本文選題：多光譜融合 + 經(jīng)驗(yàn)?zāi)B(tài)分解�。� 參考：《哈爾濱工業(yè)大學(xué)》2016年博士論文

【摘要】：隨著目標(biāo)隱身和誘餌干擾等反導(dǎo)技術(shù)的快速發(fā)展,探測(cè)包括誘餌和目標(biāo)在內(nèi)的多個(gè)運(yùn)動(dòng)目標(biāo)變得越來越重要。但是由于目標(biāo)的信噪比很低,使得現(xiàn)有的紅外寬帶探測(cè)技術(shù)無法滿足復(fù)雜背景下目標(biāo)的檢測(cè)與跟蹤。因此本文利用目標(biāo)的多個(gè)光譜信息,針對(duì)低信噪比條件下的多個(gè)弱小運(yùn)動(dòng)目標(biāo)的檢測(cè)和跟蹤進(jìn)行研究,主要工作如下:本文利用二維經(jīng)驗(yàn)?zāi)B(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(shì),對(duì)紅外多光譜圖像進(jìn)行融合處理,在此基礎(chǔ)上提出基于二維經(jīng)驗(yàn)?zāi)B(tài)分解的異常檢測(cè)算法,實(shí)現(xiàn)紅外弱小目標(biāo)的檢測(cè)。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(jìn)而可以提高檢測(cè)概率。通過仿真數(shù)據(jù)和獲得的真實(shí)圖像對(duì)提出的算法進(jìn)行了測(cè)試。實(shí)驗(yàn)結(jié)果表明,相比傳統(tǒng)異常檢測(cè)算法,本文提出的算法對(duì)檢測(cè)弱小目標(biāo)有更好的性能。同時(shí)該算法可為后續(xù)序列圖像中弱小運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤提供先驗(yàn)知識(shí)。針對(duì)紅外多光譜圖像序列中單個(gè)弱小運(yùn)動(dòng)目標(biāo)的檢測(cè)和跟蹤問題,建立了單個(gè)運(yùn)動(dòng)目標(biāo)的動(dòng)力學(xué)模型和多光譜圖像序列的量測(cè)模型。通過分布式估計(jì)融合策略對(duì)各傳感器形成的局部航跡進(jìn)行融合,在此基礎(chǔ)上提出粒子濾波跟蹤新算法。提出了基于序貫式量測(cè)融合策略的粒子濾波檢測(cè)算法,該方法由于利用了各個(gè)波段所有的原始量測(cè)數(shù)據(jù),因此檢測(cè)概率高。提出的兩種算法新生粒子建議密度函數(shù)由當(dāng)前時(shí)刻的檢驗(yàn)統(tǒng)計(jì)量生成,可以有效地減小粒子搜索空間,進(jìn)而提高計(jì)算效率。相比傳統(tǒng)單波段檢測(cè)和跟蹤算法,本文算法通過融合光譜信息能夠進(jìn)一步提高低信噪比條件下弱小運(yùn)動(dòng)目標(biāo)的檢測(cè)和跟蹤能力。研究了紅外多光譜圖像序列中多個(gè)弱小運(yùn)動(dòng)目標(biāo)的檢測(cè)問題。在單目標(biāo)運(yùn)動(dòng)模型和量測(cè)模型的基礎(chǔ)上建立多目標(biāo)運(yùn)動(dòng)模型和量測(cè)模型。應(yīng)用馬爾科夫鏈對(duì)目標(biāo)的存在變量進(jìn)行建模,將多目標(biāo)的聯(lián)合檢測(cè)和跟蹤變?yōu)榛旌蠟V波問題。通過混合濾波獲得目標(biāo)的存在概率和狀態(tài)估計(jì),在貝葉斯濾波框架下提出了多個(gè)弱小運(yùn)動(dòng)目標(biāo)的檢測(cè)前跟蹤方法,由交互式混合粒子濾波算法推導(dǎo)出目標(biāo)出現(xiàn)個(gè)數(shù)后驗(yàn)概率的解析解,并最終實(shí)現(xiàn)多個(gè)弱小運(yùn)動(dòng)目標(biāo)的檢測(cè)。仿真實(shí)驗(yàn)驗(yàn)證了該算法的有效性。對(duì)紅外多光譜圖像序列中多個(gè)弱小運(yùn)動(dòng)目標(biāo)的跟蹤問題展開研究。由于概率假設(shè)密度濾波器(PHD)可將多目標(biāo)跟蹤問題在單目標(biāo)狀態(tài)空間中計(jì)算,而且不需要數(shù)據(jù)關(guān)聯(lián),因此其計(jì)算復(fù)雜度大大降低。首先研究了隨機(jī)有限集理論和PHD濾波器,其次推導(dǎo)了概率假設(shè)密度濾波器的序貫蒙特卡洛實(shí)現(xiàn)方法,在此基礎(chǔ)上建立了概率假設(shè)密度濾波器檢測(cè)前跟蹤算法。然后應(yīng)用集中式融合策略提出了自適應(yīng)多光譜概率假設(shè)密度濾波器檢測(cè)前跟蹤算法,該算法中的檢測(cè)概率可通過圖像數(shù)據(jù)自適應(yīng)的計(jì)算。仿真實(shí)驗(yàn)結(jié)果表明本文所提算法對(duì)紅外多光譜圖像序列中的多個(gè)弱小運(yùn)動(dòng)目標(biāo)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(xué)位授予單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 單甘霖;梅衛(wèi);王春平;;聯(lián)合目標(biāo)跟蹤與分類技術(shù)的進(jìn)展及存在問題[J];兵工學(xué)報(bào);2007年06期

