导读:本文包含了特征匹配跟踪论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:特征,目标,粒子,里程计,图像处理,算法,浮游生物。
特征匹配跟踪论文文献综述
徐娇,赵其杰,张君绍,张曦[1]（2019）在《基于多特征匹配跟踪的深海发光浮游生物自动计数方法》一文中研究指出生物发光现象在海洋中广泛存在,基于微光成像技术对深海发光浮游生物的发光现象进行视觉捕获是一种先进的原位观测手段,但目前缺乏有效的方法对获取的生物发光影像资料进行自动分析。针对此问题,本文提出一种基于多特征匹配跟踪的发光浮游生物自动计数方法,基于同一目标在连续帧间的运动具有连续性的思想,首先采用帧间质心差小于一定阈值的原则进行初始粗匹配,然后针对目标过近造成的误匹配问题再进一步进行运动方向的匹配,提高帧间匹配精度,从而准确计数。采用所提出的方法对深海发光浮游生物的真实视频数据进行了自动分析,实验结果证明该计数方法具有较好的准确率,对生物发光区域的尺度变化、发光目标间距过近等情况具有较好的鲁棒性,能达到较好的计数效果。(本文来源于《海洋科学》期刊2019年05期）
朱世昕,杨泽民[2]（2019）在《基于半直接方法的序列影像直线特征跟踪匹配算法》一文中研究指出针对序列影像相邻帧间相对运动较小的特点,提出了一种基于半直接方法的序列影像直线特征跟踪匹配算法。首先,选取关键帧进行点特征和直线特征的提取与匹配;然后,利用运动恢复结构算法对直线上的特征点进行重建;接着,通过反向合成图像对齐算法实现相邻帧的直线特征点的跟踪和摄像机相对位姿估的计;最后,由跟踪特征点实现对直线特征的跟踪匹配。采用两组不同的序列影像数据对算法进行了验证,实验表明所提算法能够实现序列影像直线特征的准确跟踪匹配,并能同时估计得到摄像机的位姿;摄像机的位姿估计误差随着帧数的增加而累积。文中还提出了一种新的序列影像直线特征跟踪匹配算法,该算法仅利用直线上的稀疏特征点就可实现对相邻影像间的直线特征的准确跟踪匹配,并能估计得到摄像机的运动轨迹。但是,该方法存在累积误差,需要进一步改进。(本文来源于《计算机科学》期刊2019年S1期）
付灿[3]（2019）在《基于目标特征匹配的视觉跟踪算法研究》一文中研究指出计算机视觉技术就是通过计算机快速准确获取目标的位置、速度和加速度等目标运动状态参数,基于这些信息可以进一步对目标进行分析。基于特征匹配的确定性视觉目标跟踪算法以其较高的实时性、较高的精确度,具有较好的应用前景良好。但是在一些复杂的跟踪场景的应用中,此类方法因受多种因素影响易于丢失目标。因此,该类视觉目标跟踪算法还有许多的缺陷需要改进。针对跟踪微小型目标容易失败的问题,以荧光显微镜下的神经丝蛋白影像为实验对象。利用HSV颜色空间所得颜色直方图建立目标模型,结合预测点对目标特征点加权。通过在目标颜色概率模型中引入核函数,利用核密度梯度来进行目标搜索,最终在每帧图像中获取目标的具体位置。鉴于神经丝蛋白的特殊性,本章还对比分析了其他两种概率预测类算法的跟踪效果。实验结果表明,此方法能够快速稳定跟踪神经丝蛋白,为神经丝蛋白质的医学研究提供了新的途径。针对传统camshift算法的目标建模及匹配易受干扰像素影响的问题,对目标建模和匹配做了相应改进。改进的目标建模方法通过分块选取目标中最为明显的颜色特征,使得目标与背景的区分更加明显。此外在跟踪过程中的目标匹配环节,基于传统模型的跟踪方法需要逐个查阅候选目标区域的像素,计算量较大。改进方法将候选目标区域分块,然后提取各分块的特征与目标模型做对比,此方法不仅降低了运算量,而且还能将干扰像素点的影响分散到周围的区域,使得干扰像素可以通过二值化的手段消除。