应用场合下,能够得到理想的跟踪效果。