空间机动目标跟踪的改进自适应IMM算法

针对使用模型似然函数比对传统交互多模型(interacting multiple model, IMM)算法模型转移概率实时修正存在奇异的问题, 基于所提修正函数给出一种改进自适应IMM算法。首先, 将白噪声模型与扩展卡尔曼滤波(extended Kalman filter, EKF)算法结合, 设计了非机动模型EKF1及机动模型EKF2作为IMM算法模型集。其次, 预报模型采用适应椭圆参考轨道的非线性相对轨道动力学方程以提高模型预报精度。最后, 分析了速率量测信息对减小机动目标跟踪峰值误差的作用。仿真结果表明, 改进的模型转移概率自适应IMM-EKF算法跟踪精度明显提高, 且优于比较的现有方法; 引入速率量测信息后, 最大峰值误差及估计精度得到了改善。     

一种基于GVF变形模板的椭圆提取算法

给出一种结合梯度矢量流（GVF）及椭圆变形模板的椭圆提取新算法。普通的动态轮廓算法仅提供局部的连续与正则性约束，虽然使得曲线可以灵活适应各种不同的边缘形状，但也导致轮廓强烈敏感于图像噪声及邻近边缘点，引入全局模型是改善性能的关键。给出一种新的基于椭圆形状约束的变形模板算法，其能量最小化过程也直接在椭圆的参数空间中进行，从而保证了提取结果一定是椭圆；算法与GVF相结合，大大扩展了边缘能量的捕获范围，而不致造成边缘模糊；此外，本算法容许同时提取多个椭圆，且可利用各个椭圆参数及其相关性（例如同心椭圆）等先验知识，从而实现快速、准确、鲁棒的椭圆提取，仿真结果与实际图像应用验证了算法的有效性。     

基于EKF及弹道方程的弹道目标跟踪滤波器设计

针对地面跟踪雷达多目标、低数据率、高跟踪精度要求,提出了基于弹道运动方程的扩展卡尔曼滤波(extended Kalman filter, EKF)算法。建立了导弹被动段精确的质心运动方程,改进了EKF算法,经过与传统的基于常加速模型的EKF算法和基于弹道运动方程的无迹卡尔曼滤波(unscented Kalman filter, UKF)算法比较,验证了基于弹道运动方程的EKF具有低数据率下滤波精度高、计算量小等优点,解决了地面跟踪雷达实际中遇到的问题。     

基于推广卡尔曼滤波的多站被动式融合跟踪

将推广卡尔曼滤波(EKF)算法与集中式融合跟踪算法相结合，用于被动式多站跟踪，给出了基于EKF的被动式多站集中式融合跟踪算法。该算法可解决被动式跟踪系统的可观测性及非线性问题。以三个站进行跟踪为例，进行了仿真研究，结果表明该算法具有满意的跟踪性能。     

基于进化粒子滤波的数据域直接跟踪方法

传统目标跟踪算法首先通过采样信号估计时延或多普勒等参数,然后利用这些参数构成的跟踪方程获得目标运动轨迹,这种两步跟踪模式存在位置信息损失、误差累积等问题,跟踪精度仍有待提高。针对此问题,提出一种利用数据域采样信号,基于时延和多普勒信息的直接跟踪算法。该算法利用多个观测站的接收信号,首先建立一个基于连续时间和多普勒信息的直接跟踪模型;然后基于进化粒子滤波算法,对所提跟踪模型进行迭代求解,提高算法计算效率,实现对运动目标的快速高精度跟踪;最后,针对所提模型,推导了目标直接跟踪的克拉美罗下界(Cramer-Rao lower bound,CRLB)递归求解方法,给出了算法的跟踪误差下限。仿真实验表明,与现有跟踪算法相比,所提算法跟踪精度更高,收敛速度更快,尤其在低信噪比条件下更能逼近CRLB。     

