【技术实现步骤摘要】
本专利技术涉及一种弱小目标跟踪方法,特点是样本自适应的免疫遗传粒子滤波弱小目标跟踪方法,用于图像处理、计算机视觉和目标跟踪定位。属于光电捕获跟踪系统中目标跟踪
技术介绍
弱小目标的跟踪是光电捕获跟踪系统中的核心技术之一,其利用图像处理算法对于复杂场景下跟踪目标,算法的性能对光电捕获跟踪系统的稳健性和鲁棒性十分关键。由于远距离下的目标成像面积小,特别是在非平稳的起伏背景干扰下,目标易受背景干扰和背景杂波淹没,缺乏有效的结构、形状和纹理等信息,致使难以正确跟踪目标,成为当前亟待解决的问题。目前,常用的目标跟踪算法有MeanShift算法、卡尔曼滤波、粒子滤波等。MeanShift计算量相对较小,实时性高,但对于目标较小且运动较快时,易出现跟踪丢失。对于高斯噪声的线性系统时,卡尔曼滤波取得较好的跟踪效果。而对于非线性系统后来又提出了扩展卡尔曼滤波和无味卡尔曼滤波,扩展卡尔曼滤波仅适用于滤波误差和预测误差较小的情况下,否则会导致跟踪不稳定甚至发散,而无味卡尔曼虽能跟好地逼近状态方程的非线性特征,比扩展卡尔曼滤波获得更好的估计精度,但其不适应非高斯分布系统。针对更为复杂的非线性非高斯环境,粒子滤波具有明显的优势,但由于目标在成像系统上仅占几个像元且能量弱,同时又受系统噪声和背景杂波干扰,当前面临的是一个低信噪比弱小目标跟踪的问题,采用标准粒子滤波跟踪此类目标往往导致粒子退化,极大降低跟踪的准确度,同时在每次迭代中采样固定的粒子数进行重要性采样,存在计算量大、实时性差的问题。因此需要研究新的方法以适应跟踪与定位的工程应用需求。
技术实现思路
本专利技术要解决的 ...
【技术保护点】
一种样本自适应的免疫遗传粒子滤波弱小目标跟踪方法,其特征在于:包括如下步骤:步骤一、背景预测:采用各向异性微分算法对待处理图像进行背景预测,并将预测的背景图与原图做差分处理,获取差分图,自动捕获初始帧的目标,进行跟踪初始化;步骤二、对步骤一中捕获的目标,在其邻域内进行随机采样,获取粒子集{xki,wki},xki为k时刻第i个粒子的状态,wki为k时刻第i个粒子对应的权值,同时计算相应的粒子权值并归一化权值,具体公式如下:(21)计算粒子权值wki=wk‑1ip(zk|xki) (2‑1)其中k为时刻数,i为粒子数(i=1,2,3,…N),wk‑1i为k‑1时刻第i个粒子对应的权值,wki为k时刻第i个粒子对应的权值,xki为k时刻第i个粒子的状态,zk为k时刻随机变量,p(zk|xki)为每个粒子的似然概率;(22)归一化权值wki=wki/Σi=1Nwki---(2-2)]]>其中wki为k时刻第i个粒子对应的权值,N为粒子数;步骤三、将步骤二中获取的粒子权值用以估算有效粒子数,并判断有效粒子数是否小于预设阈值,计算有效粒子数如下:(31)估算有效粒子数Neff=1 ...
【技术特征摘要】
1.一种样本自适应的免疫遗传粒子滤波弱小目标跟踪方法,其特征在于:包括如下步骤:步骤一、背景预测:采用各向异性微分算法对待处理图像进行背景预测,并将预测的...
【专利技术属性】
技术研发人员:徐智勇,樊香所,贺先辉,张建林,
申请(专利权)人:中国科学院光电技术研究所,
类型:发明
国别省市:四川;51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。