基于特征点运动矢量估计的动态序列图像运动目标跟踪

提出了一种改进的特征点运动矢量估计方法,用于动态序列图像中的运动目标跟踪。首先利用改进的最小亮度变化算法提取特征点;然后通过自适应的十字模式搜索法确定这些特征点的匹配点。在RANSAC方法的基础上,利用运动背景的仿射变换参数实现运动背景的补偿。最后利用合理的形态滤波技术,运动目标将完整地从背景中提取出来并实现准确跟踪。实验结果表明,改进的方法可以成功完成运动背景的补偿,并为动态序列图像的运动目标跟踪提供了保证。     

图像序列直线提取和匹配时Hough变换的应用研究

本文利用Hough变换的点线对偶性,将对图像序列中的特征直线的匹配转化为在参数空间中对特征点运动轨迹的参数估计,设计采用卡尔曼滤波器对运动目标进行初步跟踪,通过建立模板与图像的匹配相关系数判定搜索到的特征点的精确坐标。实验结果表明,该方法具有较好的跟踪结果。     

结合线段组合特征的快速图像匹配算法（英文）

图像匹配导航技术是近年来自主导航领域的研究热点之一,但图像匹配算法的实时性却难以满足现实导航系统的需求。本文改进了传统线段提取算法,并引入了Delaunay三角剖分法,通过结合点线几何特征,减少了图像特征冗余。结合置信度准则对误差进行分析,完成匹配过程。仿真结果表明,本文算法在3°旋转并有尺度变化的情况下仍然能完成匹配,图像尺寸为256像素×256像素时匹配时间在0.5 s以内,适用于特征分布较多且实时性要求较高的自主导航系统。     

SiamADN:用于无人机目标跟踪的孪生注意密集网络（英文）

基于深度学习的单目标跟踪技术在诸多计算机视觉应用中取得了卓越的效果。然而,现有跟踪器在图像目标变形、遮挡、移动等场景下的应用具有局限性。本文提出一种融合注意力机制和密集网络的孪生网络离线跟踪方法(SiamADN),重点针对无人机等小目标的跟踪任务。首先,算法应用密集网络来减少消失梯度,从而加强特征转移;其次,在密集网络结构中引入通道注意力机制,增强感兴趣的关注度;引入高级角点检测网络以改进持续跟踪过程。在OTB-2015、UAV123,LaSOT和VOT等跟踪数据集上进行了广泛的实验。实验结果表明,在UAV123上的准确率为78.9%,运行速度为每秒32帧,具有较好的实际应用效果。     

一种新的任意角度旋转的景象匹配方法

为了解决任意角度旋转的景象匹配问题,在分析了传统的模板匹配算法对旋转敏感的本质原因后。提出了圆投影匹配算法,并对其进行了改进。实验结果表明,文中提出的算法不仅具有旋转不变性。而且对灰度变化、噪声、光照以及对比度变化等也具有很好的鲁棒性,同时匹配速度比归一化积相关匹配算法(NProd)提高了近一倍。     

基于多目立体视觉和神经网络标定的表面形貌测量方法研究

针对三维表面形貌的非接触式光学测量是计算机多目立体视觉技术的一项重要应用，但目前还存在相机个数受限、特征点匹配算法复杂与纵向测量精度不够等难题。开发了一种基于多目立体视觉和神经网络标定的表面形貌测量方法，其中包括:使用神经网络完成多目标定与三维重构，在表面投射激光点阵作为图像识别与匹配的特征点，应用蚁群粒子跟踪测速技术进行多相机间相同特征点的匹配。经实验测试，相较于传统基于小孔成像模型进行标定与基于核线约束或互相关算法进行匹配的立体视觉测量系统，所提出的方法可适配具有大光学畸变的场景，能有效提高测量的空间分辨率，深度方向的测量误差在1.0%～2.0%的水平。     

