复杂背景下弱小目标检测与跟踪的研究

论文摘要

本论文的主要工作是研究复杂背景下弱小目标的先跟踪后检测算法。主要研究对象是视觉场景中的运动小目标。首先,针对复杂多变的背景,提出了基于帧间差分和背景建模的背景处理算法,达到了抑制背景、增强目标的效果。其次,针对低信噪比下的弱小目标的跟踪,提出了基于粒子滤波的目标跟踪更新算法,此算法能够对单运动目标、多运动目标及各不规则运动目标进行稳健跟踪。最后,改进了基于邻域判决法的弱小目标检测方法,有效地降低了目标检测过程中的误检、虚警概率。通过实验,验证了本文提出的上述算法在背景复杂的情况下能够对运动的弱小目标进行准确、实时地检测和跟踪,其性能优于其它同类算法。

论文目录

• 摘要
• ABSTRACT
• 第一章 引言
• 1.1 研究背景及意义
• 1.2 复杂背景下弱小目标检测与跟踪概述
• 1.3 先跟踪后检测技术研究现状
• 1.3.1 先跟踪后检测技术的主要算法
• 1.3.2 先跟踪后检测算法比较分析
• 1.4 本文的主要研究工作
• 第二章 小目标视频分割技术
• 2.1 图象预处理
• 2.1.1 去除图象噪声算法
• 2.1.2 基于灰度形态学Tophat变换的背景对消
• 2.2 运动的视频分割算法
• 2.2.1 基于帧间差分的背景抑制算法
• 2.2.2 基于背景建模的背景作差算法
• 2.2.3 帧间差分与背景差分相融合的视频分割算法
• 2.2.4 实验结果
• 2.3 本章小结
• 第三章 基于粒子滤波的跟踪算法
• 3.1 贝叶斯滤波理论
• 3.2 状态空间模型
• 3.3 基于粒子滤波的更新算法
• 3.3.1 基于粒子滤波算法的实现步骤更新
• 3.3.2 改进的重要性函数的选取及保持粒子多样性算法
• 3.3.3 改进的粒子滤波重采样算法
• 3.4 仿真实验与结果分析
• 3.5 本章小结
• 第四章 弱小目标的检测技术研究
• 4.1 弱小目标特性
• 4.2 基于PF的目标检测算法
• 4.3 基于连续帧的目标检测算法
• 4.4 实验结果及分析
• 4.5 本章小结
• 第五章 总结与展望
• 5.1 总结
• 5.2 展望
• 参考文献
• 致谢
• 在学期间发表学术论文和参加科研情况