导读:本文包含了红外目标跟踪论文开题报告文献综述及选题提纲参考文献，主要关键词:红外探测,目标跟踪,相关滤波,自适应
红外目标跟踪论文文献综述
吕坚,邓博,阙隆成[1]（2019）在《复杂红外地面环境下的稳定目标跟踪方法》一文中研究指出针对红外目标相关滤波跟踪过程中由于背景杂波干扰、目标遮挡和目标形变等情况导致的鲁棒性差甚至跟踪目标丢失的问题,提出一种融合跟踪-学习-检测方法和相关滤波理论的红外目标跟踪算法.该算法在传统相关滤波框架基础上,融合目标的方向梯度直方图特征和亮度直方图特征,改善了目标轻微形变导致的模型漂移问题.针对背景杂波和遮挡导致的多峰值响应问题,对目标背景区域的相关响应进行惩罚,建立目标和背景响应的多模态检测机制,实现目标由粗到精的定位,并采用自适应的学习率优化跟踪模型的漂移问题;针对目标被严重遮挡或脱离视野的问题,通过全局目标再检测,实现目标的重捕.实验结果表明,在复杂红外地面环境下,该算法有效地解决了相似目标干扰和目标被严重遮挡导致的目标丢失问题.基于OTB-2015视频基准序列和红外视频序列测试,对比多个主流的相关滤波跟踪算法,该算法在跟踪精度和成功率方面较长时相关滤波跟踪算法分别提升了5.6%和4.1%;在目标遮挡指标测试中,该算法在跟踪精度和成功率方面相较长时相关滤波跟踪算法分别提升了4.6%和6.1%.(本文来源于《光子学报》期刊2019年10期）
钱琨,杨俊彦,余跃,赵东,荣生辉[2]（2019）在《基于卷积特征选择的红外目标跟踪》一文中研究指出对红外图像中的目标跟踪时,复杂的背景信息以及目标像素数较少等因素增加了红外目标跟踪难度,目标区域的图像块缺乏特征信息使得普通跟踪算法较易产生跟踪偏移问题。为解决此问题,提出了一种基于粒子滤波框架下的卷积特征选择的红外目标跟踪算法。首先,在初始目标块上提取少量图像块作为滤波器,进而获得表征能力更强的卷积特征。然后,采用在线提升算法对该特征进行选择,增加跟踪算法的精度和执行效率。最后,将贝叶斯分类器的响应作为粒子权值估计出目标状态。实验结果验证了所提算法的跟踪性能优于其他几种传统算法。(本文来源于《强激光与粒子束》期刊2019年09期）
娄康,朱志宇,葛慧林[3]（2019）在《基于目标运动特征的红外目标检测与跟踪方法》一文中研究指出为了提高红外目标检测与跟踪的速度和准确率,该文提出了一种基于红外弱小目标运动特征信息的检测与跟踪方法。方法主要分为目标运动特征检测和目标轨迹预测跟踪两个方面。目标检测方面,通过背景帧差分法将图像分割为前后景,形态学运算后在每一帧的前景中对红外弱小目标进行检测,并记录下候选目标。目标跟踪方面,通过卡尔曼滤波对红外目标轨迹进行预测,计算目标轨迹质心位置与目标实际位置欧式距离,通过匈牙利算法以欧式距离为权重对目标实际轨迹与预测轨迹进行分配,如果分配的结果超过一定阈值将会被重新分配。最终通过MATLAB,在公开的数据集上,仿真验证了该文算法在基本满足实时检测的要求下,仍然可以有效地提高红外弱小目标的检测与跟踪效果。(本文来源于《南京理工大学学报》期刊2019年04期）
胡阳光,肖明清,张凯,王晓柱,段耀泽[4]（2019）在《传统特征和深度特征融合的红外空中目标跟踪》一文中研究指出新型红外诱饵的出现,对传统红外成像空空导弹作战效能的发挥造成了严峻挑战。近年来深度学习研究进展迅速,有力促进了目标跟踪领域的发展。以多域学习网络框架为基础,引入传统特征长宽比和均值对比度,将深度特征与传统特征融合在一个跟踪框架中,解决了单一特征在目标跟踪中无法有效对抗面源等复杂干扰的问题。为了评估算法性能,分别在仿真序列和实拍图像序列上进行了测试。实验结果表明,所提出算法的跟踪精度和鲁棒性优于目前经典的跟踪算法,是一种具有较强适应性的红外空中目标跟踪方法。(本文来源于《系统工程与电子技术》期刊2019年12期）
