基于微分信息融合的Mean Shift改进跟踪算法

被引：3

作者：

修春波 ^{[1
,2
]}

卢少磊 ^{[1
,2
]}

任晓 ^{[1
,2
]}

机构：

[1] 天津工业大学电气工程与自动化学院

[2] 天津工业大学电工电能新技术天津市重点实验室

来源：

系统工程与电子技术 | 2014年 / 36卷 / 05期

关键词：

均值漂移; 微分; 目标跟踪; 信息融合;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

为提高传统均值漂移算法对低对比度图像的跟踪性能,提出一种融合图像微分特征信息的改进算法。根据图像8邻域微分值建立微分图像,利用微分特征建立目标模板和候选区域的微分直方图模型,并确定候选区中心位置的更新向量。将其与利用颜色特征信息确定的候选区中心位置的更新向量相融合,得到改进算法的更新向量。图像的微分信息包含了图像的细节信息以及像素的相对空间位置信息,提高了模型建立时信息的利用率,能够提高目标模型的建模精度。仿真实验结果表明,与传统均值漂移算法相比,改进算法在复杂的背景情况下具有更强的抗干扰性能,能够有效提高目标跟踪的稳定性。

引用

页码：1004 / 1009

页数：6

共 16 条

[1] 基于区域最大相似度的快速图像分割算法 [J].

徐少平 ;

刘小平 ;

李春泉 ;

胡凌燕 ;

杨晓辉 .

光电子激光, 2013, (05) :990-998

[2] 融合颜色直方图及SIFT特征的自适应分块目标跟踪方法 [J].

董文会 ;

常发亮 ;

李天平 .

电子与信息学报, 2013, 35 (04) :770-776

[3] 基于距离信息的Mean-Shift跟踪算法 [J].

冉欢欢 ;

黄自力 .

兵工学报, 2013, 34 (01) :82-86

[4] 双环Mean Shift视频跟踪算法 [J].

夏瑜 ;

吴小俊 ;

王洪元 .

模式识别与人工智能, 2013, 26 (01) :20-27

[5] 基于目标质心的Meanshift跟踪算法 [J].

姚放吾 ;

许辰铭 .

计算机技术与发展, 2012, 22 (06) :104-106+110

[6] 基于SIFT特征的目标多自由度mean-shift跟踪算法 [J].

董蓉 ;

李勃 ;

陈启美 .

控制与决策 , 2012, (03) :399-402+407

[7] 跟踪窗自适应的Mean Shift目标跟踪算法 [J].

刘晴 ;

唐林波 ;

赵保军 .

系统工程与电子技术, 2012, 34 (02) :409-412

[8] 融合角点特征与颜色特征的Mean-Shift目标跟踪算法 [J].

宋丹 ;

赵保军 ;

唐林波 .

系统工程与电子技术, 2012, 34 (01) :199-203

[9] Mean shift based gradient vector flow for image segmentation [J].

Zhou, Huiyu ;

Li, Xuelong ;

Schaefer, Gerald ;

Celebi, M. Emre ;

Miller, Paul .

COMPUTER VISION AND IMAGE UNDERSTANDING, 2013, 117 (09) :1004-1016

[10]

Dynamics of a mean-shift-like algorithm and its applications on clustering[J] . Yiguang Liu,Stan Z. Li,Wei Wu,Ronggang Huang. Information Processing Letters . 2013 (1-2)

← 1 2 →