导读:本文包含了图像跟踪论文开题报告文献综述、选题提纲参考文献，主要关键词:图像,目标,卡尔,特征,病害,舰船,飞行器。
图像跟踪论文文献综述写法
赵麒瑞,韩耀斌,沈惠,刘光花[1]（2019）在《上升段飞行器目标的视频图像跟踪》一文中研究指出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。(本文来源于《南京航空航天大学学报》期刊2019年S1期）
郎晓彤[2]（2019）在《运动图像跟踪过程中丢帧误差消除技术》一文中研究指出为解决传统方法不能自动对跟踪窗口的大小进行调整,造成跟踪定位误差高,无法有效消除丢帧误差的问题,提出一种新的运动图像跟踪过程中丢帧误差消除方法。通过对帧间差分法进行优化,利用每帧获取的背景部分完成背景模型的更新处理,通过当前帧和背景模型的差分获取运动范围。利用优化的Mean-shift法对运动图像进行跟踪处理,采用改进的帧差法对目标边缘进行提取,完成Mean-shift搜索窗口的更新处理,自适应调整跟踪窗口大小。通过适于P帧幅度能量模型对此刻帧与上一帧图像信息的改变程度进行描述,以体现运动图像序列运动分布情况,对运动图像跟踪中的丢帧误差情况进行描述。在此基础上求得运动图像跟踪状态矩阵,完成对丢帧状态参数的处理,将丢帧误差消除,以增强运动图像跟踪质量。结果表明,所提方法误差消除效果好,运动图像跟踪精度高。可见该方法能够对丢帧误差进行有效消除。(本文来源于《科学技术与工程》期刊2019年16期）
石泽琼[3]（2019）在《基于DSP的红外图像跟踪研究与实现》一文中研究指出近年来,随着科学技术的不断发展,人们对图像识别跟踪的研究也进入了一个新的阶段。其中,红外图像由于其局部不变特征被广泛应用于军事领域中,比如海面舰船目标识别以及空中目标识别等。在本文的研究过程中,选用TMS320DM642芯片对红外图像进行跟踪算法的实现。本文首先介绍了基于DSP的红外图像跟踪研究背景和研究意义,其次介绍了红外图像的特点和系统的软硬件设计思路,针对红外图像预处理、图像分割、运动目标识别以及运动目标跟踪等各个模块分别介绍了不同算法的理论基础并进行了实验仿真。本文的主要工作如下:(1)综合仿真分析了均值滤波法、中值滤波法、形态学操作、边缘检测及阈值分割等红外图像预处理算法,结果表明阈值分割算法效果最好,从而确定了适合海天背景红外舰船目标的最佳处理算法。(2)综合仿真分析运动目标识别算法中的相邻帧差法和模板匹配法以及运动目标跟踪算法中的相关跟踪、预测跟踪、Cam-Shift等算法。其中Cam-Shift算法是根据视频中的目标物在运动的时候其颜色信息会发生一定的变化从而对目标实现快速跟踪。该算法受到目标形状变化的影响比较小,对于目标移动或目标部分被遮挡的问题可以有效的解决。由于传统的Cam-Shift算法在光照等条件发生改变时跟踪效果不佳,本文在传统的Cam-Shift算法的基础上加以改进,能够根据不同的饱和度和亮度对算法阈值进行调整,得到更好、更稳定的识别跟踪效果。(3)系统学习了卷积神经网络相关算法,利用卷积神经网络有关算法实现了红外目标的分类识别,并得到了正确的分类结果和较高的置信度;基于DM642硬件平台,综合利用红外图像预处理及分割相关算法、运动目标识别及跟踪相关算法,初步实现了基于DSP的红外图像跟踪研究与实现系统功能,完成了项目要求。(本文来源于《烟台大学》期刊2019-05-30）
马帅旗[4]（2019）在《基于FPGA的高帧频图像跟踪系统设计》一文中研究指出针对高速运动的导弹末端制导、弹道实验或机载武器姿态跟踪中目标图像模糊及跟踪精度较低的问题,给出一套基于FPGA和CMOS高帧频图像传感器的高速图像跟踪系统;在FPGA中采用流水线方式,设计了的图像采集模块、乒乓高速缓存模块、图像处理及跟踪控制模块,采用动态阈值分割法获取目标,计算出目标形心偏移图像视场中央的偏移量,依据二维视场的偏移量控制云台跟踪目标;实验结果表明,该系统能够有效获得高帧频图像传感器数据,数据读出速率可达80 Mb/s,提高了系统跟踪精度。(本文来源于《计算机测量与控制》期刊2019年05期）
张金涛,张宏飞,裴文浩[5]（2019）在《高清视频图像跟踪器硬件设计》一文中研究指出本文阐述了一种以FPGA和DSP为核心的图像跟踪器的硬件设计方法,采用双路DSP交互通讯设计,能够对高清图像实现实时采集,并完成图像中的目标跟踪功能,通过视频实时输出,在仿真实验中验证了图像跟踪器在处理大量高清数据时,仍能够保持极强的抗干扰能力,同时具有目标识别和跟踪的稳定性及实时性的特点。(本文来源于《现代信息科技》期刊2019年06期）
