北京航空航天大學(xué)目標(biāo)檢測與跟蹤實(shí)驗(yàn)報(bào)告

《北京航空航天大學(xué)目標(biāo)檢測與跟蹤實(shí)驗(yàn)報(bào)告》由會(huì)員分享，可在線閱讀，更多相關(guān)《北京航空航天大學(xué)目標(biāo)檢測與跟蹤實(shí)驗(yàn)報(bào)告（11頁珍藏版）》請?jiān)谘b配圖網(wǎng)上搜索。

1、 《圖像探測、跟蹤與識(shí)別技術(shù)》 實(shí)驗(yàn)報(bào)告（一） 專業(yè)：探測制導(dǎo)與控制技術(shù) 學(xué)號(hào)： 姓名：  目錄 一、實(shí)驗(yàn)?zāi)康?3 二、實(shí)驗(yàn)要求 3 三、實(shí)驗(yàn)步驟 3 四、實(shí)驗(yàn)結(jié)果 4 1、使用自適應(yīng)閾值進(jìn)行閾值化以及定位跟蹤結(jié)果 4 1.1閾值結(jié)果及坐標(biāo) 4 1.2二值化圖樣及定位、跟蹤結(jié)果 4 2、使用固定閾值進(jìn)行閾值化以及定位跟蹤結(jié)果 5 2.1.1閾值為150的結(jié)果及坐標(biāo) 5 2.1.2二值化圖樣及定位、跟蹤結(jié)果 5 2.2.1閾值為250的結(jié)果及坐標(biāo) 6

2、2.2.2二值化圖樣及定位、跟蹤結(jié)果 6 五、實(shí)驗(yàn)感想 7 附實(shí)驗(yàn)程序： 7  實(shí)驗(yàn)一 基于形心的目標(biāo)檢測方法 一、實(shí)驗(yàn)?zāi)康? 1. 學(xué)習(xí)常用的圖像閾值分割方法以及不同方法對目標(biāo)的不同分割效果； 2. 學(xué)習(xí)如何利用形心方法將目標(biāo)定位； 3. 了解目標(biāo)檢測方法的本質(zhì)并為課堂教學(xué)提供配套的實(shí)踐機(jī)會(huì)。 二、實(shí)驗(yàn)要求 要求學(xué)生能夠根據(jù)目標(biāo)圖像特點(diǎn)，自行選擇在不同噪聲條件下和背景條件下的目標(biāo)分割算法。完成規(guī)定圖像的目標(biāo)檢測，并利用檢測跟蹤窗來表示檢測到的目標(biāo)位置信息。 三、實(shí)驗(yàn)步驟 1. 分別利用固定閾值和自適應(yīng)閾值T，對圖像二值化。 2．在VC6.0平臺(tái)下編

3、寫閾值計(jì)算函數(shù)，形心計(jì)算函數(shù)； 3. 觀察不同閾值方法對目標(biāo)的分割效果以及對目標(biāo)的定位準(zhǔn)確性； 4. 打印結(jié)果并進(jìn)行討論。 四、實(shí)驗(yàn)結(jié)果 1、使用自適應(yīng)閾值進(jìn)行閾值化以及定位跟蹤結(jié)果 1.1閾值結(jié)果及坐標(biāo) 1.2二值化圖樣及定位、跟蹤結(jié)果 2、使用固定閾值進(jìn)行閾值化以及定位跟蹤結(jié)果 2.1.1閾值為150的結(jié)果及坐標(biāo) 2.1.2二值化圖樣及定位、跟蹤結(jié)果 2.2.1閾值為250的結(jié)果及坐標(biāo) 2.2.2二值化圖樣及定位、跟蹤結(jié)果 從以上實(shí)驗(yàn)結(jié)果中可以看出，大津法得到的閾值使得前景和背景的錯(cuò)分像素點(diǎn)數(shù)最少，因而使得二值化的分類結(jié)果和最終的檢

4、測追蹤結(jié)果都非常地好。而固定閾值因?yàn)橛腥说囊蛩卦诶镞?，隨意性大，因而導(dǎo)致了二值化的結(jié)果較差，并最終使得檢測跟蹤的結(jié)果較差。在閾值設(shè)置為150的時(shí)候無法檢測跟蹤到目標(biāo)，在閾值設(shè)置為250的時(shí)候雖然檢測到目標(biāo)，但跟蹤框的位置明顯小了，說明在二值化的時(shí)候講過多的飛機(jī)上的像素點(diǎn)當(dāng)成了背景，因而結(jié)果較差。 五、實(shí)驗(yàn)感想 這是在我們進(jìn)行的第一次圖像探測、跟蹤與識(shí)別技術(shù)的實(shí)驗(yàn)，實(shí)驗(yàn)中我們嘗試了使用大津法求得的閾值和固定閾值對同一幅圖片進(jìn)行二值化，從結(jié)果來看，大津法得到的閾值的準(zhǔn)確程度明顯比人為選擇的閾值要準(zhǔn)確地多，這是因?yàn)榇蠼蜷撝捣▽?-255灰度進(jìn)行遍歷，當(dāng)前景和背景錯(cuò)分最少時(shí)的灰度作為最終灰度，因

