復(fù)雜背景下?lián)p傷圖像目標(biāo)跟蹤技術(shù)研究.pdf

1、圖像處理及目標(biāo)跟蹤技術(shù)是軍事領(lǐng)域的探測(cè)系統(tǒng)和民用領(lǐng)域的監(jiān)控系統(tǒng)的關(guān)鍵技術(shù)。損傷圖像中目標(biāo)受到大噪聲的干擾，信息元素部分丟失，同時(shí)復(fù)雜霧背景圖像的細(xì)節(jié)信息模糊、對(duì)比度降低、顏色衰減嚴(yán)重?，F(xiàn)有的圖像處理算法對(duì)損傷圖像進(jìn)行恢復(fù)后，目標(biāo)邊緣輪廓等信息不夠清晰。去霧模型因很少考慮到噪聲的影響，去霧后圖像細(xì)節(jié)模糊，容易出現(xiàn)色彩偏差和光暈偽影的現(xiàn)象。并且現(xiàn)有的目標(biāo)跟蹤算法或者對(duì)復(fù)雜場(chǎng)景(如:目標(biāo)被遮擋、目標(biāo)快速移動(dòng)、背景的光照不斷變化、有相似物干擾等

2、)的適應(yīng)能力有限，或者對(duì)目標(biāo)某些特征的變化(如:形態(tài)變化、尺度變化、旋轉(zhuǎn)變化等)比較敏感，或者因計(jì)算復(fù)雜度過(guò)大而影響系統(tǒng)的實(shí)時(shí)性。
　　本研究主要內(nèi)容包括：⑴將基于魯棒性主成分分析的低秩矩陣恢復(fù)方法應(yīng)用到損傷圖像的信息補(bǔ)全，并結(jié)合總廣義變分和Shearlet變換的正則化方法，應(yīng)用于損傷圖像的去噪復(fù)原。實(shí)驗(yàn)分析表明，魯棒性主成分分析結(jié)合總廣義變分結(jié)合Shearlet變換的正則化方法能夠有效恢復(fù)圖像的丟失元素，并去除圖像噪聲，從而提高

3、圖像的信噪比，同時(shí)保留更多的圖像細(xì)節(jié)特征。⑵深入研究霧圖像成像的基本理論，分析常用的去霧算法的優(yōu)缺點(diǎn)。新的去霧模型通過(guò)引入噪聲因子，更加準(zhǔn)確地描述復(fù)雜環(huán)境下的霧圖像。提出的去霧算法在目前流行的暗通道去霧算法的基礎(chǔ)上，引用了總廣義變分與Shearlet變換相結(jié)合的正則化方法，導(dǎo)向?yàn)V波及自適應(yīng)直方圖均衡方法，從而實(shí)現(xiàn)了有效地去噪去霧，保持更多圖像細(xì)節(jié)信息，改善信噪比，增強(qiáng)對(duì)比度，并提高了算法效率。⑶研究復(fù)雜場(chǎng)景中的目標(biāo)跟蹤的基本理論，技術(shù)難