刘松涛,王战,位宝燕[6]（2019）在《融合常规运动目标和突然机动目标的图像跟踪系统》一文中研究指出当舰载或机载光电传感器晃动、掉帧或者目标做复杂战术机动时,跟踪目标在相邻帧间会突然改变原来的运动轨迹,此时如何有效跟踪突然机动目标是一个难点问题。首先利用基于组合基于(speeded up robust features,SURF)特征描述子的二帧差分法进行背景差分,然后再利用卡尔曼滤波给出目标的预测位置,在以此为中心的搜索区域内用Mean shift跟踪方法寻找目标的最佳匹配,同时逐帧根据卡尔曼滤波的先验预测误差协方差判断目标是否出现机动。在检测到目标机动后,利用基于显着密度的高效子窗口搜索方法快速检测视场内的所有可疑目标,最后利用SURF算法进行特征匹配筛选出原始跟踪目标并返回目标位置,实现突然机动目标的自动可靠跟踪。仿真实验表明,新系统无论针对常规运动目标还是突然机动目标都能保证又快又准的跟踪效果。(本文来源于《系统工程与电子技术》期刊2019年08期）
周剑华[7]（2018）在《基于智能图像跟踪定位的录播教室系统设计与实现》一文中研究指出随着信息技术、网络技术和多媒体技术的飞速发展,给教育活动带来了越来越多的崭新模式,同时也给授课老师提供了更多的展现手段。运用教育录播系统让优秀的教育资源可以突破时间、空间的限制,使之可以普及到更多的受教育者,让人们可以随时通过网络学习知识文化。但是传统的多媒体视频录播系统,需要人为地操纵多个摄像源,以方便进行实时的镜头调整和场景切换,这个过程一般比较复杂,实施的效果也不是很好。如何使系统可以在不借助人工控制的情形下,能够智能化地完成课堂录播控制的任务,为教师的教学活动提供更加智能高效的录播服务,就成为一个值得加以研究的应用性课题。本文首先解析了多媒体录播系统的基本架构,然后对比分析了现行的各种跟踪定位技术的原理、性能和局限性,并探讨了各种人工智能图像跟踪定位算法的实现原理。在此基础上,对现有的视频录播教室系统进行了系统框架设计,对基于改进型帧差法的运动目标检测的人工智能图像跟踪定位算法,以及特征识别跟踪算法等关键技术以及功能实现进行了系统的设计和分析,最后选择典型的课堂教学场景进行了系统测试,结果表明对目标进行检测、跟踪的正确率可达90%以上,这说明了本文相关算法设计的有效性,能够基本实现预设的各种系统功能。(本文来源于《兰州大学》期刊2018-09-01）
乔虹,冯全,张芮,刘阗宇[8]（2018）在《基于时序图像跟踪的葡萄叶片病害动态监测》一文中研究指出为提高自然成像条件下的酿酒葡萄图像中病害识别的可靠性,对时序叶片图像作连续病害检测并监测病斑变化情况。首先,在每一天利用Faster R-CNN算法对摄像机视场中葡萄叶片进行检测,对检测到的叶片采用改进卡尔曼滤波法进行跟踪,以获得叶片正面图像。为了实现多叶片跟踪和解决由遮挡而造成的跟踪失败问题,该文在卡尔曼滤波和匈牙利算法基础上,结合运动测度和深度外观信息对跟踪目标进行匹配,运动匹配时采用马氏距离,外观匹配方面采用最小余弦距离。其次,将不同日期的叶片正面图像做SIFT(scale-invariant feature transform)匹配,找到同一叶片按日期排列的一组序列图像,并在序列图像中通过深度学习技术进行病害识别。最后,通过监测叶片序列图像上病斑相对面积变化或病斑数量是否增加来确认病害的存在。该文对提出的跟踪算法、叶片匹配算法和序列图像上病害识别的精度进行了测试,试验表明:跟踪算法平均多目标跟踪准确度为73.6%,多目标跟踪精度为74.6%,基于判别模型颜色特征的传统跟踪算法两指标分别为14.3%和61.3%;基于SIFT特征的叶片匹配在识别同一叶片时的精度达到了90.9%;病害监测方面,虚警综合排除率(马修斯相关系数)达到了84.3%。该文的方法可以排除一些虚假病害,病害监测的可靠性有所提高,可适用于自然条件下葡萄病害的连续在线监测。(本文来源于《农业工程学报》期刊2018年17期）
