改进粒子滤波的弱小目标跟踪

被引：7

作者：

樊香所 ^{[1
,2
,3
]}

徐智勇 ^{[1
,3
]}

张建林 ^{[1
,3
]}

机构：

[1] 中国科学院光电技术研究所

[2] 电子科技大学光电科学与工程学院

[3] 中国科学院大学

来源：

光电工程 | 2018年 / 45卷 / 08期

关键词：

弱小目标; 跟踪; 粒子滤波; 特征融合;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

针对低信噪比(SNR<3 d B)场景下弱小目标跟踪问题,提出了改进的粒子滤波跟踪方法。本文首先通过空间位置加权的方式来获取灰度特征,并将邻域运动模型和灰度概率图相结合来获取弱小目标运动特征,然后构建灰度与运动特性的联合观测模型来计算粒子权值。同时在跟踪过程中考虑到目标的灰度分布特性并不稳定,加入了自适应更新参考目标灰度模板的策略,最后采用几组真实场景来验证本文算法的跟踪效果。实验证明:和传统算法相比,本文算法增强了低信噪比(SNR<3 d B)场景下红外弱小目标跟踪能力。

引用

页码：14 / 23

页数：10

共 16 条

[1] 改进Sobel算子的单帧红外弱小目标检测 [J].

苗晓孔 ;

王春平 .

光电工程, 2016, 43 (12) :119-125

[2] 一种多特征自适应融合的粒子滤波红外目标跟踪方法 [J].

种衍文 ;

王泽文 ;

陈蓉 ;

王莹莹 .

武汉大学学报(信息科学版) , 2016, (05) :598-604

[3] 基于Kalman滤波的红外弱小目标检测前跟踪算法 [J].

王继平 ;

孙华燕 ;

章喜 .

装备学院学报, 2012, 23 (02) :72-77

[4] 基于局部极大值的红外弱小目标分割方法 [J].

张强 ;

蔡敬菊 ;

张启衡 ;

赵汝进 .

红外技术, 2011, 33 (01) :41-44

[5] 复杂背景下基于改进粒子滤波的红外人体跟踪 [J].

王鑫 ;

唐振民 .

系统仿真学报, 2010, (10) :2411-2417

[6] 基于特征融合的粒子滤波在红外小目标跟踪中的应用 [J].

王鑫 ;

唐振民 .

中国图象图形学报 , 2010, (01) :91-97

[7] 一种新的复杂背景下红外弱小目标检测方法 [J].

王鑫 ;

唐振民 .

系统仿真学报, 2009, (20) :6568-6572

[8] 基于unscented粒子滤波的红外弱小目标跟踪 [J].

康莉 ;

谢维信 ;

黄敬雄 .

系统工程与电子技术, 2007, (01) :1-4

[9]

复杂背景下红外目标检测与跟踪算法研究[D]. 王鑫.南京理工大学. 2010

[10]

Dim small targets detection based on self-adaptive caliber temporal-spatial filtering[J] . Xiangsuo Fan,Zhiyong Xu,Jianlin Zhang,Yongmei Huang,Zhenming Peng.Infrared Physics and Technology . 2017

← 1 2 →