紅外目標(biāo)跟蹤方法是早期預(yù)警、精確制導(dǎo)、安全監(jiān)控等領(lǐng)域的一項(xiàng)關(guān)鍵技術(shù)。然而紅外圖像信噪比低、目標(biāo)可見性差,并且隨著紅外成像系統(tǒng)搭載平臺(tái)與目標(biāo)之間的相對運(yùn)動(dòng),視場內(nèi)目標(biāo)狀態(tài)和外觀不斷發(fā)生變化。在目前主流的粒子濾波框架下,紅外目標(biāo)跟蹤方法仍然面臨目標(biāo)狀態(tài)非平穩(wěn)隨機(jī)變化難以預(yù)測、目標(biāo)外觀模型在不同場景下自適應(yīng)能力不足、搜索效率和定位精度不高等問題。本文利用紅外圖像序列研究單目標(biāo)跟蹤方法,借鑒圖像處理、模式識(shí)別、機(jī)器學(xué)習(xí)等前沿學(xué)科的最新研究成果,致力于提高紅外目標(biāo)跟蹤方法對干擾因素的魯棒性以及在不同場景下的自適應(yīng)能力。主要完成工作如下:針對目標(biāo)狀態(tài)發(fā)生突變時(shí)基于先驗(yàn)知識(shí)生成的候選粒子集合覆蓋效率下降,導(dǎo)致目標(biāo)狀態(tài)非平穩(wěn)隨機(jī)變化難以預(yù)測的問題,提出了一種基于高斯采樣和顯著度重要性采樣相結(jié)合的紅外目標(biāo)運(yùn)動(dòng)建模方法。首先以上一時(shí)刻目標(biāo)狀態(tài)為均值進(jìn)行高斯采樣,生成的粒子集合能夠?qū)Ξ?dāng)前時(shí)刻目標(biāo)狀態(tài)進(jìn)行基本覆蓋。在此基礎(chǔ)上引入顯著性模型,從而在目標(biāo)外觀統(tǒng)計(jì)信息未知的條件下獲得圖像顯著區(qū)域,然后通過顯著度重要性采樣生成的粒子集合著重覆蓋上一時(shí)刻目標(biāo)附近的顯著區(qū)域。實(shí)驗(yàn)結(jié)果表明,在目標(biāo)區(qū)域相對于附近背景具有顯著... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：123 頁

【學(xué)位級別】：博士

【部分圖文】：

跟蹤結(jié)果與真實(shí)目標(biāo)區(qū)域比較Fig.1-3ComparisonbetweentrackingresultandGTtargetarea

基于譜殘差模型的紅外圖像顯著圖生成生成顯著圖的目的是為了獲得圖像顯著區(qū)域，并希望顯著區(qū)域能盡可能準(zhǔn)確反映當(dāng)前時(shí)刻的目標(biāo)區(qū)域。然而不同目標(biāo)的尺寸各不相同，如圖2-4所示，即使是同一個(gè)目標(biāo)，其尺寸也會(huì)隨時(shí)間發(fā)生變化，如圖2-5所示。實(shí)際上低分辨率圖像忽略了細(xì)節(jié)特征而僅保留了大尺度特征，高分辨率圖像更注重細(xì)節(jié)而缺乏對顯著區(qū)域的整體描述。由此可見，單一顯著圖僅能反映某個(gè)固定尺度下的顯著區(qū)域，因此無法處理目標(biāo)尺寸多樣性的問題。圖2-4不同尺寸的目標(biāo)Fig.2-4 Targets with different sizes圖2-5目標(biāo)尺寸變化Fig.2-5 Changing size of the target本章根據(jù)圖像金字塔的思想[119, 120]，通過構(gòu)造多尺度顯著圖解決上述問題。假設(shè)原始圖像為I1(m,n)(1 ≤ m ≤ M,1 ≤ n ≤ N)，g為尺寸為(2wg+ 1, 2hg+ 1)的高斯低通濾波器

