需要金幣： 1000 個金幣 |
資料包括：完整論文，開題報告 |  |
 |
| 轉換比率：金額 X 10=金幣數(shù)量， 例100元=1000金幣 | 論文字數(shù)：18868 |  | |
| 折扣與優(yōu)惠：團購最低可5折優(yōu)惠 - 了解詳情 | 論文格式：Word格式(*.doc) |  |
摘要：數(shù)字圖像處理在開發(fā)和鉆研的過程中，涉及到的知識面是非常大的。隨著微型計算機科學技術的大量普及和應用，數(shù)字圖像處理和分析逐漸有了自己的一個分支，并且在這個分支上面不斷的研究開發(fā)，新的處理方法也五花八門，在很短的研究和發(fā)展狀況下，許多方面都想致力于對其的研究和開發(fā)。圖像跟蹤與圖像處理有著相關重要的聯(lián)系，因為只有圖像跟蹤之后，也就是提取相關的圖像信息之后，才能進行圖像的處理；也就是說，只有經(jīng)過圖像處理之后，才能進行圖像跟蹤。因此，跟蹤算法和成像跟蹤是密不可分的。 不同的場景用到的檢測方法不一樣，用到的跟蹤方法也有一定的差異，在本篇文章中主要用到的是靜態(tài)的目標和跟蹤，其中的檢測算法和目標的模板相關匹配算法，我們使用的都是在基于Hausdorff距離的模板跟蹤算法的情況下進行的。本文我們是圍繞以下幾方面開展的： 1.簡單的介紹“數(shù)字圖像處理跟蹤算法的MATLAB程序實現(xiàn)與比較”的研究背景和意義，大致概述現(xiàn)在數(shù)字圖像處理的發(fā)展狀況，以及目標的檢測和跟蹤。 2.介紹了幾種跟蹤方法，讓更好的了解圖像的跟蹤，前面的幾種跟蹤方法并不是我們最后使用的，主要是為了大家能夠對圖像跟蹤多一點了解。在第四章的時候，我們使用的跟蹤算法是基于Hausdorff距離的模板跟蹤算法。 3.參考“優(yōu)勢點揀選法”；“優(yōu)勢點揀法”的主要優(yōu)點是能夠減小計算量，有的時候因為要檢測邊緣點數(shù)較多，這樣就造成了要跟蹤的計算量就比較大，這種方法的使用，是根據(jù)Hausdorff距離的距離閾值選出優(yōu)勢點，再將優(yōu)勢點作為依據(jù)，然后根據(jù)優(yōu)勢點再進行計算。在結尾的時候，我們獲取最佳匹配位置是通過函數(shù)的使用得到的。 關鍵詞：Hausdorff、幀間差法、“分塊揀選”、圖像分割、灰度統(tǒng)計
目錄 摘要 ABSTRACT 引言-1 1 緒論-2 1.1 論文的背景及意義-2 1.2 數(shù)字圖像處理的研究和發(fā)展-3 1.2.1 目標檢測與提取-4 1.2.2 目標的跟蹤-5 1.3 本文的結構安排-5 2 預備知識-7 2.1 圖像處理的基本知識-7 2.2 圖像的分割-7 2.3 圖像的檢測-8 2.4 跟蹤原理-8 2.5 小結-8 3 數(shù)字圖像的提取-9 3.1 引言-9 3.2 幀間差法-10 3.3 背景差法-12 3.4 灰度統(tǒng)計法-12 3.5 小結-14 4 數(shù)字圖像跟蹤-15 4.1 引言-15 4.2 Hausdorff距離的定義及其改進-15 4.2.1 部分Hausdorff距離算法-16 4.3 優(yōu)勢點揀選法-17 4.3.1 普通Hausdorff距離的計算速度-17 4.3.2 “優(yōu)勢點揀選法”-17 4.3.3 “分塊揀選”的理論依據(jù)-18 4.4 實驗-18 4.4.1 實驗步驟-19 4.4.2 實驗結果-20 4.5 小結-23 5 暢想與總結-24 致謝-26 參考文獻-27 |