实验结果证明,基于改进模型的目标跟踪方法的跟踪精度与速度有较大提高。针对核相关滤波算法难以应对复杂跟踪场景的问题,提出了一种帧内跟踪效果评估方法来识别目标遮挡场景以及目标偏离的情况。首先在HSV颜色空间对目标分块并建立判别模型,在跟踪的过程中对候选目标区域分块并结合判别模型生成搜索区域的颜色概率分布图,然后在颜色概率分布图中对核相关滤波算法的初步跟踪结果进行评估,根据评估结果决定是否使用修正算法修正跟踪结果。在目标模型更新策略方面,结合判别模型对初步跟踪结果的评估从而识别复杂场景,提出了一种自适应学习因子的模型更新策略,避免引入过多背景或遮挡物的信息。通过实验结果分析,显示该改进核相关滤波算法算法能够有效的应对遮挡、复杂背景等跟踪场景,同时能对目标偏离进行修正。最后,对全文的研究工作做出了概括,说明了已解决的问题以及仍存的不完善之处并指明了今后在此研究方向上需要进一步研究的要点。(本文来源于《新疆大学》期刊2019-05-24）
王军凯,吕晓琪,张明,李菁,孟娴静[4]（2019）在《特征跟踪与模式匹配结合算法在海冰漂移检测中的应用研究》一文中研究指出基于Sentinel-1遥感数据,采用有效的预处理方法,得到较为准确的数据集,并提出一种基于叁角剖分的特征跟踪与模式匹配结合算法,通过建立叁角形网络并有效结合两者的优势,既提高了算法效率,又使海冰漂移矢量具有更均匀的空间分布。同时,研究了HH极化及其数据强噪声区域下该算法的适用性。不同极化数据的实验结果显示,本文算法所得海冰漂移矢量不仅有更高的覆盖率,而且均方根误差降低了约10%,提高了检测精度。面对噪声稳健性的增强,即使在条带噪声的干扰下,检测准确率仍可高达98%,可见该算法对两种极化方式具有普适性,从而证明该方法能够有效地应用于海冰漂移监测。(本文来源于《激光与光电子学进展》期刊2019年16期）
贾哲[5]（2019）在《基于光流跟踪和特征匹配的视觉里程计研究》一文中研究指出视觉里程计也称视觉定位,是指机器人行进过程中,利用机载相机采集到的图像信息,估计出机器人的位置变化。相比于传统定位方式,视觉定位能够克服数据丢失,车轮打滑造成的定位不准确等缺点,成为了机器人领域中的重要研究方向。但是目前视觉里程计仍然存在以下的问题:1点特征检测算法实时性和鲁棒性不好,影响运动估计。2在纹理缺失和动态等场景中表现不佳,忽略了结构线特征。3闭环检测效率低,难以应用到大规模场景中。本文针对上述问题对视觉里程计算法进行了研究,在基于点特征和图优化框架的视觉定位基础上,提出一种环境适应性和实时性更好、鲁棒性更强的视觉里程计算法。主要研究内容如下:(1)对几种常见的点特征提取算法进行了分析对比,并在ORB特征提取基础上结合最大值稳定区域算法做出改进,先划分区域,再提取点特征,既能保证点特征的质量,又可以节省计算开销。同时引入改进的光流法来快速跟踪特征点在图像间的运动,省去了耗时的点特征描述和匹配过程。(2)针对欠纹理环境中提取点特征较少,导致位姿估计困难的问题,提出了同时提取环境中点线特征的策略。首先采用LSD算法进行线特征的提取并改进线特征匹配过程,从而准确快速地去除误匹配。然后通过计算直线特征的静态权重方式,剔除动态特征的影响。在求解相机位姿时,先采用点特征进行初始位姿估计,然后构建点线综合的图模型求取关键帧之间相机运动,避免依赖单一特征造成定位系统鲁棒性不高的问题。(3)针对在开阔的室外或移动机器人长期运行时,由于场景过多导致回环检测效率低下的问题,提出了一种将线特征构建成词汇树的视觉词典方案。相较于图像间的在线匹配,本文通过检索词汇库的方式进行回环检测时图像间的相似性判断,可快速增加关键帧之间的约束,提高了回环检测的效率。最后,搭建基于Kinect深度相机的视觉里程计系统来验证算法的有效性。通过在多种不同数据集和真实场景下的测试,验证了本文算法不仅能够满足实时性的要求,在弱纹理场景中也能提高系统的鲁棒性,有着良好的定位精度。(本文来源于《天津理工大学》期刊2019-03-01）
