基于改进多特征融合均值位移算法的红外舰船目标跟踪

针对红外海面背景杂波干扰严重多特征融合的均值位移算法无法准确跟踪目标的问题,对原算法进行了改进,提出一种基于多特征融合均值位移跟踪的新框架。在多特征融合均值位移跟踪的基础上,所提算法通过加入对目标区域的迭代分割并提取区域形心,实现了舰船目标的准确再定位;在局部分割的基础上,提出了对多特征模板尺寸和目标模型的更新方案,实现了对红外海面背景下舰船目标的准确、鲁棒跟踪。利用实际红外图像序列对算法性能进行验证,实验结果表明,所提算法能够更准确、有效地跟踪图像序列中的舰船目标。     

基于序列复杂度的空中红外目标跟踪算法评估

近年来,基于深度学习的红外空中目标跟踪算法不断涌现,如何对其性能进行评估已经成为一个亟待解决的问题。利用单帧图像混淆度和遮隐度对图像复杂度进行计算,并结合目标运动复杂度,建立了融合图像复杂度和运动复杂度的序列复杂度计算模型。构建了包含420个序列的红外序列样本库,利用序列复杂度对样本库测试结果进行加权评分,提出了一种新的红外空中目标跟踪算法性能评估方法。实验结果表明,所提出的评估方法能全面评估算法在不同态势下的性能。     

传统特征和深度特征融合的红外空中目标跟踪

新型红外诱饵的出现,对传统红外成像空空导弹作战效能的发挥造成了严峻挑战。近年来深度学习研究进展迅速,有力促进了目标跟踪领域的发展。以多域学习网络框架为基础,引入传统特征长宽比和均值对比度,将深度特征与传统特征融合在一个跟踪框架中,解决了单一特征在目标跟踪中无法有效对抗面源等复杂干扰的问题。为了评估算法性能,分别在仿真序列和实拍图像序列上进行了测试。实验结果表明,所提出算法的跟踪精度和鲁棒性优于目前经典的跟踪算法,是一种具有较强适应性的红外空中目标跟踪方法。     

一种低信噪比下点目标检测新算法

针对红外探测系统对远距离目标进行实时临控的应用场合,提出了一种快速点目标检测算法。该算法将原始图像序列分割成多个小段,通过递推使用速度匹配滤波,能快速得到图像序列中目标轨迹的能量,从而提高低信噪比下点目标的检测能力。与其它检测算法相比,新算法具有检测概率高、算法复杂低等特点。对算法的原理和性能进行了详细地分析,通过仿真实验证明了该算法的有效性。     

基于小波分析的雷达/红外模糊自适应融合算法

在多传感器融合算法的基础上,提出一种基于小波分析的雷达/红外模糊自适应融合算法。因为小波分析对测量数据具有多分辨率分析的去噪能力,将小波分析与模糊自适应卡尔曼滤波器相结合构成一个多分辨率跟踪滤波器,该算法可以对来自主动雷达和红外成像传感器的信息加以充分利用,选择适合的小波函数对测量数据进行过滤优化,把干扰负荷转移到小波分析上,在改善跟踪性能的同时又具有很强的处理非平稳信号的能力,而且又保证了该融合算法简单、实用的特点。仿真结果表明,提出的融合算法有很好的跟踪精度,通过对比表明该算法优于传统的多传感器融合算法。     

基于D-S证据理论的红外小目标融合检测方法

将红外图像中的小目标检测视为基于多图像特征的像素分类问题,提出了一种基于D-S证据理论的红外小目标融合检测方法。该算法首先提取双色红外成像系统中各传感器图像的图像特征,采用D-S证据理论中的基本概率分配函数对传感器图像中的像素进行基于多图像特征的分类,得到各传感器的目标检测基本可信度图;然后应用正交和规则复合来自各传感器的目标检测判决证据,获得整个系统的目标检测基本可信度图;最后根据决策规则输出最终目标检测结果。实验结果显示,该算法能在较大程度上降低目标检测过程中的不确定性,提高了系统的检测性能。     

基于信号注入仿真的红外成像导引算法评估系统

在红外成像导引算法性能评估中,信号注入式仿真不用将真实导引头引入闭合回路。计算机成像系统模拟战场环境,产生包含目标、背景和干扰的红外图像源,通过视频输出接口注入到图像处理器,图像处理器按照成像导引头的工作方式,对目标进行捕获跟踪。以反舰导弹为仿真对象,介绍了系统的构成,阐述了以提取天水线为准则的图像分割算法和模糊综合评判目标识别算法,分析了形心和相关两种跟踪算法的适用场合和工作过程,最后给出了评估准则。     

基于改进滤波器和图像多尺度变换的背景抑制算法

红外目标的探测背景具有复杂性和非平稳性,为提高后续检测性能,常常通过抑制背景来增强目标能量。针对传统背景抑制方法检测率低、虚警率高的问题,提出一种基于改进滤波器和图像多尺度变换的复杂背景抑制算法。首先,对红外图像进行改进的滤波处理获得预处理图像。其次,通过高斯金字塔多分辨技术,平滑图像背景。然后,采用Cubic插值算法提高图像的分辨率,得到背景估计图像。最后,将预处理图像和背景估计图像差分,获得背景抑制的结果。经验证,该算法实时性相对传统方法提高了19%,对于多种复杂的背景情况具有良好的适应性。同时，算法计算复杂度较低,有利于实现实时性工程应用。     

