基于圖像的空中目標(biāo)跟蹤算法研究

《基于圖像的空中目標(biāo)跟蹤算法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、％孽値悅欄麵蝴■ＴＶ分裝號(hào)；Ｐ３ＭＭ，學(xué)號(hào)；別３雜７０６４ｍｍＮｏｒｔｈＵｎｉｖｅｒｓｉｔｙＯｆＣｈｉｎａ全日制工程碩±學(xué)位論文’基于圏像的空中目標(biāo)跟蹤算法研究碩±研究生自俊強(qiáng)＿＿—＿苗態(tài)義；掠內(nèi)指擇鑛師養(yǎng)志偉敏援－巧々Ｋ黯爲(wèi)驗(yàn)肺張海鵬研窩工；‘可瓊＊腳罵一一整，，亨皆ｆｆ：Ｓｐ－－－：ｓｉ韻；嚴(yán)載？－卷，圖書(shū)分類號(hào)ＴＰ３１９密級(jí)非密ＵＤＣ全曰制工程碩±學(xué)位論文基于圖像的空中目標(biāo)跟蹤算法研究

2、間俊強(qiáng)、副教ｔ量指導(dǎo)教師（姓名、職稱）喬志偉工提柿±申請(qǐng)學(xué)位級(jí)別專業(yè)名稱巧件工提論文提交日期之年６月）日＿論女答辯日期年＾月２日／學(xué)位授予日期年月日論妨平紹人膊立＞瀏某文?。墸墸崳姶疝q委員會(huì)主席巧＇＜復(fù)定月曰訓(xùn)炸《！原創(chuàng)性聲明本人鄭重聲明：所呈交的學(xué)位論文，是本人在指導(dǎo)教師的指導(dǎo)下，獨(dú)立進(jìn)行研究所取得的成果。除文中已經(jīng)注明引用的內(nèi)容外，本論文不包含其他個(gè)人或集體已經(jīng)發(fā)表或撰寫過(guò)的科研成果。對(duì)本文的硏究作出重要貢獻(xiàn)

3、的個(gè)人和集體，均已在文中＾乂明確方式標(biāo)明。本聲明的法律責(zé)任由本人承擔(dān)。、；Ｈｌ詩(shī)別‘／‘論文作者簽名：，日期：／／／關(guān)于學(xué)位論文使用權(quán)的說(shuō)明本人完全了解中北大學(xué)有關(guān)保管、使用學(xué)位論文的規(guī)定，其中包括：①學(xué)校有權(quán)保管、并向有關(guān)部口送交學(xué)位論文的原件與復(fù)印件；②學(xué)?？桑崳姡雭V采用影印、縮印或其它復(fù)制手段復(fù)制并保存學(xué)位論文；⑤學(xué)?？稍试S學(xué)位論論義被查閥或借閱；④學(xué)?？桑保迊V學(xué)術(shù)交流為目的，復(fù)制贈(zèng)送和交換學(xué)位后文；⑤學(xué)?？桑保蘖x公布學(xué)位論文的全部或部分內(nèi)容（保密學(xué)位論文

4、在解密遵守此規(guī)定）。簽名：間《叟馬呈日期：Ｗ２ｑＵ＇＾、Ｉ導(dǎo)師簽名：Ｍ日期：｜Ｗ‘Ｉ奇串中北大學(xué)學(xué)位論文基于圖像的空中目標(biāo)跟蹤算法研究摘要基于圖像的空中目標(biāo)跟蹤技術(shù)是指以機(jī)載或彈載成像設(shè)備捕獲的目標(biāo)圖像為研究對(duì)象，采用圖像分析算法將目標(biāo)從捕獲的復(fù)雜背景圖像中進(jìn)行分割，并將目標(biāo)的坐標(biāo)、角度等數(shù)據(jù)作為機(jī)載武器或者導(dǎo)彈跟蹤制導(dǎo)的依據(jù)。本文歸類和分析主要的目標(biāo)跟蹤算法，然后研究基于Gabor小波特征向量提取和混合高斯模型分類器的目標(biāo)跟蹤算法，主要工作如下：（1）首先將常

5、見(jiàn)的目標(biāo)跟蹤算法歸為4類，也即灰度匹配法、幀差跟蹤法、輪廓跟蹤法、光流法，然后分別從算法的空間復(fù)雜度、數(shù)學(xué)原理、時(shí)間復(fù)雜度、算法性能等方面探討各種算法存在的優(yōu)點(diǎn)和不足。（2）根據(jù)上文討論4類算法優(yōu)點(diǎn)和缺點(diǎn)，論文設(shè)計(jì)基于Gabor小波和混合高斯模型分類器的空中目標(biāo)跟蹤算法。捕獲的目標(biāo)圖像由Gabor小波完成特征向量提取，此步驟分為兩類也即正負(fù)訓(xùn)練樣本、測(cè)試樣本的生成和對(duì)正負(fù)訓(xùn)練樣本、測(cè)試樣本的Gabor小波特征提取；采用正負(fù)樣本提取的Gabor小波特征向量文件訓(xùn)練混合高斯分類器，設(shè)置最大訓(xùn)練次數(shù)和

6、訓(xùn)練誤差要求，進(jìn)一步以確定各個(gè)混合高斯模型的權(quán)重系數(shù)以及高斯分布的參數(shù)；然后使用訓(xùn)練完成的混合高斯模型分類器對(duì)測(cè)試樣本中目標(biāo)圖像和背景圖像的分割和標(biāo)記，并最終輸出目標(biāo)在圖像坐標(biāo)系中的位置。（3）使用MicrosoftVisualStudio2013和OpenCV2.4.9作為測(cè)試平臺(tái)對(duì)本文設(shè)計(jì)的基于Gabor小波特征向量提取以及混合高斯模型分類器目標(biāo)跟蹤算法進(jìn)行準(zhǔn)確性和性能的測(cè)試。測(cè)試內(nèi)容為目標(biāo)跟蹤算法模塊化，X86平臺(tái)C++語(yǔ)言實(shí)現(xiàn)，代碼實(shí)現(xiàn)級(jí)別和系統(tǒng)級(jí)別優(yōu)化以提高算法運(yùn)行效率等工作。經(jīng)測(cè)試本

7、文設(shè)計(jì)的基于Gabor小波特征提取和混合高斯模型分類器的目標(biāo)跟蹤算法在Windows平臺(tái)具有較好的準(zhǔn)確性和實(shí)時(shí)性。關(guān)鍵詞：空中目標(biāo)跟蹤，Gabor濾波器，混合高斯模型，OpenCV中北大學(xué)學(xué)位論文ResearchonAerialTargetTrackingBasedonImageAbstractAerialtargettrackingbasedonimageregardsimagecapturedfromair-borneormissile-borneCCDasitsresearchconten

8、t.Thetargetwillbesegmentedfromthecomplexbackgroundimage,whichwillusetheimageanalysisalgorithm.Thedatainformationgainedfromthealgorithmwillbeusedasguidingofair-borneormissile-borneweapons.ThispaperstudiedtargettrackingalgorithmbasedonGabor-Waveletfeat