基于粒子滤波和数据关联的点状动目标跟踪技术研究

论文摘要

对于图像中低信噪比点目标的检测与跟踪问题的研究,起源于远距离搜索与监视。在这些应用中,目标距传感器较远,它们在传感器中的成像为点目标,相对于背景噪声而言,目标强度较弱,甚至被噪声所淹没。由于没有形状、大小、纹理等特征,无法利用传统的图像处理技术。因此低信噪比情况下点目标检测便成为卫星遥测、防空预警以及深空制导等领域信息处理中的核心技术。围绕着低信噪比条件下的红外微弱目标跟踪问题,本文介绍了微弱运动目标跟踪的相关理论,研究了一种基于粒子滤波和数据关联的点状动目标跟踪算法。该算法有机地结合了TBD检测算法、粒子滤波和数据关联跟踪算法,能够准确地检测出潜在的目标数量,尽快地锁定目标,并且最佳地分离出每个目标的轨迹。粒子滤波是近几年出现的新算法,算法本身还不很成熟。仍有大量的问题亟待解决,本文用的采样方法还存在一定缺陷,还需进一步研究。最后,本文利用Matlab对本算法进行了仿真并做出了性能分析,该方法具有一定的应用价值。

论文目录

• 摘要
• Abstract
• 第一章 引言
• 1.1 研究背景及意义
• 1.2 目标模型及研究难点
• 1.2.1 目标模型
• 1.2.2 微弱点状动目标跟踪难点
• 1.3 弱点目标检测与跟踪方法
• 1.4 本论文主要研究工作
• 1.5 论文内容安排
• 第二章 粒子滤波理论
• 2.1 贝叶斯滤波原理
• 2.2 粒子滤波器
• 2.2.1 贝叶斯重要性采样（BIS）
• 2.2.2 序列重要性采样（SIS）
• 2.2.3 退化现象
• 第三章 基于粒子滤波和数据关联的点状动目标跟踪技术
• 3.1 概率数据关联问题的提出
• 3.2 概率数据关联跟踪技术
• 3.2.1 观测及目标模型
• 3.3 粒子滤波的目标跟踪理论
• 3.3.1 跟踪模型
• 3.3.2 测量模型
• 3.3.3 粒子滤波理论框架下，红外目标更新算法的基本步骤
• 3.4 多目标实时跟踪的数据关联理论
• 3.4.1 独立运动目标的跟踪算法
• 3.4.2 交叉运动多目标的跟踪算法
• 3.5 基于粒子滤波和数据关联的点状运动多目标实时跟踪算法
• 第四章 算法仿真与性能分析
• 4.1 实验条件
• 4.1.1 实验环境
• 4.1.2 实验数据准备
• 4.2 实验结果
• 4.2.1 实验流程图
• 4.2.2 跟踪实验结果
• 第五章 结论与展望
• 5.1 结论
• 5.2 展望
• 参考文献
• 攻读学位期间发表的学术论文
• 致谢