微弱目標(biāo)易被周圍環(huán)境中強(qiáng)烈的噪聲干擾,為解決現(xiàn)有目標(biāo)跟蹤算法由于低信噪比導(dǎo)致跟蹤準(zhǔn)確度低的問(wèn)題,提出一種將引導(dǎo)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(guò)引導(dǎo)圖像濾波（guided image filter, GIF）算法對(duì)目標(biāo)圖像進(jìn)行濾波處理,保留有價(jià)值的模板信息并使不準(zhǔn)確的背景模板模糊,有效增強(qiáng)目標(biāo)圖像;通過(guò)改進(jìn)的深度學(xué)習(xí)算法對(duì)深度去噪自編碼器訓(xùn)練和微調(diào),更好地適應(yīng)目標(biāo)外觀變化;構(gòu)造粒子分類器框架根據(jù)粒子重要性權(quán)重定位目標(biāo)。實(shí)驗(yàn)結(jié)果表明,該算法在微弱目標(biāo)跟蹤準(zhǔn)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(lái)源】：科學(xué)技術(shù)與工程. 2020,20(14)北大核心

【文章頁(yè)數(shù)】：6 頁(yè)

【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(xiàn)】：
期刊論文
[1]嚴(yán)重方位模糊下的合成孔徑雷達(dá)微弱運(yùn)動(dòng)目標(biāo)聚焦與參數(shù)估計(jì)方法[J]. 萬(wàn)俊,周宇,張林讓,陳展野.  西安交通大學(xué)學(xué)報(bào). 2019(06)
[2]雜波干擾下雷達(dá)微弱多目標(biāo)檢測(cè)跟蹤方法[J]. 宋強(qiáng).  中國(guó)電子科學(xué)研究院學(xué)報(bào). 2018(05)
[3]一種基于遺傳算法的改進(jìn)粒子濾波器[J]. 蔡登禹,劉以安.  計(jì)算機(jī)仿真. 2018(07)
[4]基于自學(xué)習(xí)深度卷積神經(jīng)網(wǎng)絡(luò)的姿態(tài)變化人臉識(shí)別[J]. 鄒國(guó)鋒,傅桂霞,高明亮,尹麗菊,王科俊.  小型微型計(jì)算機(jī)系統(tǒng). 2018(06)
[5]多目標(biāo)粒子濾波器重采樣算法的研究[J]. 陳輝,劉備,葉平.  自動(dòng)化與儀器儀表. 2017(01)
[6]基于邊緣檢測(cè)加權(quán)引導(dǎo)濾波的指靜脈圖像增強(qiáng)算法[J]. 曹偉,王華彬,石軍,余銳,陶亮.  激光與光電子學(xué)進(jìn)展. 2017(02)
[7]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)
[8]增量深度學(xué)習(xí)目標(biāo)跟蹤[J]. 程帥,孫俊喜,曹永剛,趙立榮.  光學(xué)精密工程. 2015(04)



本文編號(hào)：3335552