圖像序列中特征點的檢測提取及匹配跟蹤研究.pdf

1、運動目標(biāo)特征點檢測提取，即從一組二維圖像序列中，進行某個運動目標(biāo)的特征點的檢測提取，并且將所有圖像序列中目標(biāo)特征點串連起來。最后，每幀運動目標(biāo)特征點匹配對應(yīng)構(gòu)成一個連續(xù)的序列，以便于后續(xù)研究，如三維運動重建技術(shù)所需要的特征點。該研究一直都是計算機視覺和模式識別領(lǐng)域中熱門的研究課題之一，也是本文研究的主要內(nèi)容。
　　本文在分析圖像中特征點的檢測提取技術(shù)的基礎(chǔ)上，研究了傳統(tǒng)的susan算法、Harris算法等。同時，對幀間差分法、背景

2、差分法、光流法這幾種目前常用的分析運動目標(biāo)跟蹤技術(shù)的算法進行了分析與研究。傳統(tǒng)的特征點檢測算法精度和多尺度方面都有缺點，無法滿足其它研究需要，如三維運動重建技術(shù)。在目標(biāo)跟蹤方法中，光流法相比其它跟蹤算法，它不僅含有了運動目標(biāo)的運動軌跡信息，而且還含有了與目標(biāo)關(guān)聯(lián)的物體三維結(jié)構(gòu)的大量信息，在不知道背景及其它信息的狀況下，檢測出運動目標(biāo)對象。但是光流法，計算量太大，所以實時性相對比較弱。所以改進光流法，使其計算量小，是本文的一個研究點。

3、r>　　本文主要圍繞特征點的改進檢測和特征點的位置預(yù)測匹配跟蹤進行研究。主要做了以下三個方面的工作研究：
　　（1）本文提出了一種多尺度的且處于亞像素的Harris角點檢測改進算法。針對傳統(tǒng)Harris算子不具有尺度不變性，提取的角點是像素級的，而且其檢測速度很慢的情況做了改進。通過對圖像高斯平滑進行尺度計算，再利用原始角點為中心的集群，對集群內(nèi)各點進行距離加權(quán)處理，從而對亞像素點進行精確定位。實驗結(jié)果證明，與傳統(tǒng)Harris算法

4、相比，該方法在多尺度上更能適應(yīng)不同尺度變化的角點檢測，同時檢測出的角點在精度達到了亞像素，比像素更加精確。
　?。?）光流法計算量非常大，實時性很差。針對這一問題，本文提出了背景差分光流法。將背景差分法和光流法，兩種算法進行有效的結(jié)合，即先用背景差分法對圖像序列進行第一步預(yù)處理，再利用光流法對第一步的結(jié)果進行計算處理。結(jié)果表明，改進后的處理方法能有效地提高運動目標(biāo)跟蹤的實時性,系統(tǒng)穩(wěn)定性好。
　?。?）每幀圖像序列中目標(biāo)的特