海天背景下海天線檢測及艦船目標跟蹤研究.pdf

1、在現(xiàn)代海洋信息系統(tǒng)中，對海天背景中艦船目標進行有效測量和跟蹤，已成為各國海洋發(fā)展的重要課題，跟蹤研究也成為了發(fā)展海洋信息技術(shù)的迫切需要，其跟蹤效果會直接影響海面目標的探測和跟蹤能力。
　　 本文主要研究海天背景下海天線檢測和艦船目標跟蹤問題，文章通過一種聯(lián)合加權(quán)的形式對海天線結(jié)果進行置信度判斷，有效地降低了誤檢率。跟蹤方面則使用梯度方向直方圖作為目標特征以適應(yīng)目標尺度變化和遮擋。另外引入一種聯(lián)合檢測、學習、跟蹤的聯(lián)合方案，適應(yīng)艦

2、船目標可能發(fā)生的姿態(tài)變化和丟失問題。具體工作如下:
　　 1)對三種不同的經(jīng)典海天線檢測方法進行分析和試驗，討論其各自適用范圍和準確率，針對海天線檢測誤檢率高的問題，引入海天線檢測結(jié)果置信度分析，實驗表明置信度的引入可以降低海天線誤檢率，提高了海天線檢測結(jié)果的準確度。
　　 2)分析傳統(tǒng)的meanshift跟蹤算法，使用對光照條件和旋轉(zhuǎn)縮放不敏感的邊緣梯度方向直方圖作為目標模型的特征，針對該算法具有不能更新模板和對遮擋處

3、理不佳的缺點，采用融合kalman濾波預(yù)測方案，實驗結(jié)果表明該算法具有良好的遮擋和更新處理。
　　 3)針對長時間跟蹤可能出現(xiàn)的幀丟失或者目標丟失問題，采用聯(lián)合檢測-學習-跟蹤的TLD算法，其中檢測算法通過訓(xùn)練一種在線可更新的隨機蕨分類器對目標跟蹤結(jié)果進行檢測，使用一種基于時空約束的PN學習策略對分類器進行學習和更新，最后融合跟蹤得到的結(jié)果對目標進行判別和確定（其中隨機蕨分類器通過對目標樣本的不斷學習優(yōu)化分類器性能，PN學習的約