宋建锋,苗启广,申猛,权义宁,陈毓生[5]（2019）在《多特征融合的相关滤波红外单目标跟踪算法》一文中研究指出针对红外单目标跟踪问题,提出一种多特征的相关滤波目标跟踪算法。该算法融合了图像的卷积特征和差分特征,使用卷积特征和差分特征分别训练相关滤波模型。在跟踪阶段,对两种特征的相关滤波模型得到的响应图动态融合,利用动态融合的响应图来确定目标的最终位置,使用得到的目标位置分别更新相关滤波模型。在林雪平热红外数据集上进行了实验验证,与一些经典的跟踪算法进行了对比,表明该算法拥有更高的跟踪准确率。(本文来源于《西安电子科技大学学报》期刊2019年05期）
武文成,艾斯卡尔·艾木都拉[6]（2019）在《基于在线集成学习的红外点目标跟踪研究》一文中研究指出通过研究红外点目标特征,提出了一种基于在线集成学习的红外点目标跟踪算法,在跟踪过程中调整分类器,具有较强的鲁棒性。同时,由于红外点目标只有灰度信息、无纹理、无形状。选择最具辨别红外点目标的MS-LSGM算法计算特征,从而产生稳定的跟踪结果。实验结果证明,在复杂多变的背景下,方法具有较好的鲁棒性,实时性。(本文来源于《山西大学学报(自然科学版)》期刊2019年04期）
王晓田,马万超,张凯,李少毅,闫杰[7]（2019）在《面向自动目标跟踪红外图像序列复杂度度量》一文中研究指出红外图像复杂度度量是自动目标识别及其跟踪性能评估的重要组成部分。传统的度量指标如统计方差、信杂比等针对的皆是单帧图像,而对于图像序列复杂度度量的研究寥寥无几。针对该问题,提出一种面向自动目标跟踪的红外图像序列复杂度度量方法。首先,对影响目标识别及其跟踪因素进行分析,明确了红外图像序列中影响目标识别及其跟踪的具体原因,以此为依据构建基于特征空间的目标混淆度和目标遮隐度指标;其次,通过灰色关联法优化特征空间,使目标混淆度和目标遮隐度指标更加合理;最后,结合识别与跟踪的特点,选择合适的加权平均函数和非线性变换函数,实现图像序列复杂度度量。实验表明,与图像序列评价指标如序列相关度、帧间目标变化度相比,文中提出的评价指标与跟踪误差的单调关系更好,是一种有效的图像序列复杂度评价标准。(本文来源于《西北工业大学学报》期刊2019年04期）
易欣,郭武士,赵丽[8]（2019）在《热红外图像序列中基于KCF和Mean-Shift定位的目标跟踪方法》一文中研究指出针对热红外图像低信噪比(SNR)特性,提出了一种判别式热红外目标跟踪方法。首先,通过自适应组合核化相关滤波器(KCF)来获取目标位置,使用最有区别的特征集梯度和信道编码强度特征训练滤波器;然后,将经过训练的滤波器与感兴趣区域相关联,并将输出响应自适应地组合在一起,基于峰值定位目标。使用AdaBoost分类器对包含目标像素和背景像素的图像块进行训练,以分割连续帧中的对象;最后,通过Mean-Shift均值漂移算法寻找峰值以获得最优位置。对LTIR数据集中13个具有挑战性的红外视频进行了实验,结果显示提出的跟踪器在平均中心位置误差、距离精度和重迭精度等方面均优于其他跟踪器。(本文来源于《重庆理工大学学报(自然科学)》期刊2019年08期）
