【技术实现步骤摘要】
本专利技术涉及图像追踪领域，具体涉及一种多融合高精度多目标sar图像追踪方法及系统。
技术介绍
1、合成孔径雷达(sar)成像技术因其独特的全天候、全天时工作能力，在遥感领域占据着重要地位。sar图像的应用范围广泛，包括地表监测、环境评估、灾害管理以及军事侦察等。然而，sar图像的一些固有特性，如相干斑噪声、地物遮蔽和目标的快速动态变化，为图像中的多目标跟踪带来了不少挑战。
2、在sar图像中进行多目标跟踪时，传统的跟踪算法常常面临多种困难。其中包括目标检测的不准确性、运动模型的不确定性、以及复杂环境下的数据关联问题。这些问题的存在，使得在动态变化的场景下保持跟踪的连续性和准确性变得非常困难。尽管现有的跟踪方法在某些场景下表现良好，但它们往往无法充分解决sar图像中的非线性运动、非高斯噪声分布和多目标情况下的杂波干扰。例如，中国专利公开号cn117008119a公开的一种基于背景-脉冲卡尔曼滤波算法的多目标跟踪方法，基于卡尔曼滤波的方法在处理高度非线性系统时可能会失效，而传统的数据关联方法在杂波密集的环境中可能会产生错误的目标关联。因此，现有技术sar图像跟踪方法，准确性和鲁棒性难以保证。
技术实现思路
1、本专利技术所要解决的技术问题在于如何提高sar图像跟踪的准确性和鲁棒性。
2、本专利技术通过以下技术手段解决上述技术问题的：一种多融合高精度多目标sar图像追踪方法，包括以下步骤：
3、步骤一、设计粒子群-粒子滤波算法，所述粒子群-粒子滤波算
4、步骤二、设计粒子群-概率数据关联滤波器算法，所述粒子群-概率数据关联滤波器算法包括pso算法和pdaf算法；
5、步骤三、输入sar图像，pso算法用于全局搜索，在整个搜索空间中找到目标的潜在位置，所述目标的潜在位置作为pf算法的起点，pf算法在状态空间中搜索，对目标状态进行连续估计，若pf算法的结果显示目标可能已经移出了当前的搜索区域，或者跟踪置信度低于预设值，则触发pso算法重新进行搜索，否则，pf算法的目标状态估计作为pdaf算法数据关联的基础，pdaf算法考虑每个观测与当前目标状态估计的关联概率，完成目标状态估计的更新，若目标状态估计与预期的目标动态或者观测数据匹配，则输出目标状态估计，若不匹配，则触发pso算法重新进行搜索。
6、进一步地，所述pso算法接收sar图像以后，将sar图像的每个像素点作为粒子，进行全局搜索，搜索过程为：初始化粒子群参数，随机初始化每个粒子的位置和速度，判断是否满足迭代结束条件，若满足，输出目标的潜在位置，若不满足，更新每个粒子的速度和位置，计算每个粒子的适应度值，更新每个粒子的个体历史最优适应度值和位置，更新群体历史最优适应度值和位置，更新其他参数，返回执行迭代结束条件的判断步骤。
7、更进一步地，所述粒子的速度更新公式为
8、
9、所述粒子的位置更新公式为
10、
11、其中，和分别是第i个粒子在时间t+1的速度和位置，和分别是第i个粒子在时间t的速度和位置，pi是该粒子迄今为止找到的最优位置，g是全局最优位置，w是惯性权重，c1和c2是学习因子，r1和r2是[0，1]内随机数。
12、进一步地，所述pf算法的执行过程为：
13、(1)利用pso算法输出的目标的潜在位置在t＝0时刻初始化pf算法的粒子，初始化一组粒子和它们的权重其中，n为pf算法的粒子总数；
14、(2)对于每个粒子i，利用公式预测下一个状态，其中，ut是过程噪声，f()是状态转移模型；
15、(3)当获得新的观测zt时，对每个粒子i的权重更新：
16、
17、其中，是概率密度函数；归一化权重：
18、(4)对粒子进行加权平均，实现目标状态估计，估计目标的当前状态为
19、
20、其中，是估计的目标的当前状态。
21、进一步地，所述pdaf算法的执行过程为：
22、(1)获取pf算法的目标状态估计结果，将其作为pdaf算法数据关联的基础；
23、(2)关联概率计算
24、
25、其中，pd是检测概率，λ是杂波概率，是第i个粒子的观测值，是pf算法输出时刻t前的目标状态估计结果；
26、(3)状态更新
27、
28、其中，是pdaf算法更新后的目标状态估计，kt是卡尔曼增益，m是pdaf算法的粒子总数，h是观测模型，描述了如何从系统状态变量转换到观测空间，用于计算观测值与预测状态之间的差异，这是更新每个观测值关联概率和粒子权重的关键部分。
29、更进一步地，所述卡尔曼增益的计算公式为
30、
31、其中，ht是观测模型的雅可比矩阵，rt是观测噪声协方差，pt|t-1是基于上一时刻状态估计的预测协方差矩阵。
32、更进一步地，所述协方差矩阵的更新公式为
33、pt＝(1-ktht)pt|t-1
34、其中，pt是更新后的状态协方差矩阵。
35、本专利技术还提供一种多融合高精度多目标sar图像追踪系统，包括：
36、pso-pf算法构建模块，用于设计粒子群-粒子滤波算法，所述粒子群-粒子滤波算法包括pso算法和pf算法；