许建铮[9]（2018）在《基于DSP+FPGA的高清图像跟踪系统研制》一文中研究指出目标识别与跟踪技术是目前图像处理研究的重点方向,在军事和民用领域中具有广泛的应用价值,如精确制导武器、导弹飞机预警等军事领域,如交通管理、刑事侦查等民用领域。其中,如何在复杂的背景中,提取、识别与跟踪特定目标更是急需解决的问题。本文介绍了国内外图像跟踪系统的研究现状与发展趋势、图像跟踪系统的基本组成与工作原理、详细功能和性能要求,设计了基于DSP+FPGA的图像跟踪系统并进行了实验验证,主要工作包括:1)本文设计的图像跟踪系统主要由图像跟踪电路、通讯控制电路和视频接口电路组成,以高速DSP+FPGA为处理核心,建立高性能视频跟踪和通信处理平台,完成视频图像数据的采集、处理、字符迭加和输出功能,实现对感兴趣目标的实时跟踪,以及与其它组件的通讯控制等功能。文中给出了硬件电路的原理图与详细设计方法。2)图像跟踪系统的软件设计采用双DSP工作模式,DSP-1主要承担图像跟踪算法、可疑目标检测以及跟踪目标位置信息输出任务,实时性要求较高;DSP-2主要承担通讯控制以及辅助字符控制等实时性要求不高的任务。3)实现了海面可疑弱小目标报警功能,采用Top-Hat检测算法和历史运动轨迹信息,提高检测率,降低虚警率;实现地面目标跟踪功能,采用频域跟踪算法,能够有效的解决遮挡、背景干扰等问题。在实际飞行中多次进行可疑目标检测、地面目标跟踪实验。实验结果表明,本文设计的图像跟踪系统工作稳定,目标跟踪能力和抗干扰能力强,满足系统功能和性能要求。(本文来源于《电子科技大学》期刊2018-05-28）
孙延奎,苗菁华[10]（2018）在《分层分区域管理的实时图像跟踪算法》一文中研究指出为了实现当前屏幕图像特征点与模板图像中对应尺度下部分区域中特征点的快速匹配,解决图像跟踪算法中匹配精度与效率问题,提出一种特征点分层分区域管理的图像跟踪算法.在预处理阶段,对模板图像构造层次表示并对各尺度下的图像进行区域划分,在每个区域内同时提取ORB(oriented FAST and rotated BRIEF)特征点和Harris特征点,由ORB特征描述子计算区域图像的词袋特征向量,由此构建图像特征点的分层分区域管理模式.在实时跟踪阶段,根据摄像机位姿跟踪的情况区分预测跟踪、重定位跟踪和光流跟踪3个分支.在预测跟踪和重定位跟踪中,先快速定位实时图像对应的模板图像的尺度层与区域,再通过实时采集的图像与模板图像中对应尺度下部分区域中特征点的局部匹配,实时地计算摄像机的位置和方向;在光流跟踪过程中对光流算法跟踪点进行实时更新,延长光流算法的运行持续时间.利用公开图像数据库中不同分辨率的模板图像在移动终端上进行实验的结果表明,文中算法性能稳定,匹配误差在1个像素以内;系统运行帧率总体稳定在20~30帧/s.(本文来源于《计算机辅助设计与图形学学报》期刊2018年04期）
图像跟踪论文开题报告范文
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为解决传统方法不能自动对跟踪窗口的大小进行调整,造成跟踪定位误差高,无法有效消除丢帧误差的问题,提出一种新的运动图像跟踪过程中丢帧误差消除方法。通过对帧间差分法进行优化,利用每帧获取的背景部分完成背景模型的更新处理,通过当前帧和背景模型的差分获取运动范围。利用优化的Mean-shift法对运动图像进行跟踪处理,采用改进的帧差法对目标边缘进行提取,完成Mean-shift搜索窗口的更新处理,自适应调整跟踪窗口大小。通过适于P帧幅度能量模型对此刻帧与上一帧图像信息的改变程度进行描述,以体现运动图像序列运动分布情况,对运动图像跟踪中的丢帧误差情况进行描述。在此基础上求得运动图像跟踪状态矩阵,完成对丢帧状态参数的处理,将丢帧误差消除,以增强运动图像跟踪质量。结果表明,所提方法误差消除效果好,运动图像跟踪精度高。可见该方法能够对丢帧误差进行有效消除。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
图像跟踪论文参考文献
[1].赵麒瑞,韩耀斌,沈惠,刘光花.上升段飞行器目标的视频图像跟踪[J].南京航空航天大学学报.2019
[2].郎晓彤.运动图像跟踪过程中丢帧误差消除技术[J].科学技术与工程.2019
[3].石泽琼.基于DSP的红外图像跟踪研究与实现[D].烟台大学.2019
[4].马帅旗.基于FPGA的高帧频图像跟踪系统设计[J].计算机测量与控制.2019
[5].张金涛,张宏飞,裴文浩.高清视频图像跟踪器硬件设计[J].现代信息科技.2019
[6].刘松涛,王战,位宝燕.融合常规运动目标和突然机动目标的图像跟踪系统[J].系统工程与电子技术.2019
[7].周剑华.基于智能图像跟踪定位的录播教室系统设计与实现[D].兰州大学.2018
[8].乔虹,冯全,张芮,刘阗宇.基于时序图像跟踪的葡萄叶片病害动态监测[J].农业工程学报.2018
[9].许建铮.基于DSP+FPGA的高清图像跟踪系统研制[D].电子科技大学.2018
[10].孙延奎,苗菁华.分层分区域管理的实时图像跟踪算法[J].计算机辅助设计与图形学学报.2018