导读:本文包含了点状运动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:图像处理,红外弱点状目标,形态学滤波,图像缩放,目标检测
点状运动目标论文文献综述
武文成,艾斯卡尔·艾木都拉[1]（2019）在《基于时空的弱点状运动目标检测技术》一文中研究指出如何在复杂背景下持续有效地检测目标位置,一直是研究者们需要面对的主要挑战。本文在研究红外点状移动目标特征的基础上,根据目标无纹理,无形状的特性,提出一种改进的形态学目标增强算法,并利用目标连续时空不变性检测目标。首先,建立多尺度的图像金字塔,在每层上采用改进的形态学算法快速、粗糙定位小目标。然后进一步的根据目标在时空上的位置相关性,提出基于目标运动特征分析的精确检测方法。得到精确稳定的检测结果。最后实验结果表明与经典的形态学检测算法及其他算法相比,该技术能更有效地检测弱小目标,具有更高的鲁棒性。(本文来源于《激光与红外》期刊2019年05期）
艾斯卡尔·艾木都拉,王保柱[2]（2010）在《弱点状多运动目标实时跟踪技术研究》一文中研究指出根据确认的众多量测和众多目标跟踪窗之间的几何关系,引入确认矩阵并计算所有联合事件及其对应的参数,不论量测是否落入跟踪窗相交区域,根据JPDA算法计算每一个量测与其可能的各个源目标之间互联的概率。将互联的概率与Kalman滤波器相结合从而完成对每一个目标的预测和更新。理论及实验结果表明,该算法适用于序列图像密集杂波环境下的全程跟踪,并取得了一定的理论和仿真结果。(本文来源于《计算机工程与应用》期刊2010年17期）
康玲,艾斯卡尔·艾木都拉,贾振红[3]（2010）在《基于改进PDA的弱点状多目标交叉运动跟踪算法》一文中研究指出采用独立跟踪区域的划分和公共量测点数据的去藕聚类技术,将原本只适用于单目标跟踪的概率数据关联(PDA)算法改造成能够在强杂波环境中跟踪多个点状目标交叉运动的情况。该算法比传统基于JPDA(联合数据关联)的多目标跟踪算法的计算量和复杂度都小。仿真试验表明,该跟踪算法具有高精度的跟踪性能。(本文来源于《计算机工程与应用》期刊2010年11期）
廉兴科,艾斯卡尔·艾木都拉[4]（2009）在《点状交叉运动目标的概率关联复合跟踪算法》一文中研究指出在序列图像情况下,采用降维处理技术在二维空间中通过基于TBD的多帧检测算法获得了众多目标可靠的初始信息。而后,为了提高检测算法的实时性,采用了单帧检测技术:当跟踪窗(单帧图像中目标可能的出现区域)内目标轨迹未交叉时,对每个目标分别用PDA算法进行跟踪;当跟踪窗内出现轨迹交叉时,则使用改进的分层搜索JPDA算法进行跟踪。给出了MATLAB仿真试验及其结果。结果分析表明,PDA和JPDA这两种算法的联合使用在点状多目标跟踪领域具有良好的实时性和很高的跟踪性能。(本文来源于《计算机工程与应用》期刊2009年20期）
王保柱,艾斯卡尔·艾木都拉[5]（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）
于伟俊,艾斯卡尔,罗万福[6]（2008）在《基于位置和速度的点状运动目标Bayes跟踪》一文中研究指出采用结合概率数据关联的卡尔曼滤波方法,研究一种基于位置、速度信息的微弱点动目标Bayes跟踪技术。其关键是在跟踪区域检测时,检测器以Basyes模式进行工作,检测门限随目标先验概率比变化。提出一种新的门限计算方法。与基于恒虚警概率准则的跟踪技术相比,跟踪过程中检测到的虚警目标明显减少,仿真结果验证了该算法的实时性与精确性。(本文来源于《计算机工程》期刊2008年22期）
张慧娟[7]（2008）在《基于PDAF的点状多运动目标实时跟踪技术研究》一文中研究指出弱点状运动目标的跟踪问题以其越来越多的应用成为当今学术界研究的热点。它是多学科、多部门、多领域所共同关心的高层次关键技术,但也是这个领域的难点,它存在着信噪比低、可用信息少等问题,给目标跟踪带来了困难。本文首先对微弱点状目标跟踪的概念、基本原理、研究意义、国内外研究现状、当前研究重点和发展方向,作了较为系统的介绍。并且研究了信息融合的基本理论、功能和主要算法等。在此基础上,将经典的卡尔曼滤波和信息融合技术结合起来,设计了叁次数据融合过程:基于距离测度的第一次数据融合、基于曲率约束的第二次数据融合、基于平滑匹配概率的第叁次数据融合。以此提高跟踪精度,解决了跟踪窗相互重迭部分的数据关联问题,实现了基于卡尔曼滤波的点状多目标跟踪系统。本文采用MATLAB平台对所述算法行了仿真,实验证明,该算法结构简单、实时有效,尤其适合于在原有PDAF单目标跟踪系统上的扩充。(本文来源于《新疆大学》期刊2008-05-23）
万一[8]（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）