5、而二值化的準(zhǔn)確程度要高很多。除了閾值化之外，我們還計(jì)算了目標(biāo)的型心，并加入了跟蹤框，以對目標(biāo)進(jìn)行跟蹤。實(shí)驗(yàn)總體雖然簡單，但是讓我們了解了一種，目標(biāo)檢測跟蹤的方法，另外還提高了我們的編程能力。總體上來說，這次試驗(yàn)收獲很多。 附實(shí)驗(yàn)程序： #include #include "StdAfx.h" #include #include #include #include using std::cout; using std::endl; int otsuThreshold(

6、IplImage* img) { int T = 0; int height = img->height; int width = img->width; int step = img->widthStep; int channels = img->nChannels; uchar* data = (uchar*)img->imageData; double gSum0;/ double gSum1; double N0 = 0;/ double

7、 N1 = 0;/ double u0 = 0;/度 double u1 = 0;//度 double w0 = 0;/ 0 double w1 = 0;/ double u = 0;/ double tempg = -1;/ double g = -1; double Histogram[256]={0}; double N = width*height;/ for(int i=0;i

8、 { double temp =data[i*step + j] ;/ temp = temp<0? 0:temp; temp = temp>255? 255:temp; Histogram[(int)temp]++; } } for (int i = 0;i<256;i++) { gSum0 = 0; gSum1 = 0; N0 +

9、= Histogram[i]; N1 = N-N0; if(0==N1)break; w0 = N0/N; w1 = 1-w0; for (int j = 0;j<=i;j++) { gSum0 += j*Histogram[j]; } u0 = gSum0/N0; for(int k = i+1;k<256;k++) {

10、 gSum1 += k*Histogram[k]; } u1 = gSum1/N1; u = w0*u0 + w1*u1; g = w0*w1*(u0-u1)*(u0-u1); if (tempg

11、 pImg; pImg = cvLoadImage("plane1.bmp",0); int T=250; cout<<"設(shè)定/大津法求得?的?閾D值為a：o"<height; int ymin=pImg->width; int xmax=0; int ymax=0; IplImage* pImg1=pImg; for(int i=0;iheight;i++) {

12、 uchar* ptr=(uchar*)(pImg1->imageData+i*pImg1->widthStep); for(int j=0;jwidth;j++) { double temp =ptr[j]; if(temp>T) { ptr[j]=255; count++; xsumx+=j; ysumy+=i; if(i>=ymax) ymax=i; if(j>=xmax) xmax=j; if(i<=y

13、min) ymin=i; if(j<=xmin) xmin=j; } else ptr[j]=0; } } int xzuobiao=(int)xsumx/count; int yzuobiao=(int)ysumy/count; cout<<"中D心?坐?標(biāo)X為a：o"<

14、//////// IplImage* pImg3=cvLoadImage("plane1.bmp",0);; CvPoint2D32f point[4]; int jukuandu=80; int jugaodu=45; point[0].x=xmin-10; point[1].x=xmin-10; point[2].x=xmax+10; point[3].x=xmax+10; point[0].y=ymin-10; point[1].y=ymax+10; point[2].y=ymax+10; point[3].y=ymin-10; CvPoint pt[4];

15、 for (int i=0; i<4; i++) { pt[i].x = (int)point[i].x; pt[i].y = (int)point[i].y; } cvLine( pImg3, pt[0], pt[1],CV_RGB(255,255,255), 1, 1, 0 ); cvLine( pImg3, pt[1], pt[2],CV_RGB(255,255,255), 1, 1, 0 ); cvLine( pImg3, pt[2], pt[3],CV_RGB(255,255,255), 1, 1, 0

16、 ); cvLine( pImg3, pt[3], pt[0],CV_RGB(255,255,255), 1, 1, 0 ); cvNamedWindow( "Image1",1); cvShowImage( "Image1", pImg1 ); cvNamedWindow("Image3",1); cvShowImage("Image3",pImg3); cvWaitKey(0); cvDestroyWindow( "Image1" ); cvDestroyWindow( "Image3" ); cvReleaseImage( &pImg ); cvReleaseImage( &pImg1 ); cvReleaseImage( &pImg3 ); return 0; }