频域下的目标跟踪方法及其在DSP中的实现

论文摘要

本论文从两个方向研究了频域下的目标跟踪测量方法。一种是基于傅里叶变换相移特征的运动分析方法，它能够准确地估计出运动目标的平移和旋转参数矢量。文中在传统的相位相关算法基础上提出了几种改进的运动参数估计方法，其中基于SVD分解的相位相关算法不仅在计算量方面优于其它算法，而且在抑制噪声和抗遮挡等方面更显示出良好的性能，同时为满足系统实时性的要求，采用一种将二维图像映射为一维信号的相位相关简化算法，速度是传统算法的4倍；为实现运动矢量的亚像素匹配，提出一种基于频域相位差信息的相位差算法，它建立起一种空域下目标位置变化与频域下相位角变化之间的简单线性对应关系，速度比传统相位相关算法提高了8倍。用外场图像做了相应的仿真实验，取得了很好的实验结果，证明了算法的有效性和实用性。 另一种频域下的目标跟踪方法是利用小波变换局部模极大值的边缘检测方法，并结合小波多分辨分析的特性在去噪和图像增强等方面的优势，实现3％对比度下的微弱目标检测。文中比较了三种小波局部模极大值边缘检测方法在抗噪性、计算量及检测效果等方面的性能以及如何针对图像特点选取小波基，并提出一种针对不同背景的自适应阈值法，在抗噪的同时能够检测出更多的细节边缘。通过仿真实验证明了利用B样条小波的模极大值边缘检测算法对空中目标、模糊目标和低对比度目标都有很好的检测效果。也探讨了把利用小波分析的图像去噪和图像增强方法融入到边缘检测中，在抑制噪声的同时，从模糊图像中提取出目标边缘，将目标准确定位。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 前言
• 1.2 基于运动分析的目标检测方法
• 1.2.1 帧间图像差分法
• 1.2.2 能量累积方法
• 1.2.3 光流分割法
• 1.2.4 运动参数估计法
• 1.3 基于匹配技术的目标检测方法
• 1.4 利用小波变换的检测方法
• 1.5 DSP在实时数字信号处理中的应用
• 1.6 论文的具体研究目的及章节安排
• 第二章 傅里叶变换到小波变换的时频分析
• 2.1 前言
• 2.2 傅里叶变换的基本理论
• 2.2.1 傅里叶变换
• 2.2.2 二维离散傅里叶变换及其基本性质
• 2.3 时频分析法
• 2.3.1 短时傅里叶变换
• 2.3.2 小波变换的作用
• 2.3.3 傅里叶变换与小波变换在性能上的比较
• 2.4 小波变换的时频分析
• 2.4.1 小波的基本理论
• 2.4.2 多分辨分析
• 2.4.3 尺度函数与小波
• 2.4.4 Mallat算法与塔式分解
• 2.4.5与Mallat快速小波算法等效的多孔算法
• 2.4.6 二维多分辨分析与小波子空间分析
• 2.4.7 图像的多分辨分解与重建
• 2.5 基于提升方案的整数小波变换
• 2.5.1 提升格式的基本原理
• 2.5.2 整数小波变换
• 2.5.3 无损的整数到整数的小波变换
• 2.5.4 整数小波变换的优点
• 2.5.5 提升格式能够完全重构图像
• 2.6 本章小结
• 第三章 利用傅里叶变换进行运动目标检测的方法
• 3.1 前言
• 3.2 基于频域相位相关方法进行图像平移和旋转矢量检测的方法
• 3.2.1 相位相关方法的特性
• 3.2.2 传统的互相关检测方法
• 3.2.3 归一化相位相关检测方法
• 3.2.4 扩展的归一化相位相关检测方法
• 3.2.5 实验与分析
• 实验一: 利用传统互相关方法估计平移运动参数的检测实验
• 实验二: 利用归一化相位相关方法估计平移运动参数的检测实验
• 3.3 基于边缘信息的相位相关算法
• 实验一:基于边缘信息的相位相关算法估计平移运动参数的实验
