基于粒子滤波的红外目标跟踪方法研究
发布时间：2022-01-16 20:38
红外目标跟踪方法是早期预警、精确制导、安全监控等领域的一项关键技术。然而红外图像信噪比低、目标可见性差,并且随着红外成像系统搭载平台与目标之间的相对运动,视场内目标状态和外观不断发生变化。在目前主流的粒子滤波框架下,红外目标跟踪方法仍然面临目标状态非平稳随机变化难以预测、目标外观模型在不同场景下自适应能力不足、搜索效率和定位精度不高等问题。本文利用红外图像序列研究单目标跟踪方法,借鉴图像处理、模式识别、机器学习等前沿学科的最新研究成果,致力于提高红外目标跟踪方法对干扰因素的鲁棒性以及在不同场景下的自适应能力。主要完成工作如下:针对目标状态发生突变时基于先验知识生成的候选粒子集合覆盖效率下降,导致目标状态非平稳随机变化难以预测的问题,提出了一种基于高斯采样和显著度重要性采样相结合的红外目标运动建模方法。首先以上一时刻目标状态为均值进行高斯采样,生成的粒子集合能够对当前时刻目标状态进行基本覆盖。在此基础上引入显著性模型,从而在目标外观统计信息未知的条件下获得图像显著区域,然后通过显著度重要性采样生成的粒子集合着重覆盖上一时刻目标附近的显著区域。实验结果表明,在目标区域相对于附近背景具有显著...
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：123 页
【学位级别】：博士
【部分图文】：
跟踪结果与真实目标区域比较Fig.1-3ComparisonbetweentrackingresultandGTtargetarea
基于谱残差模型的红外图像显著图生成生成显著图的目的是为了获得图像显著区域，并希望显著区域能尽可能准确反映当前时刻的目标区域。然而不同目标的尺寸各不相同，如图2-4所示，即使是同一个目标，其尺寸也会随时间发生变化，如图2-5所示。实际上低分辨率图像忽略了细节特征而仅保留了大尺度特征，高分辨率图像更注重细节而缺乏对显著区域的整体描述。由此可见，单一显著图仅能反映某个固定尺度下的显著区域，因此无法处理目标尺寸多样性的问题。图2-4不同尺寸的目标Fig.2-4 Targets with different sizes图2-5目标尺寸变化Fig.2-5 Changing size of the target本章根据图像金字塔的思想[119, 120]，通过构造多尺度显著图解决上述问题。假设原始图像为I1(m,n)(1 ≤ m ≤ M,1 ≤ n ≤ N)，g为尺寸为(2wg+ 1, 2hg+ 1)的高斯低通滤波器
2-4所示，即使是同一个目标，其尺寸也会随时间发生变化，如图2-5所示。实际上低分辨率图像忽略了细节特征而仅保留了大尺度特征，高分辨率图像更注重细节而缺乏对显著区域的整体描述。由此可见，单一显著图仅能反映某个固定尺度下的显著区域，因此无法处理目标尺寸多样性的问题。图2-4不同尺寸的目标Fig.2-4 Targets with different sizes图2-5目标尺寸变化Fig.2-5 Changing size of the target本章根据图像金字塔的思想[119, 120]，通过构造多尺度显著图解决上述问题。假设原始图像为I1(m,n)(1 ≤ m ≤ M,1 ≤ n ≤ N)，g为尺寸为(2wg+ 1, 2hg+ 1)的高斯低通滤波器，首先生成L层灰度金字塔图像Il(l = 1, · · · , L)Il+1(i,j) =wg∑ m= wghg∑ n= hgg(m,n)Il(2i + m, 2 j + n) (2-13)然后对不同尺度的灰度图像Il(l = 1, · · · , L)计算显著图Sl(l = 1, · · · , L)，从而获得原始灰度图像在不同尺度下的显著区域。为了解决跟踪过程中存在的目标尺寸多样性的问题
【参考文献】：
期刊论文
[1]基于协方差描述子稀疏表示的前视红外建筑物目标跟踪锁定[J]. 杨春伟,王仕成,廖守亿,刘华平. 红外技术. 2016(05)
[2]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)
[3]基于外观模型学习的视频目标跟踪方法综述[J]. 张焕龙,胡士强,杨国胜. 计算机研究与发展. 2015(01)
[4]粒子滤波算法[J]. 王法胜,鲁明羽,赵清杰,袁泽剑. 计算机学报. 2014(08)
[5]基于高斯金字塔的图像运动估计算法[J]. 王斌,何中市,伍星,贾媛媛. 计算机工程与应用. 2015(07)
[6]地面红外目标图像识别方法研究[J]. 李凯永,何友金,张鹏,徐长爱. 电光与控制. 2009(03)
博士论文
[1]人类视觉认知模式的统计分析与建模[D]. 孙晓帅.哈尔滨工业大学 2014
