排序方式: 共有12条查询结果,搜索用时 0 毫秒
1.
基于标签多伯努利滤波器的机动小目标检测前跟踪 总被引:1,自引:0,他引:1
标签多伯努利(LMB)滤波器在传统多伯努利滤波器基础上引入标签空间,能够实现真正意义上的多目标轨迹级滤波.文章对红外小目标的运动和量测进行建模,将标签多伯努利应用到红外小目标检测前跟踪领域.在此基础上,为了实现对运动模型时变目标的检测前跟踪,将交互式多模型(IMM)与LMB检测前跟踪算法相结合,提出IMM-LMB检测前跟踪算法.此外,给出了该算法的序贯蒙特卡罗实现.仿真结果表明,所提算法能够从输入的原始图像中直接实现轨迹级多目标检测和跟踪,且能够在线更新多模型概率,更好的适应多机动目标场景. 相似文献
2.
采用多伯努利滤波器的过采样点目标检测前跟踪 总被引:1,自引:0,他引:1
为了提高过采样体制下点目标的探测能力,提出了基于多伯努利滤波器的过采样点目标检测前跟踪方法。分析了时空过采样体制的成像过程,给出了时空过采样体制下的点目标成像模型,并将过采样观测过程等效建模为多个单采样线阵同时观测的过程。利用提出的模型,将单采样条件下的图像处理方法自然地扩展到过采样条件下。然后,根据等效观测模型,给出了针对过采样点目标的多伯努利预测和更新过程,并用序贯蒙特卡罗的方式实现了该检测前跟踪方法。最后,通过仿真实验验证了本文算法的有效性。实验结果表明:本文提出的方法能够在图像信噪比≥3的条件下,有效检测和跟踪过采样体制下的多个点目标,目标估计误差≤0.25pixel;与单采样检测前跟踪相比,过采样检测前跟踪能够探测目标能量更弱的小目标。因此,本文方法能够满足高精度天基点目标检测跟踪的需求。 相似文献
3.
4.
5.
6.
7.
8.
基于分层动态规划的红外弱小目标检测 总被引:2,自引:0,他引:2
为了检测低信噪比下的红外弱小目标,本文将方向中值滤波与分层动态规划算法相结合进行检测前跟踪。利用背景杂波在局部空间上的相关性,提取目标在四个方向的中值进行自适应加权滤波,抑制结构性杂波分量,改善信噪比。针对分割后的备选目标点,为了减少跟踪检测的计算量,根据真实目标运动轨迹的连续性与光滑性,利用分层动态规划算法进行多帧检测,进而对多层检测结果进行配准并做出决策。仿真实验表明方向中值滤波有效的提高了信噪比,分层动态规划算法进一步降低了虚警概率,同时大大提升了计算速度。 相似文献
9.
背景杂波抑制是红外传感器目标探测的关键技术。针对序列红外图像,基于马尔可夫自回归模型建立统一的时空域表达式,据此进行背景杂波的时空域融合抑制。首先,利用改进的方向中值滤波实现背景杂波的空域初级抑制;其次,利用恒虚警初检测提取出残余的强杂波干扰点作为样本点集;最后,根据最小均方残差准则通过奇异值分解估算统一模型参数,进而对空域滤波结果进行自适应时空域融合抑制,进一步提高图像的信噪比。通过大量仿真实验对比了算法的抑制效能,并对抑制后的残差特性进行了详细分析。仿真结果表明:该算法相比维纳滤波、形态学滤波等方法具有更好的性能。 相似文献
10.
将空间邻近目标(Closely Spaced Objects,CSOs)整体建模为扩展目标(Extended Target,ET),用随机矢量和随机矩阵分别描述CSOs质心运动和扩散状态,并采用高斯逆Wishart(Gaussian inverse Wishart,GIW)概率假设密度(Probability Hypothesis Density,PHD)滤波器实现杂波和漏检条件下CSOs的稳定跟踪.修正了原GIW-PHD滤波器量测模型和形状估计的缺陷,给出新的递推表达式,并在此基础上提出一种多(形变)模型GIW-PHD滤波器,以适应CSOs分裂和融合引起的形状变化.仿真结果表明,所提算法能够有效跟踪CSOs,状态估计比原GIW-PHD更加准确,对CSOs的变化更加敏感. 相似文献