本文選題：多光譜融合 + 經(jīng)驗模態(tài)分解　； 參考：《哈爾濱工業(yè)大學》2016年博士論文

【摘要】：隨著目標隱身和誘餌干擾等反導技術的快速發(fā)展,探測包括誘餌和目標在內(nèi)的多個運動目標變得越來越重要。但是由于目標的信噪比很低,使得現(xiàn)有的紅外寬帶探測技術無法滿足復雜背景下目標的檢測與跟蹤。因此本文利用目標的多個光譜信息,針對低信噪比條件下的多個弱小運動目標的檢測和跟蹤進行研究,主要工作如下:本文利用二維經(jīng)驗模態(tài)分解(BEMD)方法在處理非線性非平穩(wěn)數(shù)據(jù)方面的優(yōu)勢,對紅外多光譜圖像進行融合處理,在此基礎上提出基于二維經(jīng)驗模態(tài)分解的異常檢測算法,實現(xiàn)紅外弱小目標的檢測。該算法由于利用了紅外多光譜圖像的多尺度信息,可抑制背景雜波和消減高頻噪聲,進而可以提高檢測概率。通過仿真數(shù)據(jù)和獲得的真實圖像對提出的算法進行了測試。實驗結果表明,相比傳統(tǒng)異常檢測算法,本文提出的算法對檢測弱小目標有更好的性能。同時該算法可為后續(xù)序列圖像中弱小運動目標的檢測與跟蹤提供先驗知識。針對紅外多光譜圖像序列中單個弱小運動目標的檢測和跟蹤問題,建立了單個運動目標的動力學模型和多光譜圖像序列的量測模型。通過分布式估計融合策略對各傳感器形成的局部航跡進行融合,在此基礎上提出粒子濾波跟蹤新算法。提出了基于序貫式量測融合策略的粒子濾波檢測算法,該方法由于利用了各個波段所有的原始量測數(shù)據(jù),因此檢測概率高。提出的兩種算法新生粒子建議密度函數(shù)由當前時刻的檢驗統(tǒng)計量生成,可以有效地減小粒子搜索空間,進而提高計算效率。相比傳統(tǒng)單波段檢測和跟蹤算法,本文算法通過融合光譜信息能夠進一步提高低信噪比條件下弱小運動目標的檢測和跟蹤能力。研究了紅外多光譜圖像序列中多個弱小運動目標的檢測問題。在單目標運動模型和量測模型的基礎上建立多目標運動模型和量測模型。應用馬爾科夫鏈對目標的存在變量進行建模,將多目標的聯(lián)合檢測和跟蹤變?yōu)榛旌蠟V波問題。通過混合濾波獲得目標的存在概率和狀態(tài)估計,在貝葉斯濾波框架下提出了多個弱小運動目標的檢測前跟蹤方法,由交互式混合粒子濾波算法推導出目標出現(xiàn)個數(shù)后驗概率的解析解,并最終實現(xiàn)多個弱小運動目標的檢測。仿真實驗驗證了該算法的有效性。對紅外多光譜圖像序列中多個弱小運動目標的跟蹤問題展開研究。由于概率假設密度濾波器(PHD)可將多目標跟蹤問題在單目標狀態(tài)空間中計算,而且不需要數(shù)據(jù)關聯(lián),因此其計算復雜度大大降低。首先研究了隨機有限集理論和PHD濾波器,其次推導了概率假設密度濾波器的序貫蒙特卡洛實現(xiàn)方法,在此基礎上建立了概率假設密度濾波器檢測前跟蹤算法。然后應用集中式融合策略提出了自適應多光譜概率假設密度濾波器檢測前跟蹤算法,該算法中的檢測概率可通過圖像數(shù)據(jù)自適應的計算。仿真實驗結果表明本文所提算法對紅外多光譜圖像序列中的多個弱小運動目標的跟蹤具有良好性能。
[Abstract]:This paper studies the detection and tracking of a plurality of small moving targets , which is based on two - dimensional empirical mode decomposition ( BEMD ) .