IMM-PF算法在机场场面移动目标跟踪中的应用研究

为了提高机场场面监视的可靠性以及监视数据的连续性,本文采用匀速运动(Constant Velocity,CV)、匀加速运动(Constant Acceleration,CA)和匀速转弯运动(Constant Turning,CT)三种运动模型,将交互式多模式算法(Interacting Multiple Model,IMM)与粒子滤波算法(Particle Filter,PF)相融合,充分发挥两种算法的优点,并结合机场地图信息分别对观测信息和估计输出结果进行修正,进一步提高机场场面移动目标跟踪的精度。仿真实验结果表明,本文提出的IMM-PF改进算法在机场场面移动目标跟踪的应用中具有更大的可行性和优越性。     

简单形体目标电磁遮挡算法研究

为了自动地解决复杂目标高频电磁散射场计算时各部件之间的相互电磁遮挡问题，本文利用极大极小检验、Roberts算法、包含性检验等计算机消影算法，经过合理的工程处理，快速而准确地寻找简单形体目标各板块之间的相互遮挡关系，然后根据分析结果计算目标的RCS。文中以并排放置的锥柱组合体为例，在进行了电磁遮挡关系处理后，计算了其RCS，经与单一锥、柱RCS计算结果的比较，证明本文的电磁遮挡算法计算机时短，对简单形体目标的电磁遮挡处理行之有效。     

复杂背景下快速移动目标的实时跟踪

提出了适用于跟踪在复杂背景下快速移动目标的实时跟踪系统.利用基于马尔可夫场模型的背景减除算法检测像素变化,以跟踪移动目标.分割掩膜的先验概率用马尔可夫场模型来表示,因此目标跟踪任务即被转化成最大后验问题.实验结果表明,本文算法在简单背景或复杂背景下的离线和在线移动目标跟踪方面均有较好的效果.     

基于极大后验原理的非线性系统传感器故障估计

针对扩展卡尔曼滤波算法(Extended Kalman filter,EKF)计算复杂,粒子滤波算法动态跟踪能力差,单一无先导扩展卡尔曼滤波算法(Unscented Kalman filter,UKF)滤波精度低等缺陷,本文根据极大后验原理(Max-imum posterior principle,MPP),针对一类非线性系统设计了一种改进型的无先导卡尔曼故障估计滤波器来估计被控系统所发生的加性传感器故障。首先根据极大后验估计原理,推导出一种最优常值故障估计器。在此基础之上,推导出次优的加性常值故障估计滤波器,并对故障估计滤波器进行了无偏性证明。最后,将得到的理论结果应用于非线性倒立摆系统,仿真验证了所提方法的有效性。     

声矢量传感器阵中基于Kalman滤波和OPASTd的DOA跟踪算法

研究了声矢量传感器阵动目标角度跟踪问题,并提出了声矢量传感器阵中 一种基于Kalman滤波和正交压缩近似投影子空间跟踪(Orthonormal projection approximation and subspace tracking of deflation, OPASTd)的波达方向(Direction of arrival,DOA)跟踪算法。该算法通过OPASTd算法来进行DOA的跟踪,从而克服了PASTd算法由于在某些情况下振荡但不收敛进而压缩数据、在迭代更新中由特征向量的不准确性产生误差累积等原因引起破坏信号子空间正交性的缺陷。Kalman滤波和OPASTd相结合算法可在估计角度的同时进行数据关联,与传统的PASTd算法相比,角度跟踪性能更好。该算法的优越性均可在文中得到验证。     

抗旋转和尺度变化的导航系统图像匹配算法

在惯性导航系统中,定量分析了景象匹配过程中惯性导航系统漂移和无线电气压高度表测量误差对实测图的旋转和尺度所造成的影响,引入了对数极坐标变换.基于图像边缘特征提取,提出了一种结合中心点的4-邻域点共同参与计算的抗旋转和小尺度变化的图像匹配算法,并给出了相应的算法流程.仿真分析表明,在导航系统误差漂移所引起的图像旋转和气压高度表所引起的尺度变化范围内,该算法能满足匹配准确性的要求,并能有效给出系统的定位误差修正信息.     

基于尺度不变特征的眼底图像自动配准与拼接

针对眼底图像对比度低、光照不均匀、不同视场的图像间存在几何畸变等特点,提出了一种基于尺度不变特征的眼底图像自动配准与拼接算法.该算法分别提取同态滤波增强后的待配准眼底图像的尺度不变特征点,并用向量进行描述,确定相邻两图像特征点的匹配关系,在MLESAC算法中使用透视变换模型去除误匹配点对,计算匹配点对之间的变换矩阵,进行图像空间变换,完成配准和拼接.对实际眼底照相机获取的多幅图像配准与拼接结果表明,该算法具有很好的鲁棒性和稳健性,配准精度达到像素级,可以实现眼底图像的高精度自动配准与拼接.     

