序列图像中弱小多目标检测与跟踪技术研究与实现

论文摘要

本文针对序列图像中弱小多目标的检测与跟踪技术开展算法研究。研究基于背景抑制预处理的方法,以此来抑制各帧图象中的背景噪声,提高信噪比,减少后续处理的工作量。实现基于运动矢量预测的弱小多目标检测与跟踪算法。该算法先利用帧间差分法检测出运动目标后,再经基于背景抑制的预处理后,引入了一种改进的自适应双阈值分割法有效地检测出弱小目标和少量的高频噪声点,为后续的目标跟踪方法提供了有利条件。基于运动矢量预测法实现多目标关联,在预测基础上建立搜索区域,并推导出一种代价函数作为关联依据,最后利用基于管道区间跨度滤波法进一步对伪目标进行剔除,实现正确的跟踪。实现基于粒子滤波的弱小多目标检测与跟踪算法。建立基于粒子滤波的多目标跟踪框架,给出如何利用粒子滤波进行多目标数据关联。实验结果验证了算法的可行性和有效性,并得出相应的结论。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 引言
• 1.2 弱小目标的检测和跟踪算法回顾
• 1.2.1 弱小目标定义
• 1.2.2 算法回顾
• 1.3 主要研究内容
• 第二章 基于背景抑制的图像预处理
• 2.1 基于背景抑制预处理的基本思想
• 2.2 典型的低信噪比图像背景抑制方法
• 2.2.1 高通滤波器
• 2.2.2 基于Top-hat 的形态滤波
• 2.2.3 基于背景预测的预处理法
• 2.3 预处理算法实验结果与分析
• 2.3.1 实验结果
• 2.3.2 实验结果分析
• 第三章 基于运动矢量预测的弱小多目标检测与跟踪方法
• 3.1 基于帧间差分的多目标检测方法
• 3.2 一种改进的自适应双阈值分割法
• 3.2.1 Otsu 算法
• 3.2.2 一种改进的自适应双阈值分割法
• 3.2.3 目标的标记与存储
• 3.2.4 实验结果
• 3.3 运动目标的数据关联
• 3.3.1 最近邻关联法
• 3.3.2 基于约束准则的最近邻关联法
• 3.4 运动矢量预测
• 3.4.1 线性逼近及线性预测器
• 3.4.2 两点线性预测器
• 3.5 基于序列图像的管道区间跨度滤波法
• 3.6 实验结果与分析
• 3.6.1 实验结果
• 3.6.2 实验结果分析
• 第四章 基于粒子滤波的弱小多目标检测与跟踪方法
• 4.1 粒子滤波基本原理
• 4.1.1 贝叶斯滤波
• 4.1.2 序贯重要性采样
• 4.1.3 粒子滤波
• 4.2 算法实现
• 4.2.1 粒子滤波的理论框架
• 4.2.2 粒子滤波算法流程
• 4.2.3 基于粒子滤波的JPDA 方法实现
• 4.3 实验结果及分析
• 结论与展望
• 致谢
• 参考文献