论文部分内容阅读
随着图像处理、模式识别和概率统计等多学科理论的发展,以及计算机软硬件技术的不断成熟,计算机视觉在军事和生产生活中发挥着越来越重要的作用,目标跟踪是其中一项重要的研究内容,如何实现稳健而快速的视频目标跟踪一直都是计算机视觉领域中的典型问题。在军事上,对于地面目标的跟踪通常伴随着光照突变、严重杂波干扰、遮挡、运动不连续、视图不断变化以及目标的隐蔽等情况,实际战场环境的多样性和复杂性使得鲁棒而快速的跟踪变得十分困难。近年来,压缩感知等稀疏性研究方法获得了广泛的关注,作为一种新的采样理论,压缩感知通过开发信号的稀疏特性,可以在远小于奈奎斯特采样率的条件下获得对信号的精确重建,使得对鲁棒性和快速性的兼顾成为可能,同时降低了对硬件的要求。本文结合压缩感知理论的相关成果,对地面刚体目标或可近似看作刚体目标的视觉跟踪系统进行了一系列的研究,研究包括以下主要内容: (1)对目标跟踪领域中运动目标的自动检测进行了研究,提出了一种基于压缩感知理论和Hopfield优化图像分割的运动目标检测方法,认为当前帧中的背景是之前帧组成的矩阵的稀疏表示,而将运动目标看成与背景运动不一致的元素,通过压缩感知的信号重构与图像分割的能量优化,同时达到目标检测和背景估计的目的。相比于稀疏化分解方法,此方法通过压缩感知而非低秩分解的方法获得背景估计,能有效减少数据量,且模型更为简单,具有更少的待定系数,相比于类似的稀疏建模方法,该方法能够获得更为平滑的前景轮廓。 (2)利用目标在连续帧中外观和形态变化不大的特性,将目标描述为红外和可见光双通道多特征构成词典子空间下的线性表示,结合压缩感知方法,对目标区域提取的特征组成的特征子空间进行稀疏性采样,提取出能反映目标特性的主要特征模板。通过仿真对该机制与传统多特征跟踪方法及新近的稀疏跟踪方法进行了性能上的比较与分析。结果发现在场景中存在光照变化、噪声及遮挡的情况下,此多特征压缩感知跟踪方法具有更好的鲁棒性和准确性,同时由于压缩感知减少采样数据、节省存储空间的特点,传统数据采样和数据压缩步骤被合二为一,大大降低了数据的获取时间和存取时间。随后针对上面提出的多特征压缩感知跟踪方法在粒子相似度计算过程中需要反复求解信号恢复问题,分析和考证了压缩感知测量值与原信号间的关系,证明出如果用欧氏距离度量两个信号向量间的相似程度,那么在一定条件下原信号的相似程度可以用相应的稀疏测量值间的欧几里得距离近似反映,基于此结论对多特征压缩感知跟踪方法的改进能够大大提高算法的运行速度。 (3)研究了冗余字典下多特征压缩感知跟踪方法的扩展。分析了处理对象表示方式发生改变的情况下压缩感知测量矩阵的选取方式和信号的恢复算法。并针对之前提出的两种跟踪方法在冗余词典扩展下性能的差异进行了比较分析。采用冗余字典能提高系统的冗余性和信号逼近的灵活性,同时能提升系统稀疏表示高阶信号的能力。 (4)结合空基场合讨论了本文提出的目标检测与跟踪算法的适用性。考虑到实际中可能出现的背景干扰及目标红外图像淹没于背景的情况,对红外弱小目标进行了图像预处理以凸显目标。在此基础上,增加仿射参数对本文提出的目标检测算法进行运动补偿。最后在目标检测的结果上自动提取目标的形态和外观特征,并通过冗余词典扩展的多特征压缩感知跟踪方法实现空基下在图像平面上对单个红外弱小目标的自动检测与跟踪。