学位论文 > 优秀研究生学位论文题录展示
基于图像稀疏表示的红外小目标检测与跟踪算法研究
作 者: 唐峥远
导 师: 姚莉秀
学 校: 上海交通大学
专 业: 模式识别与智能系统
关键词: 红外小目标 目标检测 目标跟踪 稀疏表示 字典学习
分类号: TP391.41
类 型: 硕士论文
年 份: 2012年
下 载: 424次
引 用: 0次
阅 读: 论文下载
内容摘要
随着科学技术的发展,红外设备和红外技术得到了越来越广泛的应用,红外图像的处理与识别随之也扮演越来越重要的角色。在红外图像中目标距离较远且噪声干扰较大,对红外小目标的检测和跟踪技术提出了巨大的挑战。近年来,伴随着压缩传感的兴起,稀疏表示理论作为压缩传感的基础也受到了广泛的关注。它不再受限于传统的傅里叶变换、小波变换等对于基函数的构造,而是采用冗余的超完备字典来实现对信号的表示。在超完备字典中,基原子的个数总是大于它自身的维数,因此寻找采用最少的基原子来对信号进行最优表示的方法,即稀疏表示应运而生。虽然稀疏表示的理论仍然在进一步的探索和完善中,但是其在信号处理领域的应用已经收获了许多优秀的成果,展现出了未来发展的巨大潜能。本文正是基于上述背景,采用基于图像稀疏表示的技术对红外小目标检测和跟踪进行了深入的研究。在前人对于红外小目标研究的基础上,本文进一步提出了新的检测和跟踪算法:1.采用图像稀疏表示理论来获得待测子图像块在超完备字典下的稀疏表示系数,其中超完备字典由修正高斯灰度模型建立。由于目标子图像块和背景子图像块在稀疏域中表现出显著的差异性,因此通过评估整幅图像的稀疏集中程度可以获得图像中目标分布的描述。最终通过简单的阈值操作就可以分离出所需的目标集,提高了红外小目标检测性能。2.更进一步地,对于稀疏表示理论中字典构造进行了研究,利用字典学习的方法成功获得了最优表示的红外小目标字典。基于该最优字典可以获得目标子图像在稀疏域中的最优表示,从而能够十分精确地重建图像。因此,对于重建后的残差图像进行分析就可以高效地抑制背景中的杂波和噪声,提高图像的信噪比。3.基于上述稀疏表示在红外目标检测中表现出的对噪声抗干扰能力较强和对遮挡的不敏感性,在粒子滤波的框架下提出了对红外目标进行跟踪的方法。该方法通过构建目标子空间和表示噪声与遮挡的平凡子空间,利用稀疏表示作为目标观测模型,提高了对目标描述的鲁棒性;同时,采用在线学习的方法对目标子空间进行更新,使其进一步适应背景中光照等因素引起的变化,提升了跟踪算法的有效性和稳健性。
|
全文目录
摘要 5-7 ABSTRACT 7-15 第一章 绪论 15-27 1.1 研究背景和研究意义 15-18 1.2 国内外研究现状 18-24 1.2.1 红外小目标检测 18-22 1.2.2 红外目标跟踪 22-24 1.3 本文的结构及主要创新点 24-27 第二章 红外小目标检测与跟踪算法概述 27-47 2.1 经典的红外小目标检测算法 27-41 2.1.1 空域和频域滤波算法 27-32 2.1.2 形态学滤波算法 32-34 2.1.3 基于背景预测的算法 34-37 2.1.4 基于小波变换的算法 37-39 2.1.5 基于机器学习的算法 39-41 2.2 经典的红外目标跟踪算法 41-46 2.2.1 基于均值移位的跟踪算法 41-44 2.2.2 基于粒子滤波的跟踪算法 44-46 2.3 本章小结 46-47 第三章 基于图像稀疏表示的红外小目标检测 47-74 3.1 图像的稀疏表示理论 47-53 3.1.1 最优化问题及i_2 范数最优解 47-48 3.1.2 I_p 范数最优解 48-52 3.1.3 (P_0 ) 问题 52-53 3.2 稀疏表示模型的求解方法 53-58 3.2.1 基于贪婪算法的求解方法 54-56 3.2.2 基于凸松弛的求解方法 56-58 3.3 基于图像稀疏表示的红外小目标检测算法 58-73 3.3.1 基于改进高斯模型的目标模型 58-61 3.3.2 图像稀疏表示模型 61-62 3.3.3 超完备字典的建立 62-65 3.3.4 红外小目标的判定 65-67 3.3.5 实验结果及其分析 67-73 3.4 本章小结 73-74 第四章 基于字典学习的红外小目标检测算法 74-92 4.1 字典构造方法 74-78 4.1.1 基于解析数学的字典 74-77 4.1.2 字典学习 77-78 4.2 最优字典的构造 78-81 4.2.1 K-means 算法 78-79 4.2.2 基于K-means 的K-SVD 算法 79-81 4.3 基于字典学习的红外小目标检测算法 81-91 4.3.1 最优超完备红外小目标字典 82-84 4.3.2 基于背景重构的杂波抑制 84-86 4.3.3 实验结果及其分析 86-91 4.4 本章小结 91-92 第五章 基于图像稀疏表示的红外目标跟踪算法 92-108 5.1 粒子滤波框架 92-97 5.1.1 非线性贝叶斯跟踪模型 92-93 5.1.2 序贯重要性采样算法 93-95 5.1.3 退化问题及重采样方法 95-97 5.2 基于图像稀疏表示的红外目标跟踪算法 97-107 5.2.1 基于稀疏表示的目标观测模型 97-99 5.2.2 基于在线学习的目标子空间更新 99-101 5.2.3 基于图像稀疏表示的红外目标跟踪算法 101-102 5.2.4 实验结果及其分析 102-107 5.3 本章小结 107-108 第六章 总结与展望 108-111 6.1 主要工作与创新点 108-109 6.2 后续研究工作 109-111 参考文献 111-118 致谢 118-119 攻读硕士学位期间已发表或录用的论文 119-120 附件 120
|
相似论文
- 带径向速度观测的跟踪算法研究,TN953
- 基于VRPF的机动目标跟踪的研究,TN957.52
- 多传感器组网及反隐身、抗干扰接力跟踪技术研究,TN953
- 双传感器图像联合目标检测及系统实现研究,TP391.41
- 空间交会接近视觉测量方法研究,TP391.41
- 基于嵌入式图像处理单元的运动目标跟踪系统研究,TP391.41
- 移动机器人视觉检测和跟踪研究,TP242.62
- 基于粒子滤波的自主机器人视觉目标跟踪研究,TP242
- 红外图像目标识别及跟踪技术研究,TP391.41
- 空间红外目标仿真与跟踪技术研究,TP391.41
- 基于运动目标轨迹分析的智能交通监控系统,TP277
- 语音信号的压缩感知研究及其在语音编码中的应用,TN912.3
- 基于视频的运动目标检测与跟踪方法应用研究,TP391.41
- 基于稀疏表示的人脸识别算法研究,TP391.41
- 基于支持向量机的视频目标检测方法研究,TP391.41
- 无线传感器网络的目标跟踪算法研究,TN929.5
- 基于主动视觉的运动目标检测与跟踪研究,TP391.41
- 嵌入式多参数环境智能监测系统的设计与实现,TP274
- 基于稀疏表示残差融合的人脸表情识别,TP391.41
- 基于无线传感器网络的目标定位跟踪研究,TN929.5
- 基于小波变换的信号稀疏表示及其在图像去噪中的应用,TP391.41
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|