海天背景下海天线定位及目标跟踪算法研究

论文摘要

复杂海天背景下的海天线提取技术,是研究远距离目标跟踪的一项重要内容。由于天空云层干扰和海面杂波干扰组成的海天背景的影响,在海天背景下的目标稳定跟踪困难较大。我们可以首先确定海天线位置,然后采取相应的策略,这样可以降低目标跟踪的复杂性,同时也可以抑制海杂波等的干扰,提高目标跟踪的稳定性,降低虚警率。本文首先分析了海天背景图像的特点,研究了多种海天线提取技术,然后针对低对比度图像中海天线难于提取这一问题,提出了基于相位编组的Hough变换提取海天线算法。由于算法融合了相位编组法和Hough变换法两者的优点,因此该算法不仅能识别低对比度处的海天线,还具有较强的抗干扰性,克服了相位编组和Hough变换各自的局限性。由于复杂背景下目标图像呈现多样性,背景时而简单,时而复杂,中值滤波窗口太小,噪声不能得到很好的去除,如果窗口太大,那么不能保证滤波后的图像中灰度信息的保留,以至于后续阶段的处理不能顺利进行。因此,本文针对海天背景图像中,天空和海面通常以不同的灰度值显现出来这一特性,提出两种基于图像背景复杂度的方法。通过实验证明,两种方法均能准确提取出简单和复杂海天背景下的海天线,进一步提高了算法的适应性和实时性。通过大量实验发现,当处理像素较多的图像时,对于对比度明显的图像,前面三种方法适应性较好,但当对比度较低且信噪比很低时,前面三种方法就失效了。总之,单一的预处理方法不能满足所有的背景图像。因此,本文将背景的局部复杂度均值作为图像复杂程度的定量描述,然后根据此指标区别对待不同背景,对预处理方法做出实时的调整,即实现了背景图像的自适应预处理。本文还研究了海天背景下的目标跟踪技术,最后采用形心跟踪算法对目标进行跟踪,当目标短暂丢失时,利用卡尔曼对目标运动轨迹进行预测,解决了海杂波等对目标稳定跟踪的干扰问题。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 引言
• 1.2 国内外研究现状
• 1.2.1 海天线提取技术研究现状
• 1.2.2 目标跟踪技术研究现状
• 1.3 海天背景图像分析
• 1.3.1 海天背景图像特点
• 1.3.2 海天线区域对比度分析
• 1.4 海天背景下目标的特点
• 1.5 论文的主要研究意义、研究内容和组织结构
• 1.5.1 研究意义
• 1.5.2 论文的主要研究内容
• 1.5.3 论文的组织结构
• 第2章 海天背景图像处理的理论基础
• 2.1 图像的去噪技术
• 2.1.1 前言
• 2.1.2 图像的平滑
• 2.1.3 图像的锐化
• 2.2 图像的分割技术
• 2.2.1 最大类间方差法
• 2.2.2 基于Canny 算子的阈值分割
• 2.3 海天背景图像背景复杂度描述
• 2.3.1 背景复杂度的描述分析
• 2.3.2 改进的复杂度描述方法
• 2.3.3 改进的复杂度描述方法实验分析
• 2.4 直线提取技术
• 2.4.1 最小二乘直线拟合
• 2.4.2 Hough 变换
• 2.4.3 相位编组法
• 2.5 本章小结
• 第3章 海天线提取技术研究
• 3.1 引言
• 3.2 基于CANNY 算子的海天线提取算法
• 3.3 基于HOUGH 变换的海天线提取算法
• 3.4 基于相位编组的海天线提取算法
• 3.4.1 算法的基本思想及流程图
• 3.4.2 算法步骤
• 3.4.3 算法仿真及结果分析
• 3.5 基于图像背景复杂度的海天线提取算法
• 3.5.1 前言
• 3.5.2 基于改进的局部复杂度的海天线提取算法
• 3.5.3 基于加权信息熵的海天线提取算法
• 3.5.4 基于局部复杂度的自适应海天线提取算法
• 3.6 几种方法的实验分析
• 3.7 本章小结
• 第4章 海天背景下的目标跟踪技术
• 4.1 引言
• 4.2 形心跟踪算法
• 4.3 卡尔曼滤波
• 4.3.1 Kalman 滤波器简述
• 4.3.2 Kalman 滤波系统
• 4.4 运动目标跟踪
• 4.5 实验结果
• 4.6 本章小结
• 第5章 总结与展望
• 5.1 论文的主要工作总结
• 5.2 论文的主要创新点
• 5.3 本文存在的不足及今后的研究方向
• 参考文献
• 在学期间学术成果情况
• 指导教师及作者简介
• 致谢