导读:本文包含了微弱点状目标论文开题报告文献综述及选题提纲参考文献，主要关键词:叁维时空,实时性,目标运动信息,高斯模型
微弱点状目标论文文献综述
蒲旭敏[1]（2010）在《基于时空搜索的红外微弱点状动目标实时检测技术研究》一文中研究指出红外微弱点状动目标的检测一直以来都是研究的热点,随着信号与信息处理技术的发展,微弱点状动目标的检测技术广泛的用在了军事、气象卫星和医学等诸多领域。但是由于微弱点状动目标淹没在大量的背景杂波和噪声中,而且又没有形状、尺寸和纹理等信息可以利用,因此微弱点状动目标的检测技术变成了红外图像检测研究的难点。目前对目标检测技术可以分成两大类,一类为先检测后跟踪技术DBT,另一类为先跟踪后检测技术TBD。基于单帧检测的DBT技术难以保证微弱点状动目标检测的性能,所以对微弱点状动目标的检测主要使用能通过目标的运动信息来加强目标能量的TBD技术。对于TBD技术的实现有两种方法,一种先将叁维图像序列投影到二维图像中,在投影图像上搜索目标,另一种为直接在叁维时空领域中搜索目标。在目标检测中,前一种方法损失了信息,性能不好,但是计算量小;后者没有损失任何信息,检测性能好,但是计算量大,实时性较差。本文研究的这两种微弱点状动目标检测技术都是在叁维空间中进行,没有投影到二维平面上,没有损失任何信息量;在兼顾检测性能的同时,考虑到了减少检测的计算量,提高检测性能的实时性。本文研究的两种检测技术都是基于叁维时空的TBD过程。第一种检测技术,首先根据目标的运动信息,删减了多余的噪声轨迹,减少计算量,提高检测的实时性,从而构建出候选目标航迹,再通过累加候选航迹上点目标的像素灰度值与检测阈值进行比较,得到候选目标轨迹,再利用后处理剔出虚假轨迹,从红外图像中检测出目标轨迹。第二种是基于似然比函数和恒虚警概率的一种边检测,边删减噪声轨迹的技术,从而减少了计算量,提高了检测的实时性。并使用MATLAB软件完成了这两种算法的实现和软件仿真,理论分析和算法仿真表明了算法的有效性。(本文来源于《新疆大学》期刊2010-05-22）
王保柱,艾斯卡尔·艾木都拉[2]（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[3]（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）
金瑞民[4]（2007）在《基于PDAF_AI的微弱点状动目标跟踪技术研究》一文中研究指出通常,人们对序列图像跟踪系统的研究主要集中在近距离大目标,大信噪比的情况下。然而,近些年来,由于军事上要求不断的提高防御系统性能,使得人们对远距离,低信噪杂波比情况下的微弱点状目标的检测及跟踪技术产生了浓厚的兴趣,使得该课题成为目前的研究热点之一。本论文研究了一种基于目标的初始位置、运动速率以及目标亮度的点状动目标PDAF跟踪技术。此技术以基于TBD技术的多帧检测成功为条件,TBD检测器把多帧检测结果——目标的初始位置、运动速率以及目标亮度传递到跟踪滤波器,跟踪滤波器接收到这些信息后,利用卡尔曼滤波器来预测目标在下一帧的可能的存在区域,再在此区域内进行目标的CFAR检测。由于信噪比很低,可能会出现很多虚假目标,利用已获知的目标初始信息和数据关联技术,确定其中某一个为真实目标,从而达到跟踪目的。本论文推导了概率数据关联滤波器的公式,并用MATLAB对其算法进行了仿真,得到了重要的理论分析和实验结果。(本文来源于《新疆大学》期刊2007-06-02）
艾斯卡尔,陈颖[5]（2005）在《基于时空搜索的红外微弱点状动目标检测技术》一文中研究指出在背景杂波被抑制后的图像序列中,残留样本为相互独立、服从高斯分布的条件下,首先论述了理想叁维时空搜索检测算法,并对其性能进行分析。结果表明,虽然它具有最佳的检测性能,但是由于需要事先知道关于噪声及目标先验知识的缘故,无法进行实际应用。对此,研究了直接利用观测样本来估计噪声及目标的一、二阶矩,从而无须事先知道噪声统计特性的叁维时空搜索检测算法及其详细步骤,推导了二元判决统计量所服从的概率分布函数(结果为t分布),对比分析了算法的检测性能,并给出了理想算法和本算法中共存的问题及其相应的改进方案。此种算法在连续多帧做任意运动的流星、人造卫星以及其他运动目标的光学检测与跟踪中应用广泛。(本文来源于《红外与激光工程》期刊2005年04期）
艾斯卡尔,李在铭[6]（2003）在《最优分布变换与微弱点状动目标检测技术》一文中研究指出研究了微弱点状动目标序列图像观测模型、目标检测模型和最优分布以及最优分布变换。提出了一种基于准优分布变换的微弱点状动目标检测技术。经过变换 ,未知统计分布变为准高斯分布 ,提高了信噪比 ,改造了分布形状 ,获得了有利分布。并将时空叁维搜索简化为沿时间轴投影与二维空域搜索 ,实现了一种快速算法。PC仿真结果与国内外相应文献比较 ,在信噪比、检测概率与虚警概率方面具有更好的性能 ,且算法的实时性好。给出了该算法性能的理论分析和实验仿真结果(本文来源于《系统工程与电子技术》期刊2003年01期）
艾斯卡尔,李在铭[7]（2002）在《红外图像序列中微弱点状动目标的非参数检测》一文中研究指出研究了红外图像序列的观测及目标模型,提出了一种基于多帧的微弱点状动目标非参数检测技术。采用滑动邻域加权预测抑制杂波干扰,白化噪声特性,将时空叁维搜索简化为沿时间轴投影与二维空域搜索,沿可能的轨迹上将目标能量高维集成。相应算法的检测性能对噪声分布不敏感,实时性好,实现简单,具有很高的实用价值。给出了该算法性能的理论分析和实验仿真结果。(本文来源于《仪器仪表学报》期刊2002年S2期）
陈颖,刘镰斧,李在铭[8]（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[9]（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：
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。
（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。
微弱点状目标论文参考文献
[1].蒲旭敏.基于时空搜索的红外微弱点状动目标实时检测技术研究[D].新疆大学.2010
[2].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
[3].万一.微弱点状多运动目标检测技术研究[D].新疆大学.2008
[4].金瑞民.基于PDAF_AI的微弱点状动目标跟踪技术研究[D].新疆大学.2007
[5].艾斯卡尔,陈颖.基于时空搜索的红外微弱点状动目标检测技术[J].红外与激光工程.2005
[6].艾斯卡尔,李在铭.最优分布变换与微弱点状动目标检测技术[J].系统工程与电子技术.2003
[7].艾斯卡尔,李在铭.红外图像序列中微弱点状动目标的非参数检测[J].仪器仪表学报.2002
[8].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
[9].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