项目名称: 基于方向小波字典的相关跟踪图像特征识别和定位方法研究

项目编号: No.11473046

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 天文学、地球科学

项目作者: 王景宇

作者单位: 中国科学院国家天文台

项目金额: 95万元

中文摘要: 图像稳定控制技术是大口径高分辨率空间太阳望远镜和空间相机中不可缺少的关键技术之一,在卫星中加入图像稳定控制系统,可以实现高分辨率和高质量成像。本项目采用图像稀疏表示方法研究相关跟踪器中的图像特征识别和定位。用Gabor wavelet框架、Steerable wavelet框架和Curvelet框架构成方向小波字典,用此字典分解太阳图像,以期望获得对太阳图像中的典型结构,如米粒、黑子、气孔和亮斑等的稀疏表示,在此基础上找到描述这些典型结构的特征量,以使相关跟踪器能够从大视场图像中选出适合相关跟踪的目标图像。本项目还将利用方向小波研究图像结构的对称性与水平和垂直方向图像偏移量计算精度对称性间的关系,以寻找有效表示对称性的特征量。研究跟踪目标图像选择的快速算法及其软硬件实现,并在相关跟踪器实验系统上对算法的有效性进行验证。研究成果对提高相关跟踪器的性能和获取高分辩率太阳图像有重要意义。

中文关键词: 相关跟踪器;太阳图像;稀疏表示;方向小波字典;特征识别

英文摘要: Image stabilization control is one of the key technologies for the large-aperture high-resolution space solar telescopes and space cameras. Add image stabilization control system in satellite, can achieve high quality imaging with high resolution. This project researches the image feature recognition and location in correlation trackers with image spares representation. Using a Gabor wavelet frame, a steerable wavelet frame and a curvelet frame constitute a directional wavelet dictionary. Solar images are decomposed on the directional wavelet dictionary in order to obtain the sparse representation of the typical structure,such as granulations,sunspots, pores and faculae, in solar images. Based on this sparse representation ,we expect to find feature quantities describing these structures so that the tracked target image can be selected from the large field of view images by correlation trackers. In order to find effective to describe the symmetry feature, we study the relationship between the symmetry of the horizontal and vertical image offset calculation accuracy and the symmetry of the image structure using directional wavelets. The fast tracked target image selection algorithm and its hardware and software implementation are researched. The validity of this fast algorithm is verified using the correlation tracker test system. The research results can be used to improve the performance of correlation trackers and acquire the high-resolution solar images.

英文关键词: correlation trackers;solar images;sparse representations;directional wavelet dictionaries;feature recognition

成为VIP会员查看完整内容
0

相关内容

这种方法被称为Sparse Coding。通俗的说,就是将一个信号表示为一组基的线性组合,而且要求只需要较少的几个基就可以将信号表示出来
专知会员服务
26+阅读 · 2021年8月24日
专知会员服务
50+阅读 · 2021年5月19日
专知会员服务
121+阅读 · 2021年4月29日
基于深度学习的行人检测方法综述
专知会员服务
68+阅读 · 2021年4月14日
专知会员服务
69+阅读 · 2021年3月23日
专知会员服务
61+阅读 · 2021年3月6日
深度学习目标检测方法综述
专知会员服务
273+阅读 · 2020年8月1日
基于深度学习的表面缺陷检测方法综述
专知会员服务
85+阅读 · 2020年5月31日
专知会员服务
160+阅读 · 2020年4月21日
 图像内容自动描述技术综述
专知会员服务
85+阅读 · 2019年11月17日
基于OpenCV的图像阴影去除
极市平台
1+阅读 · 2022年2月27日
计算机视觉中的传统特征提取方法总结
极市平台
1+阅读 · 2021年12月9日
基于深度学习的小目标检测方法综述
专知
2+阅读 · 2021年4月29日
基于深度学习的行人检测方法综述
专知
1+阅读 · 2021年4月14日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
最全综述:基于深度学习的三维重建算法
极市平台
12+阅读 · 2020年3月17日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
深度学习的快速目标跟踪
AI研习社
13+阅读 · 2018年1月8日
基于深度学习的图像目标检测(下)
机器学习研究会
12+阅读 · 2018年1月1日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
0+阅读 · 2022年4月14日
小贴士
相关VIP内容
专知会员服务
26+阅读 · 2021年8月24日
专知会员服务
50+阅读 · 2021年5月19日
专知会员服务
121+阅读 · 2021年4月29日
基于深度学习的行人检测方法综述
专知会员服务
68+阅读 · 2021年4月14日
专知会员服务
69+阅读 · 2021年3月23日
专知会员服务
61+阅读 · 2021年3月6日
深度学习目标检测方法综述
专知会员服务
273+阅读 · 2020年8月1日
基于深度学习的表面缺陷检测方法综述
专知会员服务
85+阅读 · 2020年5月31日
专知会员服务
160+阅读 · 2020年4月21日
 图像内容自动描述技术综述
专知会员服务
85+阅读 · 2019年11月17日
相关资讯
基于OpenCV的图像阴影去除
极市平台
1+阅读 · 2022年2月27日
计算机视觉中的传统特征提取方法总结
极市平台
1+阅读 · 2021年12月9日
基于深度学习的小目标检测方法综述
专知
2+阅读 · 2021年4月29日
基于深度学习的行人检测方法综述
专知
1+阅读 · 2021年4月14日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
最全综述:基于深度学习的三维重建算法
极市平台
12+阅读 · 2020年3月17日
目标跟踪算法分类
算法与数据结构
20+阅读 · 2018年9月28日
深度学习的快速目标跟踪
AI研习社
13+阅读 · 2018年1月8日
基于深度学习的图像目标检测(下)
机器学习研究会
12+阅读 · 2018年1月1日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
相关基金
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员