基于智能感知的小目標(biāo)檢測(cè)與跟蹤技術(shù)新方法研究.pdf

1、隨著計(jì)算機(jī)技術(shù)和圖像并行處理技術(shù)的飛速發(fā)展,目標(biāo)檢測(cè)與跟蹤技術(shù)在軍事領(lǐng)域、航空航天、科學(xué)探測(cè)、天文觀測(cè)以及視頻監(jiān)控等各個(gè)領(lǐng)域具有越來(lái)越廣泛的應(yīng)用,也成為自動(dòng)控制、計(jì)算機(jī)視覺(jué)和模式識(shí)別等領(lǐng)域的研究熱點(diǎn)。本論文以實(shí)際科研項(xiàng)目為課題研究背景,主要圍繞基于智能感知的小目標(biāo)檢測(cè)與跟蹤技術(shù)新方法開(kāi)展相關(guān)研究工作。論文的主要工作包括以下幾個(gè)方面：
　　 ①根據(jù)目標(biāo)檢測(cè)與跟蹤的要求,建立基于目標(biāo)檢測(cè)的無(wú)線傳感器網(wǎng)絡(luò)(WSN)模型,并對(duì)模型中的關(guān)

2、鍵技術(shù)進(jìn)行了深入地研究和探討。
　　 ②對(duì)基于目標(biāo)檢測(cè)與跟蹤的小波變換與圖像融合技術(shù)進(jìn)行了研究。圖像融合算法的研究中,通過(guò)對(duì)比分析不同小波基、不同分解層、不同融合規(guī)則對(duì)圖像融合的影響,設(shè)計(jì)了一種自適應(yīng)的圖像融合算法。算法根據(jù)實(shí)際需要,自適應(yīng)選擇合適的小波基、分解層及融合規(guī)則,減少了融合過(guò)程的隨意性及重復(fù)性,大大提高了融合效率及質(zhì)量。采用Conturlet和Curvelet小波實(shí)現(xiàn)了圖像融合,獲得了良好的效果,證明新型小波進(jìn)行圖像

3、融合在目標(biāo)檢測(cè)中有的實(shí)際應(yīng)用價(jià)值。
　　 ③在成像目標(biāo)檢測(cè)跟蹤系統(tǒng)中,研究了融合信號(hào)幅度的概率數(shù)據(jù)關(guān)聯(lián)法(PDA-AI)。光電探測(cè)跟蹤系統(tǒng)中的目標(biāo)信號(hào)幅度在短時(shí)間內(nèi)通常變化緩慢,是相關(guān)性很強(qiáng)的短時(shí)平穩(wěn)信號(hào)。針對(duì)PDA-AI決策與實(shí)際情況不符的特點(diǎn),利用目標(biāo)幅度連續(xù)性和運(yùn)動(dòng)軌跡一致性進(jìn)行目標(biāo)運(yùn)動(dòng)分析,改進(jìn)PDA-AI(MPDA-AI),并詳細(xì)計(jì)算和討論典型密集雜波環(huán)境下PDA-AI和MPDA-AI的Cramer-Rao估計(jì)誤差下界