基于改进的引导图像滤波和深度去噪自编码器的微弱目标跟踪算法

发布时间：2021-08-11 05:30

　　微弱目标易被周围环境中强烈的噪声干扰,为解决现有目标跟踪算法由于低信噪比导致跟踪准确度低的问题,提出一种将引导图像滤波器和深度去噪自编码器集成到粒子滤波器框架中的跟踪算法。通过引导图像滤波（guided image filter, GIF）算法对目标图像进行滤波处理,保留有价值的模板信息并使不准确的背景模板模糊,有效增强目标图像;通过改进的深度学习算法对深度去噪自编码器训练和微调,更好地适应目标外观变化;构造粒子分类器框架根据粒子重要性权重定位目标。实验结果表明,该算法在微弱目标跟踪准确度和抗干扰能力上优于多种现有主流跟踪算法。 

【文章来源】：科学技术与工程. 2020,20(14)北大核心

【文章页数】：6 页

【部分图文】：

滤波前6类模板及三维曲面图

滤波后6类模板及三维曲面图

SDAE算法流程

【参考文献】：
期刊论文
[1]严重方位模糊下的合成孔径雷达微弱运动目标聚焦与参数估计方法[J]. 万俊,周宇,张林让,陈展野.  西安交通大学学报. 2019(06)
[2]杂波干扰下雷达微弱多目标检测跟踪方法[J]. 宋强.  中国电子科学研究院学报. 2018(05)
[3]一种基于遗传算法的改进粒子滤波器[J]. 蔡登禹,刘以安.  计算机仿真. 2018(07)
[4]基于自学习深度卷积神经网络的姿态变化人脸识别[J]. 邹国锋,傅桂霞,高明亮,尹丽菊,王科俊.  小型微型计算机系统. 2018(06)
[5]多目标粒子滤波器重采样算法的研究[J]. 陈辉,刘备,叶平.  自动化与仪器仪表. 2017(01)
[6]基于边缘检测加权引导滤波的指静脉图像增强算法[J]. 曹伟,王华彬,石军,余锐,陶亮.  激光与光电子学进展. 2017(02)
[7]粒子滤波理论、方法及其在多目标跟踪中的应用[J]. 李天成,范红旗,孙树栋.  自动化学报. 2015(12)
[8]增量深度学习目标跟踪[J]. 程帅,孙俊喜,曹永刚,赵立荣.  光学精密工程. 2015(04)



本文编号：3335552