隨著我國對精確打擊武器的迫切需求，開展基于運(yùn)動目標(biāo)的紅外圖像末制導(dǎo)跟蹤算法研究具有非常重要的國防意義。末制導(dǎo)跟蹤階段，目標(biāo)與攝像機(jī)距離逐漸接近，導(dǎo)致目標(biāo)在圖像中的投影面積、目標(biāo)的外觀形態(tài)、背景等發(fā)生劇烈變化。一般常用的目標(biāo)跟蹤算法很難滿足要求，因此，末制導(dǎo)跟蹤仍然是一項(xiàng)富有挑戰(zhàn)性的研究課題。 本論文將末制導(dǎo)跟蹤細(xì)分為三個(gè)階段，即弱小目標(biāo)捕獲、面目標(biāo)跟蹤以及精確打擊部位識別，采用復(fù)合式的跟蹤方式，具體包括以下三個(gè)方面： (1)弱小目標(biāo)捕獲階段，目標(biāo)與攝像機(jī)距離較遠(yuǎn)，目標(biāo)的在圖像中的投影面積很小，表現(xiàn)為一個(gè)模糊的斑點(diǎn)，不具有形狀和紋理特征。針對這類目標(biāo)，提出基于感興趣區(qū)域的分層背景補(bǔ)償目標(biāo)捕獲算法。首先，提取圖像的感興趣區(qū)域，分層對每個(gè)感興趣區(qū)域計(jì)算其光流參數(shù)；然后，建立背景透視運(yùn)動模型，補(bǔ)償背景的相對運(yùn)動；最后，經(jīng)自適應(yīng)差分法檢測運(yùn)動目標(biāo)，結(jié)合軌跡關(guān)聯(lián)算法，利用目標(biāo)運(yùn)動的時(shí)序特征，對目標(biāo)進(jìn)行進(jìn)一步確認(rèn)，降低虛警概率。 (2)面目標(biāo)跟蹤階段，目標(biāo)與攝像機(jī)距離逐漸接近，這時(shí)的目標(biāo)漸漸呈現(xiàn)出細(xì)節(jié)和紋理特征。目標(biāo)與攝像機(jī)存在劇烈的相對運(yùn)動，導(dǎo)致目標(biāo)在圖像序列中的外觀形態(tài)發(fā)生變化，采用固定的模板跟...

【文章頁數(shù)】：126 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
Abstract
目錄
第1章 緒論
    1.1 課題的研究背景及意義
    1.2 紅外成像導(dǎo)引頭的組成原理
        1.2.1 紅外成像系統(tǒng)的基本原理
        1.2.2 紅外成像導(dǎo)引頭系統(tǒng)的組成
    1.3 紅外成像末制導(dǎo)需要解決的關(guān)鍵問題
    1.4 紅外圖像末制導(dǎo)中典型運(yùn)動目標(biāo)自動跟蹤解決方案
    1.5 紅外圖像運(yùn)動目標(biāo)自動跟蹤技術(shù)研究現(xiàn)狀
        1.5.1 弱小目標(biāo)捕獲研究現(xiàn)狀
        1.5.2 目標(biāo)識別研究現(xiàn)狀
        1.5.3 面目標(biāo)跟蹤研究現(xiàn)狀
    1.6 論文的主要工作和結(jié)構(gòu)安排
第2章 稀疏子空間特征提取的基礎(chǔ)理論
    2.1 引言
    2.2 齊次坐標(biāo)的引入
    2.3 透視變換
    2.4 稀疏子空間特征提取
        2.4.1 目標(biāo)圖像的稀疏表述
        2.4.2 子空間特征提取
    2.5 本章小結(jié)
第3章 基于紅外圖像的弱小運(yùn)動目標(biāo)捕獲
    3.1 引言
    3.2 基于感興趣區(qū)域的分層背景補(bǔ)償算法
        3.2.1 傳統(tǒng)光流法
        3.2.2 傳統(tǒng)光流法存在的問題
        3.2.3 感興趣區(qū)域的提取
        3.2.4 局部光流的計(jì)算
        3.2.5 分層背景反向補(bǔ)償
        3.2.6 自適應(yīng)差分法
        3.2.7 實(shí)驗(yàn)結(jié)果與分析
    3.3 基于軌跡關(guān)聯(lián)的侯選目標(biāo)判定
        3.3.1 軌跡關(guān)聯(lián)算法
        3.3.2 仿真實(shí)驗(yàn)結(jié)果
    3.4 本章小結(jié)
第4章 基于粒子濾波的子空間跟蹤算法
    4.1 引言
    4.2 粒子濾波原理
        4.2.1 貝葉斯濾波思想
        4.2.2 貝葉斯重要性采樣
        4.2.3 序貫重要性采樣
        4.2.4 粒子退化問題
        4.2.5 重要性密度函數(shù)的選擇
        4.2.6 重采樣
    4.3 基于粒子濾波的子空間跟蹤
        4.3.1 目標(biāo)表觀建模
        4.3.2 目標(biāo)動態(tài)模型
        4.3.3 目標(biāo)觀測模型
        4.3.4 目標(biāo)子空間的建立
        4.3.5 最大似然估計(jì)
        4.3.6 算法總結(jié)
    4.4 實(shí)驗(yàn)結(jié)果與分析
    4.5 本章小結(jié)
第5章 基于局部魯棒特征的目標(biāo)識別
    5.1 引言
    5.2 SURF算法原理
        5.2.1 積分圖像
        5.2.2 特征點(diǎn)檢測
        5.2.3 特征點(diǎn)描述
    5.3 SURF算法存在的問題
    5.4 SURF算法改進(jìn)措施
        5.4.1 特征點(diǎn)濾波算法
        5.4.2 前后向匹配校驗(yàn)
    5.5 實(shí)驗(yàn)結(jié)果與分析
    5.6 本章小結(jié)
第6章 紅外圖像末制導(dǎo)運(yùn)動目標(biāo)自動識別系統(tǒng)硬件設(shè)計(jì)
    6.1 引言
    6.2 系統(tǒng)硬件構(gòu)成
    6.3 系統(tǒng)軟件架構(gòu)
    6.4 系統(tǒng)仿真實(shí)驗(yàn)平臺
    6.5 本章小結(jié)
第7章 總結(jié)與展望
    7.1 論文的完成的主要工作
    7.2 未來的工作展望
參考文獻(xiàn)
在學(xué)期間學(xué)術(shù)成果情況
指導(dǎo)教師及作者簡介
致謝



本文編號：3849744