穆柯楠,王会峰,杨澜,景首才[6]（2018）在《基于多尺度边缘融合及SURF特征匹配的车辆检测及跟踪方法》一文中研究指出为提高交通参数提取的准确性与实时性,研究了基于多尺度边缘融合和SURF特征匹配的车辆检测与跟踪方法,克服了传统基于边缘特征的车辆检测方法易受噪声、背景干扰的问题,实现车辆准确检测。将车辆检测结果作为跟踪样本建立跟踪样本集合,通过建立匹配点对几何约束消除误匹配特征对,提高跟踪样本与待跟踪视频帧的SURF特征匹配准确度。针对车辆驶入、驶离相机视野,车辆间歇性运动,背景缓慢变化等情况提出跟踪样本更新机制,实现车辆的准确、实时跟踪。实验结果显示,所提算法的车辆检测率为88.3%,检测准确度为90.2%;跟踪精确度为86.4%,跟踪准确度为92.7%;检测时间成本为91.8ms,跟踪速率为52.2fps。检测准确度、跟踪准确度、检测速率、跟踪速率均高于光流法、粒子滤波法和SIFT特征匹配法,表明所提算法能较好地满足实时性应用。(本文来源于《交通信息与安全》期刊2018年06期）
郑晓萌,张德海[7]（2018）在《基于有效特征点的运动目标匹配跟踪算法》一文中研究指出在实际场景下,由于目标快速运动,遮挡、复杂背景等因素影响,使得对运动目标的跟踪效果较差。为了解决上述问题,提出了一种基于有效特征点的自适应目标跟踪算法,实现对运动目标的稳定实时跟踪。首先对光流法追踪及特征点匹配得到的稳定特征点进行融合,得出能有效代表目标的特征点。然后利用上述特征点求出目标的角度变化和尺度变化,进而实现对目标的跟踪。其中,在特征点匹配过程中,采用马尔科夫方向预测器求出目标框在下一时刻中的大概位置,缩小了检测区域并增强了对相似目标的辨识能力。实验表明,该方法具有较高的跟踪精度、处理速度和鲁棒性,尤其是当目标快速运动或者发生形变时,能够有效的减少中心错误率。(本文来源于《电子设计工程》期刊2018年20期）
王光磊,卢倩,刘秀玲,王鹏宇[8]（2018）在《基于特征匹配与改进粒子滤波的冠脉目标跟踪算法》一文中研究指出CT血管造影(CTA)序列图像中冠状动脉(冠脉)的自动跟踪分割能帮助医生进行直观和快速地诊断,具有重要的临床意义。为此,提出一种针对CTA序列图像特点的目标跟踪算法,通过特征匹配和改进粒子滤波进行冠脉目标跟踪,最终生成高精度的冠脉叁维模型。其中改进粒子滤波算法改变了粒子重采样规则,为追踪到运动状态突变目标提供基础。实验结果表明,该算法能够解决冠脉追踪中分叉繁多、形态变化以及运动状态变化剧烈等难点问题,具有较高的追踪准确度以及良好的鲁棒性,能够为冠心病的临床诊断起到有效的辅助作用。(本文来源于《计算机工程》期刊2018年10期）
阚雨婷,施佺,王晗[9]（2018）在《无人机视角下的特征匹配引导粒子滤波跟踪算法》一文中研究指出粒子滤波(particle filter, PF)算法被广泛应用于视觉目标的跟踪,然而,在无人机视角下,摄像机与画面中的目标同时运动,导致了PF对目标运动状态的预测失效.针对此问题,提出一种面向无人机视角下的改进的粒子滤波跟踪算法——特征匹配引导的粒子滤波跟踪算法.首先,利用相邻两帧图像中目标物体尺度不变特征变换(scale invariant feature transform, SIFT)特征匹配的结果作为初次定位;然后,利用空间加权的HOG特征与PF相结合获取二次定位结果;最后,利用chamfer distance修正跟踪结果的SIFT特征点作为下一帧特征匹配的模板,从而循环产生准确的视频跟踪结果.比较试验表明,该算法有效地改善了传统PF跟踪算法在无人机视角下运动状态预测方程失效的问题,能够较准确地对运动目标进行跟踪.(本文来源于《南通大学学报(自然科学版)》期刊2018年03期）