基于IMM算法的机场场面运动目标跟踪

为了实现对机场场面运动目标的精确跟踪,研究了将交互式多模型（interacting multiple model, IMM）滤波算法应用到机场场面监视雷达对运动目标的跟踪中。首先,根据飞机的真实运动情况建立了飞机的匀加速运动、匀速转弯运动及匀速运动模型,然后,利用无迹卡尔曼滤波(unscented Kalman filter, UKF)与IMM相结合的UKF-IMM算法对场面雷达监视的飞机的运动进行了跟踪建模,并将UKF IMM算法与基于扩展卡尔曼滤波（extended Kalmam filter, EKF）的EKF-IMM和基于当前统计模型的单模型跟踪算法进行仿真比较。结果表明,UKF-IMM跟踪算法在雷达场面跟踪方面具有更大的应用价值。     

复杂背景下运动目标分割算法研究

综合运动目标的边缘信息和运动信息,提出一种复杂背景下运动目标的分割算法。在计算光流场时采用各向异性的平滑约束,从而实现了对图像光流场的自适应计算。利用Canny算子检测出的不封闭边缘作为初始信息,根据光流场的连续特性进行边缘生长后可获得对目标的初始分割。对初始分割结果进行边界跟踪,通过保留具有最长边界长度的团块,去掉背景中的杂散噪声,就可获得清楚的分割图。实验证明,该方法能对复杂背景下的运动目标进行准确的分割。     

基于TOA测量的Tn-R型无源雷达目标跟踪算法

针对传统单次无源定位方法对发射站与接收站的布站要求高的缺点,提出了基于到达时间（time of arrival, TOA）测量的Tⁿ-R型外辐射源雷达目标跟踪算法。该算法基于多个发射站获得的目标TOA测量值,采用Levenberg-Marquardt算法快速给出目标位置,然后利用扩展卡尔曼算法（extended Kalman filter, EKF）做滤波跟踪,解决了基本EKF算法的收敛速度慢和受初值影响大、易发散的问题。针对机动目标跟踪,提出了目标机动性判决方法并给出了一种简化的机动目标跟踪方案。针对外场试验数据的实际情况,采用了基于“两发一收”体制的目标跟踪和消除航迹模糊的方法。仿真与外场数据处理均表明,该算法收敛速度快,性能稳定,定位跟踪精度高,可满足实用要求。     

基于鲁棒H∞滤波的多站角度测量机动目标被动跟踪

建立了机动目标的多站被动红外搜索与跟踪（infrared search and tracking, IRST）系统的当前统计模型,基于该模型提出了机动目标跟踪的鲁棒H∞融合滤波算法。该算法将H∞滤波算法和集中融合跟踪算法相结合,对多站IRST测得的目标角度信息进行融合,可解决被动式跟踪系统的可观测性及非线性问题,以实现对目标较高精度的定位和跟踪。以三个观测站进行跟踪为例,对一个高机动目标进行了仿真研究,仿真结果表明,该滤波算法比扩展卡尔曼滤波（extended Kalman filter, EKF）算法有更高的跟踪性能,是IRST系统中一种有效的跟踪算法。     

基于目标运动模型的跟踪方法

针对常用的机动目标模型不能准确描述目标实际运动规律及常用跟踪算法只拟合目标的形心而不是目标轮廓轨迹的问题,提出一种基于目标运动模型的跟踪算法。该算法提取已检测出目标轮廓上的角点作为样本点,采用神经网络来构建目标运动模型,将用此模型预测出的目标轮廓上的点作为主动轮廓线的初始控制点来检测出目标真实轮廓,并反馈回神经网络的输入端来修正模型误差。实验结果表明该跟踪算法能很好地将前续目标检测结果继承到后续的目标检测过程中,对于目标跟踪中的遮挡问题也能很好地解决。     

基于鲁棒统计量的运动检测与目标跟踪策略

提出了一种基于鲁棒统计量的运动检测方法。该方法通过对全局运动的鲁棒估计和对残差进行假设检验的方法来检测运动物体区域。为了消除遮挡效应的影响,提高算法的精度,在检测过程中,利用双向运动估计的方法来对残差进行归一化。在此基础上,提出了一种鲁棒主动轮廓模型,用于跟踪运动物体轮廓,并采用LevelSet方法对该模型进行求解。实际视频的实验结果表明,该方法能够可靠、准确的检测与跟踪运动物体。     

