基于非参数估计的双模态红外图像差异特征频次分布构造

差异特征频次属性的分布构造对建立双模态红外图像差异特征多属性融合有效度分布合成具有重要意义。针对双模态红外图像差异特征频次属性分布构造的问题,提出了基于K最近邻(KNN)概率密度估计的差异特征频次分布构造方法。利用累积分布函数得到差异特征频次真实序列值,计算所构造的差异特征频次分布中具有统计意义的频次序列值与真实序列值的相似性测度,对结果进行了验证。实验结果表明,将非参数概率密度估计运用于差异特征频次分布构造中具有可行性,且本文方法相较于MISE最优带宽高斯核密度估计更能准确构造差异特征频次分布。     

基于均方根容积卡尔曼的δ-GLMB多目标跟踪算法

在非线性高杂波密度场景下,高斯混合(Gaussian Mixture,GM)实现的δ-广义标签多伯努利滤波器(δ-Generalized Labeled Multi-Bernoulli Filter,δ-GLMB)难以准确地估计目标数目及运动状态。针对这一问题,提出基于均方根容积卡尔曼滤波(Square-rooted Cubature Kalman Filter,SCKF)的δ-GLMB高斯混合实现算法。基于三阶球面-径向容积准则选取一组等权的容积点集,对GM-δ-GLMB滤波器的伯努利分量传递过程中的高斯参量进行预测及更新,实现非线性模型系统下的目标跟踪。仿真结果表明,与现有的δ-GLMB滤波器的扩展卡尔曼滤波(Extended Kalman Filter,EKF)高斯混合实现及无迹卡尔曼滤波(Unscented Kalman Filter,UKF)高斯混合实现相比,该算法可提高非线性高杂波密度环境下的目标跟踪精度。