郑涛,郝行猛,陈梅[10]（2018）在《基于特征匹配预估的Mean Shift运动检测与跟踪》一文中研究指出针对传统Mean Shift跟踪算法在目标存在背景干扰或遇到遮挡时,目标跟踪不准确的问题,提出了一种基于特征匹配运动检测预估的Mean Shift跟踪方法。采用Harris算法提取跟踪目标特征点进行运动定位检测,通过Kalman滤波器估计每一帧中目标迭代的起始位置,由Mean Shift算法从预估位置开始迭代搜索,最终实现目标跟踪。实验证明:提出的算法能够在遮挡的情况下对目标进行精准的定位检测,有效改善了复杂条件下的跟踪效果,具有较好的鲁棒性。(本文来源于《传感器与微系统》期刊2018年07期）
特征匹配跟踪论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对序列影像相邻帧间相对运动较小的特点,提出了一种基于半直接方法的序列影像直线特征跟踪匹配算法。首先,选取关键帧进行点特征和直线特征的提取与匹配;然后,利用运动恢复结构算法对直线上的特征点进行重建;接着,通过反向合成图像对齐算法实现相邻帧的直线特征点的跟踪和摄像机相对位姿估的计;最后,由跟踪特征点实现对直线特征的跟踪匹配。采用两组不同的序列影像数据对算法进行了验证,实验表明所提算法能够实现序列影像直线特征的准确跟踪匹配,并能同时估计得到摄像机的位姿;摄像机的位姿估计误差随着帧数的增加而累积。文中还提出了一种新的序列影像直线特征跟踪匹配算法,该算法仅利用直线上的稀疏特征点就可实现对相邻影像间的直线特征的准确跟踪匹配,并能估计得到摄像机的运动轨迹。但是,该方法存在累积误差,需要进一步改进。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
特征匹配跟踪论文参考文献
[1].徐娇,赵其杰,张君绍,张曦.基于多特征匹配跟踪的深海发光浮游生物自动计数方法[J].海洋科学.2019
[2].朱世昕,杨泽民.基于半直接方法的序列影像直线特征跟踪匹配算法[J].计算机科学.2019
[3].付灿.基于目标特征匹配的视觉跟踪算法研究[D].新疆大学.2019
[4].王军凯,吕晓琪,张明,李菁,孟娴静.特征跟踪与模式匹配结合算法在海冰漂移检测中的应用研究[J].激光与光电子学进展.2019
[5].贾哲.基于光流跟踪和特征匹配的视觉里程计研究[D].天津理工大学.2019
[6].穆柯楠,王会峰,杨澜,景首才.基于多尺度边缘融合及SURF特征匹配的车辆检测及跟踪方法[J].交通信息与安全.2018
[7].郑晓萌,张德海.基于有效特征点的运动目标匹配跟踪算法[J].电子设计工程.2018
[8].王光磊,卢倩,刘秀玲,王鹏宇.基于特征匹配与改进粒子滤波的冠脉目标跟踪算法[J].计算机工程.2018
[9].阚雨婷,施佺,王晗.无人机视角下的特征匹配引导粒子滤波跟踪算法[J].南通大学学报(自然科学版).2018
[10].郑涛,郝行猛,陈梅.基于特征匹配预估的MeanShift运动检测与跟踪[J].传感器与微系统.2018
论文知识图
