基于混合粒子滤波的水下小目标跟踪

针对水下小目标粒子滤波估计过程中“粒子贫化”引起的估计性能下降,提出了混合粒子滤波算法。该算法在常规粒子滤波算法基础上,在每一步迭代估计过程中进行量测的再次随机采样,以丰富随机粒子多样性,缓解水下小目标状态估计过程中的“粒子贫化”的影响。对算法进行了仿真分析,并将该方法用于水下小目标探测实验的数据处理,结果表明,相比于常规的粒子滤波算法,所提出的混合粒子滤波得到了误差更小且稳定的状态估计结果,有效地改善水下小目标跟踪的精度和稳健性。     

基于概率假设密度滤波平滑器的检测前跟踪算法

基于概率假设密度滤波(PHD)的检测前跟踪(TBD)技术可以有效解决未知弱小多目标检测问题。PHD-TBD算法粒子权重计算受量测噪声影响明显,导致目标数估计存在起伏现象,制约了PHD-TBD算法性能。对PHD-TBD技术进行研究,引进概率假设密度滤波平滑器,提出基于平滑的PHD-TBD算法。该算法对当前帧目标数估计时,综合利用前向递推和后向平滑结果对粒子权重进行更新,在一定程度上克服了随机量测噪声的影响。通过仿真验证,该算法能够有效发现目标,准确估计目标数目和位置,性能有较大提高。     

基于概率假设密度滤波的中段弹道目标群红外多传感器组跟踪方法

分析低轨光学星座对中段弹道目标群进行组跟踪的必要性,提出了一种红外多传感器对中段弹道目标群的组跟踪新方法.该方法以概率假设密度滤波对目标群进行像平面跟踪,剔除杂波、估计目标状态和个数;以图像配准方法调整帧间目标状态估计,提高像平面目标跟踪稳定性;最后依据像平面目标跟踪结果提取目标群在像平面的质心量测,运用不敏卡尔曼滤波...     

基于辅助粒子滤波算法的红外目标跟踪

针对红外目标在跟踪中计算复杂的问题,构建辅助粒子滤波算法。利用贝叶斯重要性采样算法,在权值大的粒子基础上引入辅助粒子变量,然后重新定义重要采样分布函数,防止重采样后粒子概率密度变化。两次加权计算,使粒子权值比仅用重采样的粒子权值变化更稳定,采样点最接近真实状态;同时不同权值粒子的概率阈值可作为粒子滤波是否完成的判断准则。在二维平面构造红外运动目标模型中,系统为零均值高斯白噪声。仿真数据表明:该算法在x,y方向的均方误差、画面处理时间、RM SE性能上优于粒子滤波算法和重采样粒子滤波算法。     

基于后验概率度量的粒子滤波跟踪算法研究

 针对遮挡、光照变化、尺度变化等复杂环境中的视觉跟踪问题,提出一种基于后验概率度量的粒子滤波跟踪算法。由于后验概率指标与Bhattacharyya系数指标相比具有更强的峰值特性,采用后验概率指标作为相似性度量函数,通过粒子的更新、推广、观测、估计等步骤实现跟踪算法。通过对实际视频图像序列进行目标跟踪实验,实验结果表明:传统算法只有约50%的图像能够实现尺度自适应,而本文算法采用传统算法25%的粒子就能够收敛逼近目标的真实轨迹,达到更强的抗遮挡能力,90%以上的图像序列都能够实现良好的尺度自适应效果。     

基于动态特征融合的粒子滤波目标跟踪算法

提出一种基于动态特征融合的粒子滤波目标跟踪算法。选择具有互补性的灰度直方图和梯度直方图特征共同描述目标模型,然后在目标跟踪过程中,根据特征对目标和背景的区分程度动态地调整每个特征的置信度,对目标模型进行在线动态建模和更新,从而提高目标模型描述的准确度,并进一步提高粒子滤波算法的跟踪精度。实验结果表明:在对典型场景下的目标跟踪过程中,提出的算法比单独使用一种特征的粒子滤波算法具有更高的跟踪精度和更稳定可靠的跟踪性能。     

基于积分直方图的快速粒子滤波跟踪算法

基于直方图的粒子滤波已成功地用于解决计算机视觉中的目标跟踪问题,但是,在观测似然计算上的低效限制了它们的实时应用。针对该问题,提出了一种快速的粒子跟踪方法。其建立在积分直方图技术的基础上,使得每个候选样本的观测似然能够由少量的查找表运算有效地计算出来。该方法使用了大量的粒子以确保鲁棒性,同时确保具备实时跟踪的能力。实验结果表明该方法在计算效率上优于通常的粒子滤波跟踪方法。     

水下目标跟踪的改进非线性滤波快速算法*

为了提升水下目标的跟踪精度,该文研究了测距误差有偏条件下的水下目标跟踪算法,基于水下目标跟踪中常用的无迹卡尔曼滤波(UKF)和容积卡尔曼滤波(CKF)算法,改进提出了将偏差系数作为状态变量之一进行联合估计的跟踪算法。结合水下目标跟踪场景的实际特点,进一步推导了这两种算法在线性状态方程条件下的简化形式,分别称为IS-UKF和IS-CKF算法。仿真实验和湖试实验结果表明,与常规无迹卡尔曼滤波和容积卡尔曼滤波算法相比,提出的两种改进算法(IS-UKF和IS-CKF算法)不仅具有同等运算量,而且提高了目标轨迹跟踪精度。     

