针对复杂背景下视觉目标跟踪问题,提出了一种基于多特征融合和改进建议分布函数的粒子滤波目标跟踪算法。为了解决单一特征跟踪稳定性差的问题,该方法在构造粒子滤波算法观测似然函数的过程中,综合利用颜色、梯度和纹理特征,并给出一种有效的特征权值自适应分配策略。针对传统建议分布函数无法利用观测信息的缺陷,提出了一种基于PSO算法的建议分布函数,有效地抑制了粒子退化现象。实验采用复杂地面环境下的多组图像序列,结果表明该算法的有效性。
目标跟踪 粒子滤波 多特征融合 建议分布 PSO算法 target tracking particle filter multi-features fusion proposal distribution PSO algorithm
1 电子科技大学,光电信息学院,四川,成都,610054
2 中国科学院,光电技术研究所,四川,成都,610209
常规图像匹配模式主要利用了像素的灰度信息和形状信息,而弱小目标检测与跟踪过程中,这两种信息都缺乏明显特征,难于满足高精度、稳定跟踪的要求.提出一种新的匹配模式,即从图像数据里提取包括灰度、形状在内的多种特征信息.寻找一种简单有效的信息融合手段,进而获取一种综合特征,利用"综合特征"进行相似度量来确定目标的最佳定位.仿真计算结果表明,该方法是可行和有效的.
图像处理 多特征融合 K-L变换 图像匹配 弱目标检测 Image processing Multi-features fusion K-L transform Image matching Faint target detection