37、pso-pdaf算法构建模块，用于设计粒子群-概率数据关联滤波器算法，所述粒子群-概率数据关联滤波器算法包括pso算法和pdaf算法；
38、图像追踪模块，用于输入sar图像，pso算法用于全局搜索，在整个搜索空间中找到目标的潜在位置，所述目标的潜在位置作为pf算法的起点，pf算法在状态空间中搜索，对目标状态进行连续估计，若pf算法的结果显示目标可能已经移出了当前的搜索区域，或者跟踪置信度低于预设值，则触发pso算法重新进行搜索，否则，pf算法的目标状态估计作为pdaf算法数据关联的基础，pdaf算法考虑每个观测与当前目标状态估计的关联概率，完成目标状态估计的更新，若目标状态估计与预期的目标动态或者观测数据匹配，则输出目标状态估计，若不匹配，则触发pso算法重新进行搜索。
39、进一步地，所述pso算法接收sar图像以后，将sar图像的每个像素点作为粒子，进行全局搜索，搜索过程为：初始化粒子群参数，随机初始化每个粒子的位置和速度，判断是否满足迭代结束条件，若满足，输出目标的潜在位置，若不满足，更新每个粒子的速度和位置，计算每个粒子的适应度值，更新每个粒子的个体历史最优适应度值和位置，更新群体历史最优适应度值和位置，更新其他参数，返回执行迭代结束条件的判断步骤。
40、更进一步地，所述粒子的速度更新公式为
41、
42、所述粒子的位置更新公式为
43、
44、其中，和分别是第i个粒子在时间t+1的速度和位置，本文档来自技高网...
【技术保护点】
1.一种多融合高精度多目标SAR图像追踪方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种多融合高精度多目标SAR图像追踪方法，其特征在于，所述PSO算法接收SAR图像以后，将SAR图像的每个像素点作为粒子，进行全局搜索，搜索过程为：初始化粒子群参数，随机初始化每个粒子的位置和速度，判断是否满足迭代结束条件，若满足，输出目标的潜在位置，若不满足，更新每个粒子的速度和位置，计算每个粒子的适应度值，更新每个粒子的个体历史最优适应度值和位置，更新群体历史最优适应度值和位置，更新其他参数，返回执行迭代结束条件的判断步骤。
3.根据权利要求2所述的一种多融合高精度多目标SAR图像追踪方法，其特征在于，所述粒子的速度更新公式为
4.根据权利要求1所述的一种多融合高精度多目标SAR图像追踪方法，其特征在于，所述PF算法的执行过程为：
5.根据权利要求1所述的一种多融合高精度多目标SAR图像追踪方法，其特征在于，所述PDAF算法的执行过程为：
6.根据权利要求5所述的一种多融合高精度多目标SAR图像追踪方法，其特征在于，所述
7.根据权利要求6所述的一种多融合高精度多目标SAR图像追踪方法，其特征在于，所述协方差矩阵的更新公式为
8.一种多融合高精度多目标SAR图像追踪系统，其特征在于，包括：
9.根据权利要求8所述的一种多融合高精度多目标SAR图像追踪系统，其特征在于，所述PSO算法接收SAR图像以后，将SAR图像的每个像素点作为粒子，进行全局搜索，搜索过程为：初始化粒子群参数，随机初始化每个粒子的位置和速度，判断是否满足迭代结束条件，若满足，输出目标的潜在位置，若不满足，更新每个粒子的速度和位置，计算每个粒子的适应度值，更新每个粒子的个体历史最优适应度值和位置，更新群体历史最优适应度值和位置，更新其他参数，返回执行迭代结束条件的判断步骤。
10.根据权利要求9所述的一种多融合高精度多目标SAR图像追踪系统，其特征在于，所述粒子的速度更新公式为
...【技术特征摘要】
1.一种多融合高精度多目标sar图像追踪方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种多融合高精度多目标sar图像追踪方法，其特征在于，所述pso算法接收sar图像以后，将sar图像的每个像素点作为粒子，进行全局搜索，搜索过程为：初始化粒子群参数，随机初始化每个粒子的位置和速度，判断是否满足迭代结束条件，若满足，输出目标的潜在位置，若不满足，更新每个粒子的速度和位置，计算每个粒子的适应度值，更新每个粒子的个体历史最优适应度值和位置，更新群体历史最优适应度值和位置，更新其他参数，返回执行迭代结束条件的判断步骤。
3.根据权利要求2所述的一种多融合高精度多目标sar图像追踪方法，其特征在于，所述粒子的速度更新公式为
4.根据权利要求1所述的一种多融合高精度多目标sar图像追踪方法，其特征在于，所述pf算法的执行过程为：
5.根据权利要求1所述的一种多融合高精度多目标sar图像追踪方法，其特征在于，所述pdaf算法的执行过程为：<...
【专利技术属性】
技术研发人员：汪瑜，吴昊，岳华，凌未，阚宏伟，胡紫珊，聂明宇，
申请(专利权)人：数据空间研究院，
类型：发明
国别省市：
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。