导读:本文包含了微弱点状运动目标论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:目标,微弱,序列,概率,图像,数据,滤波器。
微弱点状运动目标论文文献综述
王保柱,艾斯卡尔·艾木都拉[1]（2009）在《几种典型的微弱点状多运动目标跟踪算法对比研究》一文中研究指出重点研究了序列图像情况下几种典型的微弱点状多运动目标实时跟踪算法,虽然它们都能够完成不同背景环境下目标的全程跟踪,但跟踪性能存在较大的差异,PDA算法具有较高的实时性,但容易出现目标的偏移和聚合现象;JPDA算法理论上解决了多目标数据关联问题,但跟踪过程存在较大误差且由于计算量大难以在工程中应用;基于最大熵高斯聚类算法对模糊隶属度进行了修正,数据关联性高且有效避免了目标的误跟和丢失现象。通过对几种典型算法的仿真分析,为多目标跟踪算法的优化提供可靠依据。(本文来源于《计算机工程与应用》期刊2009年05期）
万一[2]（2008）在《微弱点状多运动目标检测技术研究》一文中研究指出“图像序列中微弱点状多运动目标检测与跟踪技术的研究”作为主动视觉研究领域的一个新分支,以其越来越多的应用而成为当今的研究热点,而又由于点状目标自身的特点以及目标对比度低,目标随机出现等问题,使目标在图像中的搜索、检测变得更为困难。首先详细介绍了微弱点状多目标检测的相关理论,移动通信领域的时空分集理论、TBD检测算法等。本文将这些理论算法应用到图像序列中微弱点状目标的检测,研究了一种基于组合帧图像区域划分、目标群概率加权以及帧间互关联的TBD目标搜索和运动轨迹估计技术。此技术首先将序列图像在时域上进行组合,消除背景影响,在此基础上对组合帧图像进划分估计出目标个数及各个目标的存在区域,从而在有效的减少计算量的同时,准确的搜索到各个目标,然后利用帧间目标的双向互关联特性初始化各目标的航迹。本文采用MATLAB平台对所述算法行了仿真,仿真结果和试验数据证明了本文所提算法的可行性和有效性,具有一定的应用价值。(本文来源于《新疆大学》期刊2008-05-23）
陈颖,刘镰斧,李在铭[3]（2002）在《基于概率数据互联滤波器的序列图像微弱点状运动目标跟踪技术》一文中研究指出概率数据互联滤波器(PDAF)最早由Bar-Shalom等人提出,被广泛的应用于雷达目标跟踪等领域中.本文在分析序列图像中微弱点状运动目标的运动特性后,根据概率数据互联滤波器的基本思想,推导了在序列图像情况下对微弱点状图像运动目标的跟踪算法.理论及实验结果表明,在序列图像情况下概率数据互联滤波器能够在保持跟踪实时性的同时,提供较高的跟踪精度.(本文来源于《电子学报》期刊2002年12期）
陈颖[4]（2002）在《序列图像中微弱点状运动目标检测及跟踪技术研究》一文中研究指出红外或可见光成像检测及跟踪系统由于其处理的是多维信号（二维空间,一维时间），且是一种被动检测技术，故较之其它跟踪系统而言，具有隐蔽性好，抗干扰能力强，跟踪精度高等优点。这种以光学信号处理技术为基础的目标检测、捕获、跟踪和瞄准技术是目前许多先进武器系统的关键技术，被广泛的应用于多种武器装备中。近些年来，随着军事等领域上的要求不断提高，要求尽最大限度地尽早发现目标，使得人们对序列图像中远距离、低信噪杂波比情况下的微弱点状运动目标的检测及跟踪技术产生了浓厚的兴趣，并成为当前研究热点之一。对于序列图像中微弱点状运动目标的检测及跟踪技术，需要解决的重点问题有：（1） 如何在低信噪杂波比的情况下检测、捕获点状运动目标，并引导跟踪系统进行跟踪。（2） 如何解决快速处理、实时实现问题。