無源毫米波和視頻序列圖像目標(biāo)跟蹤算法研究.pdf

1、無源毫米波成像系統(tǒng)的工作原理是通過采集周圍環(huán)境和物體自然輻射出的毫米波段能量，根據(jù)這些吸收到的毫米波能量的不同來實現(xiàn)成像。由于衍射受限，靈敏度制約，無源毫米波圖像的分辨率較差，信噪比相對較低，目標(biāo)的形狀和紋理特征清晰度不強(qiáng)，容易導(dǎo)致在目標(biāo)跟蹤過程中的丟失或誤判。開展無源毫米波和視頻序列圖像融合目標(biāo)跟蹤算法，不僅可以根據(jù)視頻序列圖像提取出目標(biāo)的形狀和紋理特征，還能夠提取無源毫米波圖像的金屬目標(biāo)信息，便于目標(biāo)的準(zhǔn)確定位和跟蹤。
　　本

2、論文依托國家級科研項目，針對上述問題進(jìn)行研究，主要工作內(nèi)容如下：
　　1.分析了多源傳感器數(shù)據(jù)融合的集中式、分布式、混合式三種融合結(jié)構(gòu)的優(yōu)缺點和適用環(huán)境，得出了使用分布式融合結(jié)構(gòu)能夠降低系統(tǒng)的融合誤差，并且能夠提高融合系統(tǒng)的實時性的結(jié)論。
　　2.在無源毫米波和視頻序列圖像各自成像特點的基礎(chǔ)上，分析了兩種圖像目標(biāo)的特征，給出了使用特征層融合思想對兩種圖像目標(biāo)的位置、區(qū)域等特征進(jìn)行融合的方法，可提高兩種圖像目標(biāo)的信息利用率。<

3、br>　　3.針對傳統(tǒng)線性目標(biāo)跟蹤算法誤差過大的問題，將徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)算法引入目標(biāo)狀態(tài)估計中，并提出通過引入誤差因子權(quán)值，降低誤差均值和學(xué)習(xí)次數(shù)，使其更適合于魯棒性要求較高的跟蹤濾波算法。
　　4.針對無源毫米波圖像和視頻圖像序列分別提取出的目標(biāo)圖像位置匹配差較大的缺點，提出了基于貝葉斯準(zhǔn)則的目標(biāo)重合概率分析融合算法，通過計算目標(biāo)區(qū)域重合部分的概率，將目標(biāo)進(jìn)行歸類判決。以判決結(jié)果為依據(jù)所得到的融合結(jié)果，能夠使目標(biāo)跟蹤的結(jié)果更加