紅外地面目標(biāo)跟蹤算法的研究.pdf

1、現(xiàn)如今，隨著高科技技術(shù)的不斷發(fā)展，可見光領(lǐng)域的地面目標(biāo)跟蹤識(shí)別技術(shù)已經(jīng)不能滿足在國(guó)防軍事以及民用監(jiān)測(cè)等領(lǐng)域的需求。特別是對(duì)于夜間的地面目標(biāo)跟蹤，可見光對(duì)于目標(biāo)的跟蹤識(shí)別則很難實(shí)現(xiàn)。紅外成像技術(shù)由于能在全天侯進(jìn)行清晰成像顯示，在一些惡劣的天氣狀況下也能有著很好的抗干擾能力，因而得到迅猛發(fā)展，已經(jīng)是精確制導(dǎo)打擊地面目標(biāo)的主要研究方向之一。目前的紅外地面目標(biāo)跟蹤算法還有不足之處，如目標(biāo)跟蹤漂移、目標(biāo)遮擋以及實(shí)時(shí)性不高等問題?；诖耍疚脑趯?duì)一

2、些常用的目標(biāo)跟蹤技術(shù)進(jìn)行研究和探討的基礎(chǔ)上，進(jìn)行了一系列的完善和改進(jìn)。本論文的主要工作如下：
　?。?）介紹了紅外地面目標(biāo)跟蹤技術(shù)的研究背景以及國(guó)內(nèi)外的發(fā)展?fàn)顩r，講述了紅外地面目標(biāo)跟蹤的研究意義。介紹了幾種常用的紅外地面目標(biāo)跟蹤技術(shù)理論以及實(shí)現(xiàn)步驟，討論并分析了這些算法的優(yōu)勢(shì)和不足之處。
　?。?）針對(duì)傳統(tǒng)的壓縮跟蹤算法特征池提取的紋理特征和灰度特征不均勻的情況，引入一種新的隨機(jī)測(cè)量矩陣，獲取目標(biāo)的多種特征，并對(duì)提取的多種特

3、征進(jìn)行加權(quán)處理，以此構(gòu)造目標(biāo)模型，提升了算法跟蹤性能的可靠性。
　　（3）針對(duì)壓縮跟蹤算法在對(duì)紅外地面目標(biāo)跟蹤過程中目標(biāo)跟蹤框不能隨著紅外目標(biāo)尺度大小自適應(yīng)變化的情況，構(gòu)造紅外地面目標(biāo)尺度自適性的改進(jìn)壓縮跟蹤算法。對(duì)紅外地面目標(biāo)發(fā)生遮擋的情況下，采用Kalman濾波算法預(yù)測(cè)紅外目標(biāo)的跟蹤位置，解決了紅外地面目標(biāo)短時(shí)間被遮擋情況下的跟蹤問題。本文通過實(shí)驗(yàn)測(cè)試和對(duì)比分析，證實(shí)了多特征融合的尺度化壓縮跟蹤算法（Improved Comp

4、ressive Tracking，ICT算法）在紅外目標(biāo)跟蹤過程中提高了跟蹤穩(wěn)定性。
　?。?）針對(duì)ICT算法在紅外目標(biāo)變化太大時(shí)跟蹤效果降低的問題，研究了基于TLD（Tracking-Learning-Detection）算法與ICT算法結(jié)合的紅外地面目標(biāo)跟蹤算法，并對(duì)TLD框架中檢測(cè)器模塊加入三幀差分算法，優(yōu)化目標(biāo)搜索區(qū)域，提升了算法的跟蹤速度和跟蹤準(zhǔn)確度。通過實(shí)驗(yàn)測(cè)試，結(jié)果表明本文的算法有效的提升了紅外地面目標(biāo)跟蹤效果，有良