復雜背景下運動目標跟蹤算法研究.pdf

1、對復雜背景下運動目標的跟蹤算法研究實際上就是對圖像序列中的目標進行定位和跟蹤的方法研究。本文在介紹圖像目標跟蹤技術發(fā)展及現(xiàn)狀的同時，簡要描述了現(xiàn)在常見的目標跟蹤方法的分類，并對圖像匹配和仿生技術在目標跟蹤技術中的應用做了介紹。針對現(xiàn)有目標跟蹤算法在實際應用中的一些局限性，重點研究了基于變換域和神經網絡的兩種跟蹤算法。
　　現(xiàn)有的目標跟蹤算法在待配準圖像中存在較大的放縮變形時，配準精度會下降很快，對數(shù)極坐標變換和相位相關相結合的算法

2、就是針對目標在復雜背景下由小變大，并且伴有旋轉變化的情況而提出的。該算法可以有效地感知目標的縮放倍數(shù)和旋轉角度，文中對算法在各種影響下的性能進行了分析的同時，利用WNCC算法良好的中心配準能力對算法進行改進，改善了算法對中心敏感的問題。該算法計算量小，具有旋轉和尺度不變性，并且有一定的抗噪能力，提高了跟蹤算法的魯棒性。
　　傳統(tǒng)的模式識別方法由于自身的局限性給應用帶來了諸多限制，文中引入了高維仿生神經網絡的思想，設計出了多權值高維