学位论文 > 优秀研究生学位论文题录展示

红外弱小目标跟踪算法研究

作　者: 张媛
导　师: 辛云宏
学　校: 陕西师范大学
专　业: 信号与信息处理
关键词: 红外成像目标检测与跟踪卡尔曼滤波算法遗传算法
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 89次
引　用: 0次
阅　读: 论文下载

内容摘要

红外成像制导系统具有抗干扰能力强、隐蔽性好、生存能力强等优点,从二十世纪开始,被广泛应用于军事领域中。红外目标检测与跟踪作为成像制导系统中的核心技术也受到了广泛的关注。在实际应用中,由于背景和噪声的影响,红外目标的检测和跟踪过程变得非常复杂。尤其是当成像距离较远时,目标在像平面上呈现点状或仅占几个像素大小的位置,并且信号微弱,易受到复杂背景和噪声的影响,淹没其中而无法进行检测和跟踪。因此,基于复杂背景下的红外小目标跟踪问题逐渐成为红外目标检测与跟踪中的主要研究课题。现今国内外许多学者致力于红外目标检测与跟踪的研究工作,提出了众多具有创新性和指导性的目标检测与跟踪算法,如卡尔曼滤波算法、均值漂移算法、遗传算法和时域滤波算法等,这些算法在红外目标检测和跟踪方面都有较好的效果。本文在前人研究的基础上,首先详细分析了复杂背景下的红外小目标的特征,以及背景与噪声对目标的影响,然后以复杂背景下的红外小目标为研究对象,提出了三种针对复杂背景下的小目标检测与跟踪的改良算法。所提算法如下：(1)针对天空云层杂波和噪声背景下的红外小目标的检测和跟踪问题,提出了一种基于时域和空域联合滤波的检测算法。首先对所获取的红外图像序列进行标准化预处理,再用时域滤波算法对预处理后的图像序列进行滤波,然后采用目标增强算法,对残留的云层杂波和噪声做进一步抑制。最后,通过实验对所提出的算法进行检验,结果证明了算法在云层背景的红外弱小目标检测和跟踪方面的有效性和可行性。(2)提出了一种基于卡尔曼预测与强度变化函数相结合的目标跟踪算法,克服了复杂背景图像中目标点与背景灰度值对比度较低时,目标容易跟丢的问题。算法首先以上一帧的目标点位置为中心创建一个目标框,在目标框中提取一个局部最大或最小值,接着利用卡尔曼预测方法对当前帧中的目标点位置进行预测,然后以预测到的目标点位置为中心提取出一个包含目标大小区域的子框,将局部最大或最小值代入到强度变化函数中,在子框区域内对目标点进行匹配搜索得到目标点位置,最后通过实验验证了所提算法的有效性和可行性。(3)提出了一种卡尔曼预测与遗传算法相结合的目标跟踪算法。遗传算法用于目标跟踪时可以有效的减少算法的计算量,但同时也降低了目标跟踪的精确度和稳定性,尤其是在背景复杂的情况下利用遗传算法对目标点进行跟踪时,目标很容易跟丢。为了解决这一问题,本文所提算法首先以上一帧的目标点位置为中心创建一个目标框,在目标框中提取一个局部最大或最小值,接着利用卡尔曼预测方法对当前帧中的目标点位置进行预测,以预测点为中心提取子框,并在子框范围内创建一个初始群体,然后将局部最大值和初始群体代入到遗传算法,反复迭代后求得目标点的真实位置,最后通过实验结果验证了算法的有效性。

全文目录

摘要  3-5
Abstract  5-9
第1章绪论  9-15
  1.1 研究背景和意义  9-10
  1.2 国内外研究现状  10-13
  1.3 本文的主要研究工作  13-15
第2章红外弱小目标跟踪的算法综述  15-27
  2.1 引言  15
  2.2 红外图像序列的预处理  15-20
    2.2.1 形态学的图像处理  15-18
    2.2.2 拉普拉斯分割  18-19
    2.2.3 局部标准差滤波  19-20
  2.3 红外目标跟踪算法  20-25
    2.3.1 Kalman目标跟踪算法  20-21
    2.3.2 基于相似度量函数的目标跟踪算法  21-24
    2.3.3 直方图匹配目标跟踪算法  24-25
  2.4 本章小结  25-27
第3章基于时空联合滤波技术的缓慢运动红外弱小目标检测算法  27-35
  3.1 引言  27
  3.2 目标的观测模型  27-28
  3.3 时域滤波  28-30
    3.3.1 时域滤波的原理  28-29
    3.3.2 时域滤波在目标跟踪中的应用  29-30
  3.4 图像序列的标准化  30-31
  3.5 目标图像增强算法  31
  3.6 实验步骤  31-32
  3.7 仿真结果  32-33
  3.8 本章小结  33-35
第4章 Kalman预测与IVF相结合的目标跟踪算法  35-43
  4.1 引言  35
  4.2 强度变化函数  35-37
  4.3 基于Kalman和IVF的目标跟踪算法  37-38
  4.4 仿真结果  38-41
  4.5 本章小结  41-43
第5章 Kalman预测与遗传算法相结合的目标跟踪算法  43-53
  5.1 引言  43
  5.2 遗传算法  43-45
    5.2.1 遗传算法原理  43-44
    5.2.2 遗传算法步骤  44-45
  5.3 Kalman预测与遗传算法相结合的目标跟踪算法  45-48
    5.3.1 基于遗传算法的目标跟踪算法  45-47
    5.3.2 阂值限定  47-48
  5.4 仿真结果  48-52
    5.4.1 算法步骤  48
    5.4.2 实验结果  48-52
  5.5 本章小结  52-53
第6章结论与展望  53-55
  6.1 工作总结  53
  6.2 未来工作展望  53-55
参考文献  55-61
致谢  61-63
攻读学位期间研究成果  63-64

红外弱小目标跟踪算法研究

内容摘要

全文目录

相似论文