信息融合下數(shù)據(jù)關(guān)聯(lián)及視頻跟蹤問題的研究與應(yīng)用.pdf

1、信息融合是一種多層次、多方面的處理過程，包括對多源數(shù)據(jù)進行檢測、相關(guān)、組合和估計，得到對目標(biāo)更真實、更精確的特征描述，從而提高狀態(tài)和身份估計的精度，得到最優(yōu)決策。信息融合極大地模擬人的認知過程，通過不同的感官對客觀事物實施多種類，多方位的感知，獲得大量互補和冗余信息；然后由大腦對這些感知信息依據(jù)某種規(guī)則進行組合和處理，從而得到客觀對象統(tǒng)一與和諧的理解和認識。 本文利用了信息融合理論和方法，通過融合數(shù)據(jù)中的互補信息，設(shè)計實現(xiàn)了數(shù)據(jù)

2、關(guān)聯(lián)、目標(biāo)跟蹤以及視頻跟蹤算法。針對問題的不同特點，分別提出了基于數(shù)據(jù)級、特征級以及決策級融合的解決方案。本文主要工作如下： (1)在數(shù)據(jù)關(guān)聯(lián)與目標(biāo)跟蹤問題中，設(shè)計了基于數(shù)據(jù)級融合的算法。在含有大量雜波和噪聲的量測數(shù)據(jù)中，融合不同時刻數(shù)據(jù)，分析得到量測之間的關(guān)聯(lián)規(guī)則。依據(jù)關(guān)聯(lián)規(guī)則，識別出目標(biāo)和雜波，準確地跟蹤移動目標(biāo)。在這部分研究中，本文提出了基于空間搜索的快速聚類算法。該算法對原始量測數(shù)據(jù)進行了快速去噪和優(yōu)化。在關(guān)聯(lián)規(guī)則形成過

3、程中，使用了多樹算法，極大減少了多假設(shè)跟蹤過程中錯誤假設(shè)航跡的數(shù)量。 (2)在視頻跟蹤問題中，利用特征級融合方法實現(xiàn)了動態(tài)背景下的運動目標(biāo)檢測。該方法融合了圖像序列中目標(biāo)的運動特征、輪廓特征、形狀特征以及顏色特征，得到了更精確的運動檢測圖像。針對運動檢測圖像的特點，設(shè)計了基于脈沖耦合神經(jīng)網(wǎng)絡(luò)的圖像分割算法，實現(xiàn)了獨立運動目標(biāo)的快速分割。 大量的實際結(jié)果表明，融合算法的性能和效果都優(yōu)于通常的算法。融合算法利用了各方面有用的