發(fā)布時間：2021-08-11 05:30

　　微弱目標易被周圍環(huán)境中強烈的噪聲干擾,為解決現(xiàn)有目標跟蹤算法由于低信噪比導致跟蹤準確度低的問題,提出一種將引導圖像濾波器和深度去噪自編碼器集成到粒子濾波器框架中的跟蹤算法。通過引導圖像濾波（guided image filter, GIF）算法對目標圖像進行濾波處理,保留有價值的模板信息并使不準確的背景模板模糊,有效增強目標圖像;通過改進的深度學習算法對深度去噪自編碼器訓練和微調,更好地適應目標外觀變化;構造粒子分類器框架根據(jù)粒子重要性權重定位目標。實驗結果表明,該算法在微弱目標跟蹤準確度和抗干擾能力上優(yōu)于多種現(xiàn)有主流跟蹤算法。 

【文章來源】：科學技術與工程. 2020,20(14)北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

濾波前6類模板及三維曲面圖

濾波后6類模板及三維曲面圖

SDAE算法流程

【參考文獻】：
期刊論文
[1]嚴重方位模糊下的合成孔徑雷達微弱運動目標聚焦與參數(shù)估計方法[J]. 萬俊,周宇,張林讓,陳展野.  西安交通大學學報. 2019(06)
[2]雜波干擾下雷達微弱多目標檢測跟蹤方法[J]. 宋強.  中國電子科學研究院學報. 2018(05)
[3]一種基于遺傳算法的改進粒子濾波器[J]. 蔡登禹,劉以安.  計算機仿真. 2018(07)
[4]基于自學習深度卷積神經(jīng)網(wǎng)絡的姿態(tài)變化人臉識別[J]. 鄒國鋒,傅桂霞,高明亮,尹麗菊,王科俊.  小型微型計算機系統(tǒng). 2018(06)
[5]多目標粒子濾波器重采樣算法的研究[J]. 陳輝,劉備,葉平.  自動化與儀器儀表. 2017(01)
[6]基于邊緣檢測加權引導濾波的指靜脈圖像增強算法[J]. 曹偉,王華彬,石軍,余銳,陶亮.  激光與光電子學進展. 2017(02)
[7]粒子濾波理論、方法及其在多目標跟蹤中的應用[J]. 李天成,范紅旗,孫樹棟.  自動化學報. 2015(12)
[8]增量深度學習目標跟蹤[J]. 程帥,孫俊喜,曹永剛,趙立榮.  光學精密工程. 2015(04)



本文編號：3335552