自然场景图像的光流场估计

自然场景图像序列中,物体运动会造成部分背景区域的显露和遮挡,显露和遮挡区域的像素在连续相邻的图像中缺乏对应点,因而传统的光流方法常常在这些区域给出错误的光流估计。图像在采集、传输过程中可能会受到噪声污染,噪声干扰是进行光流场估计必须考虑的另外一个重要问题。为消除显露、遮挡和噪声干扰引起的光流估计误差,采用新的可视矩阵标记图像位置的遮挡、显露、可视三种状态,以此来引导光流场估计,并采用正态概率分布对图像噪声的分布状态进行近似,从而在Bayes框架下建立了自然场景图像光流场估计的数学模型,最后通过迭代方法获得了致密的光流场。采用CAVIAR视频数据对本文算法进行测试并与Negal光流法进行性能对比,结果表明,本文方法具有更好的光流场估计效果。     

基于ICP算法的非合作目标特征点云配准优化

针对视觉测量中非合作目标无法提供合作信息从而引起的位姿测量问题,采用ICP(Iterative Closest Point)算法配准不同时刻获取的点云降采样数据来完成目标的相对位姿测量。利用运动恢复结构算法获取了目标当前时刻的点云数据并比较了基于阈值匹配与光流匹配的特征点匹配算法,利用三角测量法对提取到的特征点进行重建,同时将点云数据进行降采样处理,根据降采样后的点云数据计算出不同时刻目标的相对位姿关系。实验表明当物体发生旋转运动时,对降采样数据利用ICP算法计算得到的目标绕坐标轴旋转角度最大误差不超过0.11º。     

基于位置关系约束的SAR图像与光学图像匹配

SAR图像与光学图像有较大差异,为实现SAR图像与光学图像的匹配,提出了一种新的多子区SAR景象匹配算法。算法依据SAR图像噪声特性,提出了用于SAR图像边缘提取的基于小波包变换的改进断面检测法。匹配中将实时图分为多个子区,由子区灰度标准差和频谱直方图判别其可匹配性,用各子区位置分布关系约束匹配结果。匹配搜索策略为基于提升小波的金字塔分层搜索。用SPOT-5卫星光学基准图进行了大样本实验,实验结果表明了该方法是一种有效的图像匹配方法,具有鲁棒性,并且与中心点匹配方法相比,能为飞行器定位提供更多有效信息。     

基于运动感知的VR体验舒适度研究

针对观众在进行虚拟现实(virtual reality,VR)体验后出现眩晕、恶心等不适的问题，建立一种基于运动感知的VR体验舒适度评估方法。通过对立体VR视频进行稠密光流估计，分析场景中的水平运动和垂直运动计算视频帧速度矩阵，提出了基于帧差法和基于时域的帧加速度特征提取方法，将提取的速度、加速度等运动特征结合支持向量回归算法建立VR体验舒适度评估模型。实验结果表明，基于时域帧加速度特征的评估模型优于基于帧差法的模型，且性能较现有其它模型更接近主观评价值，均方根误差减小到7.0,Pearson相关系数提高到0.955 3。     

序列医学图像三维分割的一种方法

介绍了一种Live Wire和轮廓插值算法相结合的序列医学图像分割算法，在这个算法中又借鉴了活动轮廓模型方法的思想，使得这三种算法有机的结合在一起。并对传统的轮廓插值算法和-Live Wire进行了改进，结合活动轮廓模型方法的思想在重建的轮廓中根据实际图像的局部特征进行了自动收缩。实验表明这种算法能快速准确的从序列医学图像中分割出感兴趣的物体。     

基于高分辨距离像的目标姿态角估计算法

目标的姿态角是目标运动状态的一个重要参数,在目标监控、目标跟踪、目标识别、导弹制导律设计等多个领域都有着很广泛的应用。不同于传统的利用图像传感器得到光学图像估计目标姿态角的方法,针对有翼导弹等弹体目标跟踪应用中的姿态角估计问题,利用高分辨雷达得到的距离像,给出了姿态角估计的流程,提出了基于距离像匹配及运动状态滤波辅助的估计算法,并针对一个导弹末端机动场景实现了姿态角的连续跟踪,验证了本文提出的姿态角估计算法的可行性。