[2]基于稀疏表示的在线目标跟踪研究[D]. 薛明.上海交通大学 2014
[3]红外成像目标检测与识别方法研究[D]. 刘靳.西安电子科技大学 2010
[4]复杂背景下红外小目标探测与跟踪若干关键技术研究[D]. 钱惟贤.南京理工大学 2010
[5]复杂背景下红外目标检测与跟踪算法研究[D]. 王鑫.南京理工大学 2010
[6]红外小目标检测与跟踪算法研究[D]. 魏长安.哈尔滨工业大学 2009
[7]复杂背景中红外弱小目标探测方法研究[D]. 胡永生.南京理工大学 2008
本文编号：3593380
【文章来源】：哈尔滨工业大学黑龙江省 211工程院校 985工程院校
【文章页数】：123 页
【学位级别】：博士
【部分图文】：
跟踪结果与真实目标区域比较Fig.1-3ComparisonbetweentrackingresultandGTtargetarea
基于谱残差模型的红外图像显著图生成生成显著图的目的是为了获得图像显著区域，并希望显著区域能尽可能准确反映当前时刻的目标区域。然而不同目标的尺寸各不相同，如图2-4所示，即使是同一个目标，其尺寸也会随时间发生变化，如图2-5所示。实际上低分辨率图像忽略了细节特征而仅保留了大尺度特征，高分辨率图像更注重细节而缺乏对显著区域的整体描述。由此可见，单一显著图仅能反映某个固定尺度下的显著区域，因此无法处理目标尺寸多样性的问题。图2-4不同尺寸的目标Fig.2-4 Targets with different sizes图2-5目标尺寸变化Fig.2-5 Changing size of the target本章根据图像金字塔的思想[119, 120]，通过构造多尺度显著图解决上述问题。假设原始图像为I1(m,n)(1 ≤ m ≤ M,1 ≤ n ≤ N)，g为尺寸为(2wg+ 1, 2hg+ 1)的高斯低通滤波器
2-4所示，即使是同一个目标，其尺寸也会随时间发生变化，如图2-5所示。实际上低分辨率图像忽略了细节特征而仅保留了大尺度特征，高分辨率图像更注重细节而缺乏对显著区域的整体描述。由此可见，单一显著图仅能反映某个固定尺度下的显著区域，因此无法处理目标尺寸多样性的问题。图2-4不同尺寸的目标Fig.2-4 Targets with different sizes图2-5目标尺寸变化Fig.2-5 Changing size of the target本章根据图像金字塔的思想[119, 120]，通过构造多尺度显著图解决上述问题。假设原始图像为I1(m,n)(1 ≤ m ≤ M,1 ≤ n ≤ N)，g为尺寸为(2wg+ 1, 2hg+ 1)的高斯低通滤波器，首先生成L层灰度金字塔图像Il(l = 1, · · · , L)Il+1(i,j) =wg∑ m= wghg∑ n= hgg(m,n)Il(2i + m, 2 j + n) (2-13)然后对不同尺度的灰度图像Il(l = 1, · · · , L)计算显著图Sl(l = 1, · · · , L)，从而获得原始灰度图像在不同尺度下的显著区域。为了解决跟踪过程中存在的目标尺寸多样性的问题
【参考文献】：
期刊论文
[1]基于协方差描述子稀疏表示的前视红外建筑物目标跟踪锁定[J]. 杨春伟,王仕成,廖守亿,刘华平. 红外技术. 2016(05)
[2]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)
[3]基于外观模型学习的视频目标跟踪方法综述[J]. 张焕龙,胡士强,杨国胜. 计算机研究与发展. 2015(01)
[4]粒子滤波算法[J]. 王法胜,鲁明羽,赵清杰,袁泽剑. 计算机学报. 2014(08)
[5]基于高斯金字塔的图像运动估计算法[J]. 王斌,何中市,伍星,贾媛媛. 计算机工程与应用. 2015(07)
[6]地面红外目标图像识别方法研究[J]. 李凯永,何友金,张鹏,徐长爱. 电光与控制. 2009(03)
博士论文
[1]人类视觉认知模式的统计分析与建模[D]. 孙晓帅.哈尔滨工业大学 2014
[2]基于稀疏表示的在线目标跟踪研究[D]. 薛明.上海交通大学 2014
[3]红外成像目标检测与识别方法研究[D]. 刘靳.西安电子科技大学 2010
[4]复杂背景下红外小目标探测与跟踪若干关键技术研究[D]. 钱惟贤.南京理工大学 2010
[5]复杂背景下红外目标检测与跟踪算法研究[D]. 王鑫.南京理工大学 2010
[6]红外小目标检测与跟踪算法研究[D]. 魏长安.哈尔滨工业大学 2009
[7]复杂背景中红外弱小目标探测方法研究[D]. 胡永生.南京理工大学 2008
本文编号：3593380
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3593380.html