2-4所示，即使是同一個(gè)目標(biāo)，其尺寸也會(huì)隨時(shí)間發(fā)生變化，如圖2-5所示。實(shí)際上低分辨率圖像忽略了細(xì)節(jié)特征而僅保留了大尺度特征，高分辨率圖像更注重細(xì)節(jié)而缺乏對顯著區(qū)域的整體描述。由此可見，單一顯著圖僅能反映某個(gè)固定尺度下的顯著區(qū)域，因此無法處理目標(biāo)尺寸多樣性的問題。圖2-4不同尺寸的目標(biāo)Fig.2-4 Targets with different sizes圖2-5目標(biāo)尺寸變化Fig.2-5 Changing size of the target本章根據(jù)圖像金字塔的思想[119, 120]，通過構(gòu)造多尺度顯著圖解決上述問題。假設(shè)原始圖像為I1(m,n)(1 ≤ m ≤ M,1 ≤ n ≤ N)，g為尺寸為(2wg+ 1, 2hg+ 1)的高斯低通濾波器，首先生成L層灰度金字塔圖像Il(l = 1, · · · , L)Il+1(i,j) =wg∑ m= wghg∑ n= hgg(m,n)Il(2i + m, 2 j + n) (2-13)然后對不同尺度的灰度圖像Il(l = 1, · · · , L)計(jì)算顯著圖Sl(l = 1, · · · , L)，從而獲得原始灰度圖像在不同尺度下的顯著區(qū)域。為了解決跟蹤過程中存在的目標(biāo)尺寸多樣性的問題

【參考文獻(xiàn)】：
期刊論文
[1]基于協(xié)方差描述子稀疏表示的前視紅外建筑物目標(biāo)跟蹤鎖定[J]. 楊春偉,王仕成,廖守億,劉華平.  紅外技術(shù). 2016(05)
[2]粒子濾波理論、方法及其在多目標(biāo)跟蹤中的應(yīng)用[J]. 李天成,范紅旗,孫樹棟.  自動(dòng)化學(xué)報(bào). 2015(12)
[3]基于外觀模型學(xué)習(xí)的視頻目標(biāo)跟蹤方法綜述[J]. 張煥龍,胡士強(qiáng),楊國勝.  計(jì)算機(jī)研究與發(fā)展. 2015(01)
[4]粒子濾波算法[J]. 王法勝,魯明羽,趙清杰,袁澤劍.  計(jì)算機(jī)學(xué)報(bào). 2014(08)
[5]基于高斯金字塔的圖像運(yùn)動(dòng)估計(jì)算法[J]. 王斌,何中市,伍星,賈媛媛.  計(jì)算機(jī)工程與應(yīng)用. 2015(07)
[6]地面紅外目標(biāo)圖像識(shí)別方法研究[J]. 李凱永,何友金,張鵬,徐長愛.  電光與控制. 2009(03)

博士論文
[1]人類視覺認(rèn)知模式的統(tǒng)計(jì)分析與建模[D]. 孫曉帥.哈爾濱工業(yè)大學(xué) 2014
[2]基于稀疏表示的在線目標(biāo)跟蹤研究[D]. 薛明.上海交通大學(xué) 2014
[3]紅外成像目標(biāo)檢測與識(shí)別方法研究[D]. 劉靳.西安電子科技大學(xué) 2010
[4]復(fù)雜背景下紅外小目標(biāo)探測與跟蹤若干關(guān)鍵技術(shù)研究[D]. 錢惟賢.南京理工大學(xué) 2010
[5]復(fù)雜背景下紅外目標(biāo)檢測與跟蹤算法研究[D]. 王鑫.南京理工大學(xué) 2010
[6]紅外小目標(biāo)檢測與跟蹤算法研究[D]. 魏長安.哈爾濱工業(yè)大學(xué) 2009
[7]復(fù)雜背景中紅外弱小目標(biāo)探測方法研究[D]. 胡永生.南京理工大學(xué) 2008



本文編號(hào)：3593380