尺度自适应的多模型压缩跟踪算法

为了对复杂环境中的目标进行长时间的精确跟踪,在压缩跟踪算法的基础上提出一种尺度自适应的多模型压缩跟踪算法。该算法首先利用离线学习获得目标的尺度约束集,建立目标的多尺度模型,实现尺度的自适应选择;其次,利用随机投影矩阵对多尺度图像特征进行降维,减少算法计算量;最后,利用多模型分类器在线学习训练朴素贝叶斯分类器实现目标跟踪。实验结果表明,本文算法在跟踪尺度变化的目标和外观变化的目标时,跟踪性能有了较大改善,虽然处理时间有一定程度的增加但仍满足实时性的要求。     

基于递归标记的红外图像变分辨率相关匹配算法

提出了一种新的红外图像分析算法。该算法根据图像预处理分割后的二值图像,对目标图像进行递归标记,避免了基于点的连通体检测中“1”像素点可能被重复扫描的现象,实现了只考虑提取目标特征,不用得到最终的标记图像本身的要求。获取对应红外图像的二进制编号后,根据目标形心特征进行变分辨率相关匹配,实验结果表明对理想及带噪声的输入均有较好识别率。该算法在提高了目标单帧检测概率同时,尽可能地降低了相关匹配的运算量。     

基于递归标记和神经网络的红外目标匹配识别

提出了一种红外图像匹配算法。选取实际红外目标,依据图像预处理后的图像,提取对应目标的递归标记,作为BP网络的输入样本,目标的形心为输出样本构建BP神经网络。对网络进行抗干扰训练后,根据目标形心特征进行变分辨率相关匹配。该算法在提高了目标识别率的同时,极大地增强了图像处理的实时性,具有工程实用价值。     

基于非线性能量约束的实时红外亚图像目标跟踪

分析了玫瑰线扫描亚成像空间分布函数 ,提出了一种基于非线性能量约束的亚图像目标识别跟踪技术。该技术用修正的最大类间方差法分割亚图像 ,聚类并去除强背景干扰区域 ,对可能目标区域能量进行统计 ,选择区域能量最大者进行逐帧实时锁定跟踪 ,并对该技术的实时性进行了分析。DSP平台实验结果表明 ,所研究的技术是可行的 ,能够独立、稳定地识别跟踪目标 ,达到了预期的结果。     

利用方向角信息辅助雷达目标跟踪

传统雷达仅能提供目标的方位和距离量测,由于可利用的信息相对较少,跟踪精度很难进一步提高。利用现代雷达的高分辨探测能力,提出了一种基于距离像识别信息辅助目标跟踪的模型,并结合求根不敏卡尔曼滤波技术得到了一种高性能跟踪算法。该算法根据距离像识别结果得到目标方向角的测量,进而通过增加观测量的维数来提高目标的跟踪能力。不同条件下的仿真结果表明,利用方向角信息辅助的跟踪算法收敛速度快,跟踪精度高,且复杂度与传统算法相当。     

高斯粒子PHD滤波的多个弱小目标TBD算法

针对现有多个弱小目标检测前跟踪(track before detect, TBD)算法存在的跟踪精度低,算法复杂度高等问题,提出一种新的基于概率假设密度(probability hypothesis density, PHD)的TBD算法。所提算法通过高斯粒子滤波对PHD中的各高斯项进行递归运算、进行多帧能量累积,并提取高斯项的均值为目标的状态,达到检测与跟踪多个弱小目标的目的。算法在随机集滤波框架下完成未知数目的多个弱小目标跟踪,不仅充分利用粒子滤波的非线性估计能力,同时避免了传统算法利用模糊聚类进行目标状态提取所带来的跟踪精度低等问题。仿真结果表明,所提算法与传统方法相比,在降低算法复杂度的同时,对多个红外弱小目标具有更加良好的实时检测和跟踪性能。     

无线传感器网络目标跟踪平台协同调度的实现

目标跟踪是无线传感器网络的一个重要应用。为了验证和测试算法性能,缩小理论与实际的差距,必须构建相应的物理平台。介绍了所构建的无线传感器网络目标跟踪平台,其硬件包含超声波传感器、被动红外传感器和Micaz节点组成的无线传感器网络,而软件包括上层监控系统及下层节点嵌入式程序。针对节点资源十分有限的情况,提出了一种基于最小均方估计误差的目标跟踪协同调度算法,并在物理平台上成功实现,实验表明该平台能有效地跟踪无线传感器网络内的移动目标,并在保证跟踪精度和跟踪实时性的同时,采用了双重唤醒/休眠机制来延长网络寿命。     

基于高分辨距离像的目标姿态角估计算法

目标的姿态角是目标运动状态的一个重要参数,在目标监控、目标跟踪、目标识别、导弹制导律设计等多个领域都有着很广泛的应用。不同于传统的利用图像传感器得到光学图像估计目标姿态角的方法,针对有翼导弹等弹体目标跟踪应用中的姿态角估计问题,利用高分辨雷达得到的距离像,给出了姿态角估计的流程,提出了基于距离像匹配及运动状态滤波辅助的估计算法,并针对一个导弹末端机动场景实现了姿态角的连续跟踪,验证了本文提出的姿态角估计算法的可行性。     

基于鲁棒H∞滤波的多站角度测量机动目标被动跟踪

建立了机动目标的多站被动红外搜索与跟踪（infrared search and tracking, IRST）系统的当前统计模型,基于该模型提出了机动目标跟踪的鲁棒H∞融合滤波算法。该算法将H∞滤波算法和集中融合跟踪算法相结合,对多站IRST测得的目标角度信息进行融合,可解决被动式跟踪系统的可观测性及非线性问题,以实现对目标较高精度的定位和跟踪。以三个观测站进行跟踪为例,对一个高机动目标进行了仿真研究,仿真结果表明,该滤波算法比扩展卡尔曼滤波（extended Kalman filter, EKF）算法有更高的跟踪性能,是IRST系统中一种有效的跟踪算法。