基于标签多伯努利滤波器的机动小目标检测前跟踪

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.     

采用多伯努利滤波器的过采样点目标检测前跟踪

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。     

马尔可夫链蒙特卡洛重要度采样与多目标跟踪

针对强杂波环境下的多目标跟踪问题,提出一种基于马尔可夫链蒙特卡洛重要度采样的跟踪方法．通过马尔可夫链蒙特卡洛实现对联合关联事件的采样,据此计算目标可关联量测数据的边缘关联概率．在联合关联事件求解中利用单目标量测的概率密度进行重要度采样,提高采样效率．马尔可夫链蒙特卡洛重要度采样方法克服了联合概率数据关联中的“组合爆炸”问题,能够在强杂波干扰下较好地实现多目标实时跟踪．通过仿真实验对比分析了算法的跟踪精度和处理的时效性,验证了方法的有效性．     

缓动弱小目标分层多阶假设检验

针对低信噪比红外图像序列中的缓动弱小目标检测,本文提出了一种改进的分层多阶假设检验方法。根据最小累积帧数划分目标的运动参数空间,利用多阶假设检验方法实现对目标轨迹的初检测;基于初检测的结果,通过迭代寻优实现对目标轨迹运动参数的精确估计。通过对平稳高斯噪声及杂波干扰场景进行的仿真实验分析表明,改进的分层多阶假设检验算法有效的实现了缓动弱小目标的检测,提高了轨迹参数的估计精度,极大地减少了计算量和存储量。      

远距离红外图像目标分析及背景抑制算法

远距离红外图像的目标检测属于弱小目标检测问题,其图像信杂比低,背景结构边缘的抑制残差是单帧图像目标检测时引入的虚假目标的主要因素.分析了远距离红外图像的目标模型,接着根据目标模型选择合适的预测背景模版,并提出了基于该模版去最近邻算法,最后给出该背景抑制算法的仿真结果.该算法与典型的去均值算法、去中值算法相比抑制背景结构边缘更彻底和抑制后图像具有更高信噪比的优点,能为后续的闯值分割和多帧轨迹关联提供良好条件.     

基于MAC的红外小目标自适应检测

针对复杂背景下的红外小目标检测,介绍了一种基于小波包变换和最小平均代价的最佳全局自适应检测算法.通过对目标图像进行小波包降噪和非线性变换对比度增强处理抑制背景杂波、提高信噪比.分析并提取了一种用于目标检测的有效特征矢量,建立并验证了目标和背景不同模式下特征矢量的分布模型.根据该模型基于最小平均代价准则解算出最佳全局自适应分割门限,从而实现红外小目标的自适应检测.仿真实验表明,小波包变换与非线性图像增强处理具有良好的降噪性能,且最佳全局自适应检测法的检测性能优越.     

卫星红外图像中单帧目标检测算法研究

在有复杂云层背景的卫星红外图像中准确地检测出存在的运动目标是目前图像处理的研究热点。DBT类的运动目标检测算法有单帧目标检测和多帧轨迹关联两大步骤。为更好抑制起伏背景和背景结构边缘,文章提出一种新的单帧内背景抑制算法——邻域最小差值滤波,该算法与典型的背景预测算法（中值滤波和高通线性模版滤波）相比具有更好效果;最后针对高斯噪声条件下,利用统计分割方法对抑制背景结果进行阈值分割得到候选目标,从而形成一套针对卫星红外图像的快速有效的单帧目标检测算法。     

一种基于多模型高斯逆Wishart PHD滤波器的空间邻近目标跟踪方法

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.     

锥扫型光学传感器像平面多目标轨迹跟踪

积分概率多假设跟踪(IPMHT)是一种基于期望极大化(EM)的准最优贝叶斯多目标迭代跟踪算法,研究了该算法在锥扫型光学传感器像平面多目标轨迹跟踪中的问题。为提高算法的跟踪性能和计算效率,利用逻辑概率数据关联滤波(PDAF)方法进行目标初始状态估计,并利用目标幅度信息和波门技术对IPMHT进行优化。针对锥扫型传感器非线性观测下的多目标跟踪,将扩展无味卡尔曼滤波(AUKF)与优化的IPMHT算法相结合,实现像平面多目标轨迹的起始、维持和终结。蒙特卡洛仿真实验表明,该算法成功地解决了锥扫型传感器的像平面多目标轨迹跟踪问题,在提高目标跟踪性能的同时改善了计算效率。     

采用马尔可夫自回归模型的红外杂波时空域融合抑制

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。