本文的主要工作在于系统的研究了序列图像中微弱点状运动目标的检测及跟踪技术，介绍了国内外的研究动态及研究点，提出了序列图像中微弱点状运动目标的检测及跟踪的理论模型，并将该问题划分为图像预处理、目标检测及目标跟踪等叁个部分，详细地论述了各个部分的关键技术，并进行了大量的理论及实验分析。本文的创新之处包括：（1） 提出一种基于鲁棒回归的运动背景补偿技术，该技术首先通过光流场模型及鲁棒迭代加权技术来估计摄像机运动模型参数，之后利用统一的摄像机运动模型参数来估计图像各象素点的运动速度，最后通过双线性变换进行背景补偿校正处理。该技术的主要优点在于：(a)具有较强的抗噪性能，(b)计算量小，实时性高。（2） 提出基于投影变换高维积累的序列图像微弱点状运动目标检测方法。该方法通过投影变换将本来需要在叁维时空域进行目标搜索检测降为只在二维空域内进行目标搜索检测，从而大大减小搜索计算量。同时，在投影变换过程中尽量减小信息的损失，从而保证了较高的检测性能。<WP=6>（3） 提出了多种基于投影变换的目标检测算法，分别为基于“硬判决”的最大选择合并积累检测算法、基于“软判决”的最大选择合并积累检测算法、基于时域差分的快速微弱点状运动目标检测算法及依概率组合的高维积累检测算法。本文系统的分析了各种检测算法的理论及实际蒙特卡罗仿真实验性能。（4） 本文将概率数据互联滤波器原理成功的运用于跟踪序列图像中的微弱点状运动目标。本文在分析序列图像中微弱点状运动目标的运动特性后，根据概率数据互联滤波器的基本原理，推导了在序列图像情况下对微弱点状图像运动目标的跟踪算法。理论及实验结果表明，在序列图像情况下概率数据互联滤波器能够在保持跟踪实时性的同时，提供较高的跟踪精度。（5） 本文提出了序列图像情况下的微弱点状运动目标的检测及跟踪实施方案。通常文献中出现的检测算法都假设目标大小为1个象素，目标运动速度为1个象素/帧。本文提出的方案基于多分辨率思想，充分考虑了图像传感器的运动，目标大小不为1个象素，目标运动速度不为1个象素/帧情况下的目标检测及跟踪(本文来源于《电子科技大学》期刊2002-10-01）
微弱点状运动目标论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
“图像序列中微弱点状多运动目标检测与跟踪技术的研究”作为主动视觉研究领域的一个新分支,以其越来越多的应用而成为当今的研究热点,而又由于点状目标自身的特点以及目标对比度低,目标随机出现等问题,使目标在图像中的搜索、检测变得更为困难。首先详细介绍了微弱点状多目标检测的相关理论,移动通信领域的时空分集理论、TBD检测算法等。本文将这些理论算法应用到图像序列中微弱点状目标的检测,研究了一种基于组合帧图像区域划分、目标群概率加权以及帧间互关联的TBD目标搜索和运动轨迹估计技术。此技术首先将序列图像在时域上进行组合,消除背景影响,在此基础上对组合帧图像进划分估计出目标个数及各个目标的存在区域,从而在有效的减少计算量的同时,准确的搜索到各个目标,然后利用帧间目标的双向互关联特性初始化各目标的航迹。本文采用MATLAB平台对所述算法行了仿真,仿真结果和试验数据证明了本文所提算法的可行性和有效性,具有一定的应用价值。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
微弱点状运动目标论文参考文献
[1].王保柱,艾斯卡尔·艾木都拉.几种典型的微弱点状多运动目标跟踪算法对比研究[J].计算机工程与应用.2009
[2].万一.微弱点状多运动目标检测技术研究[D].新疆大学.2008
[3].陈颖,刘镰斧,李在铭.基于概率数据互联滤波器的序列图像微弱点状运动目标跟踪技术[J].电子学报.2002
[4].陈颖.序列图像中微弱点状运动目标检测及跟踪技术研究[D].电子科技大学.2002
论文知识图