基于改进高斯混合模型的运动目标检测与跟踪算法

针对传统高斯模型存在的不足,为了搞高运动目标跟踪精度,提出一种基于改进高斯混合模型的目标检测与跟踪算法。首先提取目标特征建立目标分类器,并将目标从前景是标记出来;然后通过多目标跟踪将目标为多种运动模式;最后采用高斯混合模型对跟踪与分类的结果进行融合,获得最终目标的位置。结果表明,本文方法不仅提高了目标检测与跟踪精度,而且可高斯模型以较好的满足目标跟踪的实时性要求。     

概率假设密度滤波的物理空间意义

为了深入理解概率假设密度滤波,本文在Ozgur Erdinc对随机集的物理空间假设的基础上,采用Bayes公式和全概率公式对概率假设密度滤波的迭代过程进行了推导.为有效改善概率假设密度滤波的目标漏检问题提供了理论基础.     

粒子滤波理论、方法及其在多目标跟踪中的应用

在随机有限集理论框架下提出相应的检测前跟踪算法, 将多重信号分类(MUSIC)方法空间谱的自适应加权形式作为伪似然比函数研究了基于MUSIC的近似多伯努利滤波算法。并且针对算法对目标新生响应速度慢的问题, 提出了由量测驱动的目标新生模型。仿真实验验证了研究算法相比传统算法在低信噪比下有更好的跟踪性能, 更少的计算量, 且改进的新生模型能显著加快算法对新生目标的响应速度, 响应时间缩短了50% 以上。实验结果表明, 所提方法鲁棒性较强, 可以实现在低信噪比下对多目标的准确跟踪。

     

一种改进的时变转移概率AIMM跟踪算法

针对矢量线阵跟踪目标低频线谱提取问题,提出了一种矢量线阵低频线谱提取方法,其中利用拉平后线谱的均方差乘一比例因子设为门限的方法,可以有效提取线谱成分;并且研究了利用互谱中高信噪比线谱测向剔除干扰线谱方法,准确提取出目标特征线谱,可较有效解决矢量线阵左右舷目标低频线谱特征相互干扰问题。上述矢量线阵低频线谱提取方法,得到了海试数据的初步验证。     

Dim moving target tracking algorithm based on particle discriminative sparse representation

The small dim moving target usually submerged in strong noise, and its motion observability is debased by numerous false alarms for low signal-to-noise ratio (SNR). A target tracking algorithm based on particle filter and discriminative sparse representation is proposed in this paper to cope with the uncertainty of dim moving target tracking. The weight of every particle is the crucial factor to ensuring the accuracy of dim target tracking for particle filter (PF) that can achieve excellent performance even under the situation of non-linear and non-Gaussian motion. In discriminative over-complete dictionary constructed according to image sequence, the target dictionary describes target signal and the background dictionary embeds background clutter. The difference between target particle and background particle is enhanced to a great extent, and the weight of every particle is then measured by means of the residual after reconstruction using the prescribed number of target atoms and their corresponding coefficients. The movement state of dim moving target is then estimated and finally tracked by these weighted particles. Meanwhile, the subspace of over-complete dictionary is updated online by the stochastic estimation algorithm. Some experiments are induced and the experimental results show the proposed algorithm could improve the performance of moving target tracking by enhancing the consistency between the posteriori probability distribution and the moving target state.     

带势估计的概率假设密度滤波的物理空间意义

为了便于人们深入理解带势估计的概率假设密度滤波,本文在Ozgur Erdin对随机集做的物理空间假设的基础上,采用Bayes公式和全概率公式对带势估计的概率假设密度滤波的迭代过程进行了推导.推导过程详细明了,推导结果与文献一致.这为带势估计的概率假设密度滤波在目标跟踪中的应用及性能改进提供了理论基础.     

基于粒子滤波的多普勒信息辅助目标定位跟踪算法

多基地声呐探测系统主要通过测量回波的时延和方位信息进行目标定位与跟踪,定位精度受声速、时延和方位测量误差的影响较大,可以通过多普勒信息辅助进一步提高定位跟踪精度.现有的多普勒信息辅助定位跟踪算法多适用于单基地声呐系统,多基地中的多普勒测量值与目标状态的关系更为复杂,需要研究新的融合方法.该文提出了一种适用于多基地声呐系...     

一种基于高斯混合模型的改进EM算法研究

针对传统EM算法存在估计参数不具有最优性,以及在参数估计中需要人工参与等问题,提出一种基于高斯混合模型的改进EM算法。采用无人工参与的无监督思想,获取高斯混合模型对直方图拟合的最优参数组合。实验表明,该算法不仅能够快速地估计模型参量,而且能够给出最优参数,并在图像增强中使细节更明显,对比度更适中。     

基于混合高斯模型的红外图像自适应校正算法

针对传统时域高通滤波校正算法存在的鬼影问题,提出一种新的基于混合高斯模型的红外图像自适应校正算法。新算法利用混合高斯模型对场景进行建模,只有在像元输出值满足一定条件的时候,才将其更新到校正系数中,实现有选择性地更新校正系数。通过一组仿真和真实的红外图像序列评价算法的性能,仿真图像采用峰值信噪比指标进行定量评价,新算法比传统时域高通滤波校正算法的峰值信噪比提高了约9 dB。真实图像采用主观的定性评价,传统算法校正结果中存在着明显的鬼影,而新算法校正结果中不存在鬼影。