周艳[9]（2007）在《基于CFAR和概率数据关联的点状运动目标跟踪技术性能分析》一文中研究指出近些年来,由于军事上要求不断提高防御系统性能,使得人们对远距离,低信噪杂波比(SNCR)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,该课题也成为目前的研究热点之一。在低信噪杂波比(SNCR)条件下,微弱点状运动目标的检测与跟踪在图像处理、遥感、雷达监视、机器人学和医学等很多领域中很重要而且非常具有挑战性。本文首先介绍了微弱点状运动目标检测与跟踪系统原理,并指出了其中的关键技术及不同方法的优缺点,然后在恒虚警率(CFAR)准则下,描述了微弱点状运动目标的跟踪算法,接着重点对PDAF跟踪及PDAF-AI跟踪两种情况分别做了实验,并对实验结果做了比较,最后做了性能分析。为了更直观地看出PDAF-AI与PDAF的跟踪性能,又对本算法做了蒙特卡罗实验,实验结果与理论相符,证明了本文算法的有效性和可行性,最后对全文作出总结与展望。(本文来源于《新疆大学》期刊2007-06-02）
吴剑英[10]（2006）在《含有点状运动目标图像序列中的背景杂波抑制技术研究》一文中研究指出通常,微弱点状运动目标总是隐藏在强背景下,由于背景杂波的强度比传感器内部噪声及目标亮度大得多,而且往往不知道其统计特性,直接检测和跟踪目标是很困难的,强杂波因此成为目标检测中的一大障碍。所以杂波抑制在目标检测过程中占非常重要得地位。在图像处理中,我们通常是通过摄像机获得原始的图像序列的。很多情况下摄像机安装在运动平台上,由于由摄像机颤动引起的全局运动是在图像序列中普遍存在的,这个因素在图像中将产生平移,旋转以及视差畸变等后果。全局运动对动目标检测带来了较大的负面影响,增加了图像处理的复杂度。所以,图像校正过程也就成了在运动分析和分割中关键而不可分割的一部分。论文中详细介绍了全局运动估计与补偿的系统结构、关键技术。并重点研究了一种基于回归分析的图像全局运动估计与补偿技术,它首先利用光流场法估计局部图像背景点的速度场,然后利用鲁棒的迭代排除法估计图像传感器的全局运动模型参数,再利用估计出来的全局运动参数对图像进行双线性内插运动补偿。这种技术具有计算量少,实现简单,性能可靠等优点。图像全局运动加以补偿后,图像背景只是相对静止的。而由于背景杂波的存在会使检测器性能恶化。所以进一步抑制图像背景杂波技术在构造高效检测器中是极其重要的。本文还研究了一种小波回归估计法,并详细描述了非参数回归如何将原始传感器数据变换成“信号加噪声”模型。另外,杂波抑制后,残留噪声的高斯性和独立性通过Kendall秩相关法和计算Friedman统计量的方法来进行了验证。其结果表明此技术路线的有效性和可行性。(本文来源于《新疆大学》期刊2006-06-30）
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：
根据确认的众多量测和众多目标跟踪窗之间的几何关系,引入确认矩阵并计算所有联合事件及其对应的参数,不论量测是否落入跟踪窗相交区域,根据JPDA算法计算每一个量测与其可能的各个源目标之间互联的概率。将互联的概率与Kalman滤波器相结合从而完成对每一个目标的预测和更新。理论及实验结果表明,该算法适用于序列图像密集杂波环境下的全程跟踪,并取得了一定的理论和仿真结果。
（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。
点状运动目标论文参考文献
[1].武文成,艾斯卡尔·艾木都拉.基于时空的弱点状运动目标检测技术[J].激光与红外.2019
[2].艾斯卡尔·艾木都拉,王保柱.弱点状多运动目标实时跟踪技术研究[J].计算机工程与应用.2010
[3].康玲,艾斯卡尔·艾木都拉,贾振红.基于改进PDA的弱点状多目标交叉运动跟踪算法[J].计算机工程与应用.2010
[4].廉兴科,艾斯卡尔·艾木都拉.点状交叉运动目标的概率关联复合跟踪算法[J].计算机工程与应用.2009
[5].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
[6].于伟俊,艾斯卡尔,罗万福.基于位置和速度的点状运动目标Bayes跟踪[J].计算机工程.2008
[7].张慧娟.基于PDAF的点状多运动目标实时跟踪技术研究[D].新疆大学.2008
[8].万一.微弱点状多运动目标检测技术研究[D].新疆大学.2008
[9].周艳.基于CFAR和概率数据关联的点状运动目标跟踪技术性能分析[D].新疆大学.2007
[10].吴剑英.含有点状运动目标图像序列中的背景杂波抑制技术研究[D].新疆大学.2006