论文部分内容阅读
近年来,随着近地轨道卫星的发展,具有持续凝视观测能力的视频卫星越来越得到广大专家学者的关注,面向视频卫星的运动目标信息提取也成为学者研究的热点之一。由于视频卫星在高空工作无法为大型光学设备提供足够的空间和能源,导致视频卫星负载光学设备图像获取能力有限,这就使得视频卫星中目标无法提供足够的运动目标特征。此外,由于视频卫星需要调整卫星姿态实现对地观测,导致以视频卫星为参考系时地面目标与视频卫星发生相对运动产生大量“伪目标”,这就导致目前经典运动目标检测算法被用在视频卫星时存在准确率低和召回率低的问题,在运动目标跟踪过程中经常出现跟踪错误或跟踪丢失的现象。基于上述问题,本文主要研究工作如下:1.针对视频卫星图像获取能力有限导致运动目标可视性弱导致传统运动目标运动算法应用于视频卫星数据时召回率低、准确率低的问题,提出一种Dave(Deviation Limitation Adoptive Constraint Enhancement for Vi BE,基于Vi BE的标准差限制性对比度增强检测)算法。首先使用对比度增益算法提高目标和背景之间差异,提高运动目标可视度;然后使用Vi BE算法检测经过处理后的视频帧中运动目标;采用记忆矩阵的前景修正算法去除鬼影和耀光,以提高算法的准确率;最后,使用形态学方法减少检测结果中的噪声和解决一个目标被检为多个目标的问题。通过设计和完成相关实验,说明本文算法的有效性,然后通过实验对比分析改进算法的优势和不足。2.针对视频卫星运动目标特征少导致跟踪出现错误或丢失的问题,提出一种Hovcut(High Order Vector Correlated Update Table,高阶矢量相关更新表)跟踪算法。首先,根据运动目标位置、尺度、余弦相似度、直方图相似度将每个运动目标都构造为运动矢量存储在邻接表中;再通过团簇尺寸粗筛选运动目标,使用余弦相似度和直方图分布相似性精确匹配。使用邻接表中数据修正运动目标运动状态,提高算法跟踪精度。最后,通过设计多组实验分析不同场合下算法性能,设计实验对比分析Hovcut与传统典型跟踪算法的优势和不足。本文提出的针对视频卫星的运动目标检测和跟踪算法改良了传统算法召回率低的问题,改进了目标跟踪丢失和错误的问题,为面向视频卫星运动目标信息提取做铺垫,本文提出的算法对智慧交通构建、军事等领域具有重要意义。