基于智能感知的小目标检测与跟踪技术新方法研究

摘要

随着计算机技术和图像并行处理技术的飞速发展,目标检测与跟踪技术在军事领域、航空航天、科学探测、天文观测以及视频监控等各个领域具有越来越广泛的应用,也成为自动控制、计算机视觉和模式识别等领域的研究热点。本论文以实际科研项目为课题研究背景,主要围绕基于智能感知的小目标检测与跟踪技术新方法开展相关研究工作。论文的主要工作包括以下几个方面：
　　 ①根据目标检测与跟踪的要求,建立基于目标检测的无线传感器网络(WSN)模型,并对模型中的关键技术进行了深入地研究和探讨。
　　 ②对基于目标检测与跟踪的小波变换与图像融合技术进行了研究。图像融合算法的研究中,通过对比分析不同小波基、不同分解层、不同融合规则对图像融合的影响,设计了一种自适应的图像融合算法。算法根据实际需要,自适应选择合适的小波基、分解层及融合规则,减少了融合过程的随意性及重复性,大大提高了融合效率及质量。采用Conturlet和Curvelet小波实现了图像融合,获得了良好的效果,证明新型小波进行图像融合在目标检测中有的实际应用价值。
　　 ③在成像目标检测跟踪系统中,研究了融合信号幅度的概率数据关联法(PDA-AI)。光电探测跟踪系统中的目标信号幅度在短时间内通常变化缓慢,是相关性很强的短时平稳信号。针对PDA-AI决策与实际情况不符的特点,利用目标幅度连续性和运动轨迹一致性进行目标运动分析,改进PDA-AI(MPDA-AI),并详细计算和讨论典型密集杂波环境下PDA-AI和MPDA-AI的Cramer-Rao估计误差下界。实验结果表明,经MPDA-AI估计的目标较PDA-AI更加准确,可信程度更高,能更进一步提高目标检测跟踪的可靠性。
　　 ④采用基于扫描像素的直线段标记检测过程获取多目标特征；针对JPDA在处理多目标交叉、分裂等多种运动状态数据关联中存在运算量较大的缺点,本文采用了一种快速数据关联滤波算法,以较小的计算量得出与JPDAF接近的关联概率。最后,对本文的工作进行了总结,并对今后的研究工作提出了展望。

目录

文摘

英文文摘

1 绪论

1.1 课题研究的目的与意义

1.2 小目标检测与跟踪的研究现状

1.2.1 小目标能量积累技术

1.2.2 基于小波分析的小目标检测技术

1.2.3 杂波抑制技术

1.2.4 小目标特征提取与识别技术

1.2.5 运动目标跟踪技术

1.2.6 数据融合技术

1.2.7 基于无线传感网(WSN)的目标检测与跟踪

1.3 本文主要工作及内容安排

2 小运动目标检测与跟踪基本理论和基本方法

2.1 成像跟踪原理

2.1.1 目标检测与跟踪系统构成框架

2.1.2 影响小目标成像的主要因素

2.2 序列图像信号基本理论

2.2.1 序列图像模型

2.2.2 图像噪声分析

2.2.3 小运动目标特征

2.2.4 小运动目标检测与跟踪的主要困难

2.3 小目标检测与跟踪基本原理

2.3.1 小目标模型

2.3.2 (截断)序列概率比检验(SPRT)

2.3.3 基于运动信息的目标检测方法

2.3.4 图像预处理

2.3.5 小目标跟踪

2.4 无线传感器网络(WSN)的目标检测技术

2.5 小波变换基本理论

2.5.1 小波分析

2.5.2 几种常见的小波

2.5.3 新型小波

2.6 本章小结

3 基于目标检测与跟踪的无线传感器网络(WSN)的分析

3.1 WSN技术

3.2 基于目标检测的WSN模型

3.3 基于目标检测的WSN的通信特点

3.4 WSN的节点结构

3.4.1 节点组成原理

3.4.2 节点结构

3.5 基于目标检测的WSN的关键问题分析

3.5.1 能量问题

3.5.2 安全问题

3.5.3 容错机制

3.6 节点定位技术

3.6.1 WSN定位算法的性能评价

3.6.2 WSN定位算法的研究

3.6.3 定位算法分析与展望

3.7 本章小结

4 基于目标检测的小波变换与图像融合技术的研究

4.1 图像融合算法

4.1.1 像素级图像融合方法

4.1.2 图像融合规则

4.1.3 图像融合性能评价

4.2 基于小波分析自适应融合算法

4.2.1 小波基的选择分析

4.2.2 最佳小波分解层

4.2.3 不同融合规则的影响

4.2.4 自适应融合算法

4.2.5 实验及结果分析

4.3 两种新型小波的图像融合算法

4.3.1 基于Contourlet的图像融合算法

4.3.2 基于Curverlet的图像融合算法

4.3.3 新型小波图像融合实验及效果分析

4.4 本章小结

5 改进PDA-AI的运动目标跟踪性能研究

5.1 MPDA-AI法原理

5.2 PDA-AI和MPDA-AI性能分析

5.3 试验结果及分析

5.3.1 仿真试验及分析

5.3.2 外场试验及分析

5.4 本章小结

6 多目标跟踪技术

6.1 目标多特征提取

6.2 目标跟踪模型

6.3 多目标数据关联与跟踪维持

6.3.1 联合概率数据关联(JPDA)

6.3.2 快速数据关联滤波算法

6.4 试验结果与分析

6.5 小结

7 总结与展望

7.1 总结

7.2 展望

致谢

参考文献

附录