陈星,李战武,胡晓东[9]（2019）在《杂波环境下雷达/红外数据融合目标跟踪算法的研究》一文中研究指出在杂波环境中,利用雷达/红外传感器跟踪机动目标的背景下.针对传统的概率数据关联理论在解决量测中多个目标回波以及数目等问题方面的不足,提出了一种基于交互式多模型和多传感器多检测概率数据关联的融合算法(IMM/MS-MDPDAF). IM M算法具有适应目标高机动和杂波环境的能力,M S-M DPDAF算法能够检测到多个有效目标回波,考虑了杂波环境下的多种不确定性.依据雷达传感器的多重检测模式对目标进行有效量测以及状态向量的更新,再通过数据融合和概率数据关联理论在贝叶斯框架下进行相应的概率计算和状态预测、估计和更新,从而实现对机动目标的连续估计.仿真结果表明,IMM/M S-M DPDAF算法能够提高目标跟踪的有效性和跟踪精度,具有比IM M/M SPDAF更好的跟踪性能.(本文来源于《小型微型计算机系统》期刊2019年08期）
兰轶,杨澜[10]（2019）在《红外图像目标跟踪在智能网联汽车的应用研究》一文中研究指出过去采用数据融合方法进行的汽车目标跟踪,未对目标图像信息有效处理,图像噪声影响较强,无法准确的对目标实施识别和跟踪,研究红外图像目标跟踪在智能网联汽车的应用过程,采用红外图像成像原理获取智能网联汽车的目标红外图像,通过滤波降噪、图像增强和图像分割操作降低红外图像的噪声、增强目标与背景对比度,实现目标与红外图像背景的有效分割;在此基础上,采用均值漂移目标跟踪算法,在新的红外图像中确定目标待选位置,并确保描述目标直方图与备选目标直方图概率分布相似度的巴氏系数最大,实现智能网联汽车对目标的准确跟踪。实验结果说明,红外图像目标跟踪在提升智能网联汽车目标识别结果上有显着作用,识别简单场景和复杂场景目标的正确率分别为0. 966和0. 565,都高于数据融合方法,且目标跟踪效率高。(本文来源于《激光杂志》期刊2019年07期）
红外目标跟踪论文开题报告
（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：
对红外图像中的目标跟踪时,复杂的背景信息以及目标像素数较少等因素增加了红外目标跟踪难度,目标区域的图像块缺乏特征信息使得普通跟踪算法较易产生跟踪偏移问题。为解决此问题,提出了一种基于粒子滤波框架下的卷积特征选择的红外目标跟踪算法。首先,在初始目标块上提取少量图像块作为滤波器,进而获得表征能力更强的卷积特征。然后,采用在线提升算法对该特征进行选择,增加跟踪算法的精度和执行效率。最后,将贝叶斯分类器的响应作为粒子权值估计出目标状态。实验结果验证了所提算法的跟踪性能优于其他几种传统算法。
（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。
红外目标跟踪论文参考文献
[1].吕坚,邓博,阙隆成.复杂红外地面环境下的稳定目标跟踪方法[J].光子学报.2019
[2].钱琨,杨俊彦,余跃,赵东,荣生辉.基于卷积特征选择的红外目标跟踪[J].强激光与粒子束.2019
[3].娄康,朱志宇,葛慧林.基于目标运动特征的红外目标检测与跟踪方法[J].南京理工大学学报.2019
[4].胡阳光,肖明清,张凯,王晓柱,段耀泽.传统特征和深度特征融合的红外空中目标跟踪[J].系统工程与电子技术.2019
[5].宋建锋,苗启广,申猛,权义宁,陈毓生.多特征融合的相关滤波红外单目标跟踪算法[J].西安电子科技大学学报.2019
[6].武文成,艾斯卡尔·艾木都拉.基于在线集成学习的红外点目标跟踪研究[J].山西大学学报(自然科学版).2019
[7].王晓田,马万超,张凯,李少毅,闫杰.面向自动目标跟踪红外图像序列复杂度度量[J].西北工业大学学报.2019
[8].易欣,郭武士,赵丽.热红外图像序列中基于KCF和Mean-Shift定位的目标跟踪方法[J].重庆理工大学学报(自然科学).2019
[9].陈星,李战武,胡晓东.杂波环境下雷达/红外数据融合目标跟踪算法的研究[J].小型微型计算机系统.2019
[10].兰轶,杨澜.红外图像目标跟踪在智能网联汽车的应用研究[J].激光杂志.2019