用于導(dǎo)引快速運動平臺的視覺目標(biāo)跟蹤方法研究.pdf

1、本文以快速運動平臺的視覺目標(biāo)導(dǎo)引問題為應(yīng)用背景，研究了視覺目標(biāo)跟蹤問題，以壓縮感知理論為圖像特征降維的理論基礎(chǔ)，設(shè)計了一種新的測量矩陣構(gòu)造方法，提出了一種新的尺度自適應(yīng)實時壓縮跟蹤算法。
　　本文首先對傳統(tǒng)的基于壓縮感知理論的目標(biāo)跟蹤方法（稱為壓縮跟蹤）進行了理論分析與實驗驗證，分析了傳統(tǒng)壓縮跟蹤方法中所使用的測量矩陣構(gòu)造方法的不足，提出了新的壓縮測量矩陣構(gòu)造方法，用于對圖像進行特征降維。壓縮跟蹤中首要的也是最重要的問題就是選取一

2、種合適的測量矩陣。論文首先對傳統(tǒng)測量矩陣構(gòu)造方法進行了總結(jié)，并針對目前最新的分塊測量矩陣進行分析討論，理論推導(dǎo)并實驗驗證了該種測量矩陣存在著測量矩陣中的各元素取值的概率分布函數(shù)并不是同分布的問題，相當(dāng)于人為地減少了圖像左上部分的信息的影響作用，而增加了圖像右下方信息影響作用。針對該問題，本文提出了循環(huán)分塊測量矩陣生成算法，并分析了循環(huán)分塊測量矩陣中卷積核內(nèi)矩形塊數(shù)量的取值問題，并給出了常用取值范圍。然后分析討論了循環(huán)分塊測量矩陣在滿足

3、RIP條件上存在的問題，即為了降低算法計算量而對測量矩陣進行的分塊的做法，會導(dǎo)致其滿足RIP條件的概率降低。實驗表明，循環(huán)分塊測量矩陣能夠解決隨機測量矩陣內(nèi)元素概率分布函數(shù)不同分布的問題，對目標(biāo)跟蹤具有更好的魯棒性。
　　本文然后開展了壓縮跟蹤窗口尺度自適應(yīng)性的相關(guān)研究，設(shè)計了尺度自適應(yīng)窗口模型，并利用粒子濾波算法，實現(xiàn)了窗口的尺度自適應(yīng)搜索算法。運動平臺由遠及近地接近目標(biāo)的過程中，目標(biāo)在圖像中的尺度變化十分明顯。如何使算法對目標(biāo)

4、的尺度變化具有自適應(yīng)性，一直是視覺跟蹤問題的難點。針對傳統(tǒng)的壓縮跟蹤算法的目標(biāo)跟蹤窗口不具有尺度自適應(yīng)性的缺陷，本文在壓縮跟蹤算法基礎(chǔ)上研究了窗口尺度自適應(yīng)問題，并建立了尺度自適應(yīng)窗口模型。利用粒子濾波算法，實現(xiàn)了窗口的尺度自適應(yīng)搜索，具有良好的實時性和魯棒性。同時，針對快速運動平臺的機動特性，對目標(biāo)在攝像頭視野內(nèi)的丟失情況進行了討論，如目標(biāo)被大部分遮擋和目標(biāo)離開攝像頭視野等情況，著重分析了目標(biāo)丟失對窗口參數(shù)和目標(biāo)特征描述的影響，并在算