【學位授予單位】：哈爾濱工業(yè)大學
【學位級別】：博士
【學位授予年份】：2016
【分類號】：TP391.41

【相似文獻】

相關期刊論文 前10條

1 單甘霖;梅衛(wèi);王春平;;聯(lián)合目標跟蹤與分類技術的進展及存在問題[J];兵工學報;2007年06期

2 蘇艷蘋;王戰(zhàn)偉;;極坐標系下的目標運動模型研究[J];河南科學;2012年02期

3 曾鵬鑫;陳鵬;朱琳琳;徐心和;;基于目標運動模型的跟蹤方法[J];系統(tǒng)仿真學報;2006年12期

4 呂鐵軍;蔣宏;梁國威;丁全心;;基于多模型的聯(lián)合目標跟蹤與分類算法[J];電光與控制;2013年08期

5 王來雄,黃士坦;一種新的基于粒子濾波的多模型跟蹤算法[J];信號處理;2005年05期

6 龔亞信;楊宏文;胡衛(wèi)東;郁文賢;;基于多模粒子濾波的機動弱目標檢測前跟蹤[J];電子與信息學報;2008年04期

7 黃冬民;潘泉;張洪才;;運動目標聯(lián)合跟蹤與分類研究綜述[J];計算機應用研究;2011年06期

8 鄭容，文成林，，施晨鳴，張洪才;多分辨多模型機動目標跟蹤[J];電子學報;1998年12期

9 王峰;孔令講;楊曉波;;基于道路約束的粒子濾波檢測前跟蹤算法[J];雷達科學與技術;2011年06期

10 斯通·科溫·霍夫曼 ,蘇長云;用于艦艇的多目標多傳感器數(shù)據(jù)融合技術(續(xù))[J];情報指揮控制系統(tǒng)與仿真技術;1999年09期

相關會議論文 前2條

1 楚威;閻星娥;蘇春梅;;仿真系統(tǒng)中飛機目標典型運動模型的研究與實現(xiàn)[A];Proceedings of 14th Chinese Conference on System Simulation Technology & Application(CCSSTA’2012)[C];2012年

2 張曉勇;羅來源;;被動測向聲納目標最近時刻估計[A];第六屆全國信號和智能信息處理與應用學術會議論文集[C];2012年

相關博士學位論文 前10條

1 馮肖雪;復雜環(huán)境下多傳感器目標跟蹤關鍵技術研究[D];西北工業(yè)大學;2015年

2 江同洋;基于隨機有限集的多目標貝葉斯濾波方法研究[D];浙江大學;2015年

3 史春妹;隨機濾波方程數(shù)值解法及顯微目標跟蹤研究[D];哈爾濱工業(yè)大學;2015年

4 趙海楠;視覺目標跟蹤中表觀建模方法研究[D];哈爾濱工業(yè)大學;2016年

5 張國亮;紅外多光譜多個弱小運動目標的檢測與跟蹤技術研究[D];哈爾濱工業(yè)大學;2016年

6 顧菘;視頻目標的跟蹤與分割的理論和方法研究[D];電子科技大學;2016年

7 鐘金琴;基于視覺的目標跟蹤關鍵技術研究[D];合肥工業(yè)大學;2014年

8 趙玲玲;目標跟蹤中的粒子濾波與概率假設密度濾波研究[D];哈爾濱工業(yè)大學;2011年

9 羅飛騰;目標跟蹤的粒子濾波技術研究[D];中國科學技術大學;2010年

10 王勇;基于統(tǒng)計方法的運動目標檢測與跟蹤技術研究[D];華中科技大學;2009年

相關碩士學位論文 前10條

1 段羽浩;基于SE-WORKBENCH的飛機目標雷達信號仿真[D];華中科技大學;2014年

2 陳大龍;基于DSP的目標檢測與跟蹤系統(tǒng)的研究與設計[D];燕山大學;2016年

3 張儒元;基于PTZ鏡頭的主動目標跟蹤[D];西安電子科技大學;2009年

4 范晶晶;分布式多視角目標跟蹤的統(tǒng)計推理方法及實現(xiàn)[D];復旦大學;2011年

5 胡鵬;Kalman濾波在視頻目標跟蹤中的應用研究[D];重慶大學;2010年

6 張虎;MeanShift粒子濾波算法在視頻目標跟蹤中的應用研究[D];廣西科技大學;2013年

7 徐鐵城;基于分類多模型法的目標跟蹤研究[D];武漢理工大學;2011年

8 伍俊橙;多目標粒子濾波算法研究[D];電子科技大學;2014年

9 田園;目標跟蹤中抗遮擋跟蹤算法研究[D];哈爾濱工業(yè)大學;2010年

10 那仁圖雅;岸對海逆合成孔徑雷達目標檢測技術研究[D];哈爾濱工業(yè)大學;2013年

本文編號：1887183