论文部分内容阅读
研究多方法融合的目标跟踪算法,主要从三方面研究方面进行分析:第一,多算法融合的自适应图像增强算法研究;第二,改进SURF算法的移动目标实时图像配准方法研究;第三,多方法融合的粒子滤波算法的自动跟踪。第一,多算法融合的自适应图像增强算法研究。这部分的工作需要采用不同种算法的结合体进行研究。主要的应用是对于复杂程度比较高的图片,某个部分的具体细节信息无从得知,因此就需要对这个部分的图片进行处理,从而恢复细节。这种算法结合了很多优秀的算法,包括Laplacian变换法、Sobel梯度法、盒状滤波法、非锐化掩蔽法及灰度幂律法等等,并且吸收了他们的优点,然后总结出现在的算法。在进行操作过程中,第一步是对图像进行分层处理,分为基础层、细节层、边缘层三个层次;第二步是对特殊的部分进行加强,这里需要加强的有两个部分,第一部分是细节层,第二部分是边缘层的某些特殊信息;第三步,也就是最后一步,利用滤波法处理前面的三个图像层,消除噪音,并且进行平滑过渡。之后进行非锐化掩蔽、灰度变换就可以完成图像的处理过程。我们把这种方法处理的图片和其他方法处理的图片进行了比较,发现了明显的优势,这种方法处理得到的图片,清晰度高,并且可以对复杂程度很高的图片进行处理。第二,改进SURF算法的移动目标实时图像配准方法研究。这部分的处理方法主要就是SURF算法,在这个基础上进行了改良,从而实现了移动图像的准确对应。这部分的研究,主要是为了解决移动过后的图像配准过程中不是很稳定的问题。具体的操作步骤如下:第一步,形成边缘检测区、对向量进行重新定义、设定配准的标准;第二步,彩色图像的配准,主要利用I_SURF算法进行操作;第三步,两种算法进行匹配,查看根据目标匹配以后的新的算法,是否具有很大的契合度。经过我们的操作,发现这种方法比较适用于静态图片,准确度高于SURF算法,并且对于移动图像的配准,效果很理想,稳定性达到了97%以上。第三,多方法融合的粒子滤波算法的自动跟踪研究。粒子滤波算法结合了多种方法,该算法的提出,是为了对神经丝蛋白进行追踪,研究他的运动特征,从而攻克肌萎缩侧索硬化症治疗中的一大难点。该算法汲取多算法融合的自适应图像增强算法(第二章)、改进SURF算法的移动目标实时图像配准方法(第三章)、核函数法、颜色直方图法、图模法等算法的优点,结合粒子滤波算法对神经丝蛋白进行自动跟踪。其次,解决粒子滤波算法中的样本贫化问题,(在粒子滤波算法中,需要大量粒子跟踪目标,会出现大部分的粒子会聚集于一个单独的目标点上现象,进而就需要采用重采样方法进行计算,然而在重采样过程中往往使一些粒子失去各向异性,造成跟踪精度降低、跟踪目标失败)结合该问题提出了一种重采样约束方法。实验结果表明,基于多方法融合的粒子滤波算法相较于改进的粒子滤波算法、传统的算法,高效的使样本贫化问题降低,并且能高精度的跟踪变形移动的神经丝蛋白质,为医学中神经丝蛋白研究提供支撑新方法,进而验证了基于多方法融合的目标跟踪算法研究的可行性。