● 摘要
航空视频中运动目标的检测与跟踪在民事和军事上有着非常重要的用途，从飞行器上，在快速变化场景中对运动目标进行快速准确识别和跟踪，可以实现运动目标自动跟踪、运动参数估计、运动轨迹回放等功能。对于民用交通状况监察，军用武器制导、实施精确打击都有重要的意义。航空视频中的运动目标有自身显著的特点和困难：首先由于摄像头和飞行器共同运动，图像有明显的全局运动；其次由于图像分辨率低使得运动目标小，许多细节不可见。论文针这对些特点展开研究工作，研究了全局运动估计、边缘保持的滤波器、特征点提取和运动目标的检测和跟踪等问题。主要研究内容和创新点如下：1) 提出基于MAP的全局运动估计算法。在详细分析现有全局运动估计算法的基础上，指出现有的全局运动估计算法本质上都是最大似然估计，忽略了像素的先验信息：相关信息和分类信息。本文通过MAP模型引入和量化先验信息，重新定义全局运动估计算法的目标函数。由于新的目标函数可以更好地反映出像素的相关信息和分类信息，在不降低精度的前提下，大大的降低了算法的复杂度。2) 提出了一个自适应的运动检测算法。指出简单的全局阈值分割由于忽略了局部的信息，难以取得满意的分割效果，论文根据图像的局部结构来自适应地调整判决准则，达到提高运动检测精度的目的。3) 给出了一个自动检测噪声方差的算法。指出运动检测标记场的光滑程度和图像的噪声方差密切相关，准确噪声方差得到的标记场更加光滑，根据该原则通过计算标记场的光滑程度来找到准确的噪声方差。4) 提出了构建一致性区域来描述图像的局部特征。描述图像局部结构的结构张量无论在大小和方向上都容易受到噪声的影响，本文定义区域结构张量量化一致性的区域为一致性区域，用于对局部特征的描述，以期减小其受噪声的影响，提高鲁棒性。一致性区域进一步分别应用到了各向异性滤波器、非线性扩散滤波器和特征点检测中，来优化这些算法的性能。由于该特征能够更稳定的描述图像的局部结构，使得无论是噪声滤波算法，还是特征点检测算法在抗噪性能方面都有了提升。5) 构建了航空视频的运动目标跟踪框架，给出并实现了一个基于特征点的运动目标跟踪算法：利用特征点运动的可预测性和局部纹理的相似性来发现和跟踪运动轨迹，通过帧间的信息来提高轨迹的稳定性；利用特征点的运动一致性和空间位置信息进行聚类，将稳定的轨迹聚类为运动目标。