2 蘇艷蘋;王戰(zhàn)偉;;極坐標(biāo)系下的目標(biāo)運(yùn)動(dòng)模型研究[J];河南科學(xué);2012年02期

3 曾鵬鑫;陳鵬;朱琳琳;徐心和;;基于目標(biāo)運(yùn)動(dòng)模型的跟蹤方法[J];系統(tǒng)仿真學(xué)報(bào);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(biāo)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(hào)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(jī)動(dòng)弱目標(biāo)檢測(cè)前跟蹤[J];電子與信息學(xué)報(bào);2008年04期

7 黃冬民;潘泉;張洪才;;運(yùn)動(dòng)目標(biāo)聯(lián)合跟蹤與分類研究綜述[J];計(jì)算機(jī)應(yīng)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(jī)動(dòng)目標(biāo)跟蹤[J];電子學(xué)報(bào);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(cè)前跟蹤算法[J];雷達(dá)科學(xué)與技術(shù);2011年06期

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

相關(guān)會(huì)議論文 前2條

1 楚威;閻星娥;蘇春梅;;仿真系統(tǒng)中飛機(jī)目標(biāo)典型運(yùn)動(dòng)模型的研究與實(shí)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(dòng)測(cè)向聲納目標(biāo)最近時(shí)刻估計(jì)[A];第六屆全國信號(hào)和智能信息處理與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2012年

相關(guān)博士學(xué)位論文 前10條

1 馮肖雪;復(fù)雜環(huán)境下多傳感器目標(biāo)跟蹤關(guān)鍵技術(shù)研究[D];西北工業(yè)大學(xué);2015年

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

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

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

5 張國亮;紅外多光譜多個(gè)弱小運(yùn)動(dòng)目標(biāo)的檢測(cè)與跟蹤技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2016年

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

7 鐘金琴;基于視覺的目標(biāo)跟蹤關(guān)鍵技術(shù)研究[D];合肥工業(yè)大學(xué);2014年

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

9 羅飛騰;目標(biāo)跟蹤的粒子濾波技術(shù)研究[D];中國科學(xué)技術(shù)大學(xué);2010年

10 王勇;基于統(tǒng)計(jì)方法的運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤技術(shù)研究[D];華中科技大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 段羽浩;基于SE-WORKBENCH的飛機(jī)目標(biāo)雷達(dá)信號(hào)仿真[D];華中科技大學(xué);2014年

2 陳大龍;基于DSP的目標(biāo)檢測(cè)與跟蹤系統(tǒng)的研究與設(shè)計(jì)[D];燕山大學(xué);2016年

3 張儒元;基于PTZ鏡頭的主動(dòng)目標(biāo)跟蹤[D];西安電子科技大學(xué);2009年

4 范晶晶;分布式多視角目標(biāo)跟蹤的統(tǒng)計(jì)推理方法及實(shí)現(xiàn)[D];復(fù)旦大學(xué);2011年

5 胡鵬;Kalman濾波在視頻目標(biāo)跟蹤中的應(yīng)用研究[D];重慶大學(xué);2010年

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

7 徐鐵城;基于分類多模型法的目標(biāo)跟蹤研究[D];武漢理工大學(xué);2011年

8 伍俊橙;多目標(biāo)粒子濾波算法研究[D];電子科技大學(xué);2014年

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

10 那仁圖雅;岸對(duì)海逆合成孔徑雷達(dá)目標(biāo)檢測(cè)技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2013年

本文編號(hào)：1887183