上升段飞行器目标的视频图像跟踪

粒子滤波是一种基于贝叶斯估计理论和蒙特卡罗理论的实时目标跟踪方法，具有较为灵活的并行化跟踪方式，能够较好地维持跟踪目标的假设状态，具有较好的跟踪效果和鲁棒性。上升段飞行器目标飞行视频图像跟踪是火箭等目标飞行监控的重要阶段，但现阶段对飞行器上升段的视频图像跟踪主要依靠人工手动操作云台控制器，实现视频图像中的飞行器跟踪，跟踪图像存在跟踪滞后、画面抖动等现象，跟踪效果受人为因素影响较大。本文提出一种基于粒子滤波方法的上升段飞行器目标视频图像跟踪方法，建立飞行器目标粒子滤波跟踪模型实现对飞行器目标的识别和跟踪，在识别和跟踪的基础上建立云台控制模型，通过对云台的智能控制获得飞行器上升段的高质量图像。采用火箭发射的视频图像作为模型验证的实验数据，检验飞行器目标的跟踪效果。     

基于VS-IMM算法的A-SMGCS场面运动目标跟踪

为实现先进场面运动引导控制系统中场面监视雷达对运动目标的跟踪,研究了将变结构交互式多模型(Variable structure interacting multiple model,VS-IMM)算法应用到该系统中。首先,根据飞机的真实运动情况建立了飞机的匀速运动、匀加速运动和匀速转弯运动模型;然后,针对固定结构交互式多模型(Fixed structureinteractive multiple model,FS-IMM)算法在目标跟踪方面的不足,结合机场地图,将VS-IMM算法应用到机场场面运动目标跟踪中;最后,基于扩展卡尔曼滤波将VS-IMM算法与FS-IMM算法进行仿真比较。结果表明:VS-IMM算法的跟踪精度及模型选择均优于FS-IMM算法,VS-IMM算法在场面跟踪方面具有更大的应用价值。     

基于序列图像的非合作目标自主导航及验证

针对空间自旋或章动运动的非合作目标运动感知与估计问题,给出了一种基于序列图像的运动测量与状态估计方法。所给出的方法由两部分组成:(1)采用立体视觉测量目标三个非共线的特征点,建立目标参考系并实现相对姿态的测量;(2)采用目标运动学和动力学方程,推导了扩展卡尔曼滤波器,实现目标角速度和惯量比的估计。最后,分别给出了数学仿真和物理试验:(1)利用数学仿真验证了所给出的卡尔曼滤波估计算法在不同目标运动情况下的收敛性;(2)利用机械臂模拟目标的自旋运动,利用双目相机采集目标运动图像,试验结果验证了所给出的运动测量与状态估计方法可以连续的给出目标角速度的精确估计。     

BeiDou B1I/B3I Signals Joint Tracking Algorithm Based on Kalman Filter

Dual-frequency satellite positioning receivers are widely used because they can eliminate ionospheric delay and solve the full-circumference ambiguity quickly. However,in traditional dual-frequency receivers,the relevance of dual-frequency signals are not considered,and,with no improvement imposed to the tracking loop,two independent tracking loops are used to achieve the tracking of dual-frequency signals. In this paper,the Bei Dou dual-frequency signals joint tracking algorithm based on Kalman filter is proposed for the tracking of Bei Dou B1I and B3I dual-frequency signals. Taking the relevance of B1I and B3I signals into consideration,the algorithm adds a Kalman filter between the phase detector and carrier loop filter of the traditional dual-frequency independent tracking loop. The output results of the phase detectors of the B1I and B3I branches are then combined and filtered by the Kalman filter,and the results are input to the carrier loop filters of the corresponding branches. Proved by experiments,the algorithm not only enables the loop to enter a stable tracking state quickly,but also reduces the noise bandwidth of the two loop filters by about 10 Hz with the same tracking performance obtained.