• 实验二:基于边缘信息的相位相关算法和传统互相关算法在不同信噪比情况下的检测结果比较
• 3.4 基于梯度信息的相位相关算法
• 3.5 基于SVD分解的相位相关算法
• 3.5.1 SVD分解
• 3.5.2 基于SVD分解的相位相关算法的实现
• 3.5.3 平移方向的确定
• 3.5.4 实验与分析
• 实验一: 目标图像发生平移变化时的跟踪实验
• 实验二: 低对比度图像发生平移变化时的跟踪实验
• 实验三: 目标图像的灰度和对比度发生变化时的跟踪实验
• 实验四: 图像被噪声严重污染时的平移运动参数检测实验
• 实验五: 实际外场目标被局部遮挡的情况下的跟踪实验
• 3.6 将2D映射为1D的相位相关简化算法
• 3.7 基于相角差进行目标平移检测的算法
• 3.7.1 频域相位差方法的特性
• 3.7.2 基于频域相位差进行目标平移矢量检测算法的原理
• 3.7.3 平移矢量的方向确定
• 3.7.4 实验与分析
• 3.8 本章小结
• 第四章 小波变换在微弱目标检测中的应用
• 4.1 前言
• 4.2 基于小波分析的图像边缘检测方法
• 4.2.1 小波多尺度局部模极大值边缘检测的原理
• 4.2.2 小波函数的选取
• 4.2.3 小波多分辨率边缘检测的具体实现
• 4.2.4 三种小波多尺度局部模极大值边缘检测方法的比较
• 4.2.5 边缘检测自适应阈值的选取
• 4.2.6 利用边缘信息进行目标定位
• 4.2.7 实验与结果分析
• 实验一: 阈值的选取对边缘检测结果影响的实验
• 实验二: 基于二次B样条小波的边缘检测实验
• 实验三: 基于三次B样条小波的边缘检测实验
• 4.3 小波在抑制噪声方面的应用
• 4.3.1 小波去噪的基本原理
• 4.3.2 对高频系数置零的线性去噪方法
• 4.3.3 基于阈值的小波去噪方法
• 4.3.4 基于小波变换模极大值的去噪方法
• 4.3.5 实验结果分析
• 实验一: 利用小波的特性对高频系数置零的去噪方法的仿真实验
• 实验二: 基于阈值的小波去噪方法的仿真实验
• 4.4 基于小波多分辨分析的图像增强
• 4.4.1 图像增强的基本框架
• 4.4.2 基于小波分析的图像增强算法
• 4.4.3 小波基的选取
• 4.4.4 实验结果分析
• 4.5 本章小结
• 第五章 目标检测算法在多DSP图像测量系统中的实现
• 5.1 前言
• 5.2 基于多DSP实时图像测量系统的结构
• 5.2.1 TMS320C6203芯片CPU的结构
• 5.2.2 总线结构
• 5.2.3 存储器的结构
• 5.2.4 特殊的硬件结构
• 5.2.5 系统的硬件实现框图
• 5.3 目标实时测量系统的软件设计
• 5.3.1 软件总体设计框架
• 5.3.2 系统的工作过程
• 5.4 利用汇编语言和流水线技术的DSP源代码优化
• 5.4.1 程序的优化
• 5.4.2 软件流水线技术的应用
• 5.4.3 影响流水线效率的因素
• 5.4.4 利用汇编语言时应注意的几个问题
• 5.5 利用汇编语言对目标测量程序的优化
• 5.5.1 利用线性汇编优化源代码的具体步骤
• 5.5.2 实验结果比较
• 5.5.3 性能分析与结论
• 5.6 基于提升格式的整数小波变换在目标测量系统的实现
• 5.6.1 提升格式的具体实现
• 5.6.2 边界点的处理
• 5.6.3 取整的方法
• 5.6.4 基于提升格式的目标检测算法
• 5.6.5 实验结果分析
• 5.7 本章小结
• 第六章 结束语
• 6.1 论文的主要工作
• 6.2 论文的创新点
• 6.3 结论与展望
• 参考文献
• 博士期间发表的论文
• 致谢