基于稀疏表示的小弱运动目标跟踪方法
专利类型：发明专利
语 言：中文
申 请 号：CN201510306352.4
申 请 日：20150605
申 请 人：重庆大学
申请人地址：400030 重庆市沙坪坝区沙正街174号
公 开 日：20150909
公 开 号：CN104899567A
代 理 人：康海燕
代理机构：重庆华科专利事务所 50123
摘 要：一种基于稀疏表示的小弱运动目标跟踪方法，包括步骤：首先由检测算法获取红外图像目标位置，构建初始训练样本和初始粒子集；运用K聚类奇异值分解法K_SVD训练样本构建图像的自适应形态成份超完备字典，然后构造自适应在线分类超完备字典，并进行实时在线更新；最后在粒子滤波跟踪框架下，建立小弱目标稀疏表示观测模型，利用粒子目标图像块和粒子背景图像块在自适应在线分类字典中的稀疏重构残差大小来估计目标的位置，并通过反复迭代来保持对后续帧中的目标稳定跟踪。本发明不仅能克服离线结构字典难以稀疏表征动态变化的图像信号的缺点，提高信号和背景的表示稀疏度差异，还能有效地提高红外小弱目标的运动检测跟踪能力。
主 权 项：一种基于稀疏表示的小弱运动目标跟踪方法，其特征在于，包括步骤：(1)检测算法获取红外图像目标位置，构建初始训练样本和初始粒子集；(2)初始化：采用K聚类奇异值分解法K_SVD学习训练样本构建红外图像帧的初始自适应形态成份超完备字典D，在初始目标区域建立初始化粒子集(3)利用高斯超完备字典对自适应形态成份字典的原子在线自动分类，构造自适应在线分类超完备字典，即目标超完备字典Dt和背景超完备字典Db；(4)根据建立的目标运动模型来预测粒子集下一时刻的转移状态；构建基于自适应在线分类超完备字典的小弱目标稀疏表示模型，并将其作为粒子滤波框架中的观测模型；(5)采用正交匹配跟踪(OMP)算法将红外图像信号f在自适应在线分类超完备字典D进行稀疏分解，得到图像信号分别在目标超完备字典和背景超完备字典中的稀疏表示系数α、β及稀疏重构残差rt(f)、rb(f)，计算步骤(4)中观测模型值从而得到粒子权值；(6)如果跟踪过程中的粒子目标图像块和粒子背景图像块在基于该超完备字典的稀疏域中的稀疏重构残差的差异度大于一定阈值，则保存该粒子的运动信息；(7)利用最大权值的三个目标粒子预测跟踪的小弱目标的准确位置；(8)根据当前最新的图像信息对当前背景下的在线分类超完备字典进行在线更新和重建，获得对目标图像信号的最优稀疏重构，更新迭代间隔为5帧；(9)如果不满足更新迭代间隔为5帧，则继续输入图像跳转至步骤(4)。
关 键 词：
法律状态：公开
IPC专利分类号：G06K9/00(2006.01)I;G06K9/62(2006.01)I;G06T7/20(2006.01)I