论文摘要
图像跟踪在军事目标跟踪、人机界面、驾驶员辅助系统等领域有着广泛的应用。现存的图像跟踪算法主要分为基于模板匹配的算法,基于运动信息的算法,基于滤波的算法和基于分类的算法。其中,基于模板匹配的算法最为直观,易于操作,应用最为广泛。基于模板匹配的图像跟踪算法有三个关键环节,分别为图像特征表示、相似度计算和目标搜索算法。本文主要针对第二个环节进行了深入的研究,并对第一和第三个环节进行了有益的探索。本文的主要贡献包括以下几个方面:第一,提出了一种评价相似度指标匹配性能的图像匹配模型,并基于该匹配模型,对几种常用的相似度指标的匹配性能进行了分析和比较。图像匹配领域存在多种相似度指标,目前只能通过实验判断某种指标在实际问题中的匹配性能。为了能够从理论上对相似度指标的匹配性能进行分析比较,在分析匹配失败的实质原因的基础上,对图像特征进行分类,从而建立了一种包含位置变量的图像匹配模型。该模型可以用于评价相似度指标的匹配性能,指导我们选择或改进已有的相似度指标,以及创建新的相似度指标。基于该匹配模型,对多种常用相似度指标的匹配性能进行了理论分析和比较,给出了其各自匹配出现偏差和错误的条件,实际匹配实验验证了根据匹配模型所得的分析结果的正确性和匹配模型的有效性。第二,在所建立的图像匹配模型的指导下,对现有的一种典型的相似度指标——巴氏指标(Bhattacharyya系数)进行了改进,提高了其图像匹配性能,并且建立了一种新的相似度指标——背景抑制指标。应用本文模型证明,背景抑制指标的匹配函数关于匹配位置是线性关系,能够很好的抑制背景特征对相似度计算的影响。大量实验表明,背景抑制指标能够大大提高图像跟踪精度,这从另一方面也验证了匹配模型的有效性。第三,提出了一种后验概率指标,并以该指标为基础,提出了两种快速图像跟踪算法。经证明,在特殊参数时,背景抑制指标等价为特征匹配的后验概率。据此,建立了最大后验概率指标。该指标利用搜索区域的统计特征,能有效抑制待匹配区域特征中背景因素的影响,同时突出了目标特征的权重,与巴氏指标相比明显改进了匹配函数的峰值特性。这种指标的另一突出优点是计算复杂度很低,容易得到全局最优解。经分析,该指标可以表示为像素相似度的线性求和。以此为基础,提出了两种基于后验概率指标的快速图像跟踪方法,快速平移算法和质心迭代算法。此外,还建立了一种变分辨和尺度自适应的跟踪方法。大量对比实验表明了本文跟踪算法的有效性。最后,本文对一种重要的图像特征——角点进行了研究,提出了一种新的基于交点累积空间的角点提取算法。由于角点特征没有明确的参数定义方法,无法应用传统的Hough变换转换到参数空间进行计算。本文提出了一种新的Monte Carlo框架下的随机角点检测方法,不是在参数空间中求解,而是将角点检测转换为“交点累积空间”中寻找局部极值的问题。“交点累积空间”是本文根据角点实质上是直线交点的特征提出的一种新的概念。文中证明了算法的思想,推导了算法的具体步骤。该算法具有各向同性,对图像的旋转是鲁棒的,而且对噪声不敏感,并可以有效得避免斜边上伪角点的影响。大量实验表明,与Harris算法、Shen & Wang算法、Wang & Brady算法、SIFT特征等算法相比较,新算法具有一定的优越性,并可成功得应用于图像跟踪。本文的工作对图像跟踪领域的多个关键问题进行了深入的研究,尤其是建立了相似度指标理论评价体系,为该领域的发展增加了理论依据。