成像導(dǎo)引頭地面目標(biāo)跟蹤技術(shù)研究.pdf

1、成像制導(dǎo)由于其抗干擾能力強(qiáng)、打擊精度高、作戰(zhàn)效費(fèi)比高、攜帶方便等優(yōu)點(diǎn)，在精確制導(dǎo)領(lǐng)域占有十分重要的地位。本文以成像導(dǎo)引頭為背景，以打擊地面靜止目標(biāo)(如機(jī)場(chǎng)、碼頭、島嶼、橋梁、電站、交通樞紐等)和慢速運(yùn)動(dòng)目標(biāo)(水面艦船、坦克等)為目的，研究成像導(dǎo)引頭對(duì)地面目標(biāo)跟蹤的關(guān)鍵技術(shù)。本文主要工作和創(chuàng)新如下：
　　1.提出了一種基于空間-顏色特征的Mean Shift跟蹤算法。針對(duì)傳統(tǒng)的Mean S h ift跟蹤算法采用區(qū)域顏色直方圖統(tǒng)計(jì)作

2、為目標(biāo)特征進(jìn)行跟蹤導(dǎo)致目標(biāo)位置信息流失的問題，將目標(biāo)區(qū)域分成不同區(qū)域，構(gòu)成空間-顏色聯(lián)合特征來描述目標(biāo)；并且引入比常用的Bhattacharyya系數(shù)更加魯棒、更加具有判別力的相似性度量，直接計(jì)算候選目標(biāo)各像素與模板圖各像素的距離和的均值，此相似性度量在原度量基于顏色差別的基礎(chǔ)上考慮了位置的差別，并由此推導(dǎo)了目標(biāo)跟蹤的公式、提出了一種改進(jìn)的Mean Shift算法。實(shí)驗(yàn)結(jié)果證明，本文提出的算法在應(yīng)對(duì)某些剛體、非剛體形變、目標(biāo)尺度變化以及

3、目標(biāo)被遮擋情況時(shí)具有更好的跟蹤效果。
　　2.提出了一種結(jié)合Lucas-Kanade算法的Mean Shift跟蹤算法。由于Mean Shift算法的非參數(shù)估計(jì)特性，原算法得不到目標(biāo)的運(yùn)動(dòng)參數(shù)，導(dǎo)致了目標(biāo)跟蹤精度不高，此外Mean Shift算法不具備模板更新策略，在長(zhǎng)時(shí)間跟蹤后會(huì)出現(xiàn)模板漂移的情況，本文通過引入Lucas-Kanade算法同時(shí)解決了原算法這兩個(gè)問題。首先，采用Mean Shift算法粗略求取目標(biāo)當(dāng)前幀的位置；然后

4、在這一位置鄰域內(nèi)通過Lucas-Kanade算法搜索目標(biāo)兩幀間的運(yùn)動(dòng)參數(shù)；這些運(yùn)動(dòng)參數(shù)用于確定目標(biāo)最終跟蹤位置和判斷是否進(jìn)行模板更新。實(shí)驗(yàn)結(jié)果證明，本文提出的算法相比原算法對(duì)剛體、非剛體形變有更高的精度，跟蹤更具魯棒性。
　　3.提出了一種基于稀疏表示的多子模板跟蹤算法。首先，本文定義了子模板的選取原則，并根據(jù)此原則提出了一種子模板選取的方法；針對(duì)直方圖表示的方法對(duì)光照敏感的缺點(diǎn)，引入了稀疏表示理論對(duì)子模板進(jìn)行描述，擴(kuò)展了算法的應(yīng)

5、用范圍；然后通過構(gòu)造表決表的形式對(duì)目標(biāo)位置進(jìn)行表決；并通過判斷子模板和其對(duì)應(yīng)矩形包括的子目標(biāo)的跟蹤結(jié)果來判斷是否對(duì)子模板進(jìn)行更新，同時(shí)引入子模板各訓(xùn)練模板的比重，來表示各訓(xùn)練模板的貢獻(xiàn)大小，模板更新一共分為兩步：訓(xùn)練模板替換、比重更新。實(shí)驗(yàn)結(jié)果證明，本文提出的基于稀疏表示的多子模板跟蹤算法能夠應(yīng)對(duì)如形變、光照變化、遮擋以及虛假目標(biāo)干擾和背景干擾等挑戰(zhàn)，跟蹤精度較高、適用范圍寬廣。
　　4.提出了一種基于貝葉斯互信息的分布場(chǎng)跟蹤算法

6、。在跟蹤過程中，由于目標(biāo)形變?cè)斐傻奈恢谜`差，光照變化造成的特征信息誤差為跟蹤問題帶來了巨大的挑戰(zhàn)，本文引入了基于分布場(chǎng)的目標(biāo)表示方法以解決該跟蹤難題。在分析分布場(chǎng)原理的基礎(chǔ)上，提出了一種基于貝葉斯互信息框架的相似性度量，用以進(jìn)行實(shí)時(shí)圖和模板圖對(duì)應(yīng)的各特征層之間的匹配，匹配過程中僅僅對(duì)各特征層的顯著性區(qū)域進(jìn)行計(jì)算，是一種基于局部特征的方法，因此能夠較好的應(yīng)對(duì)遮擋問題。隨后設(shè)計(jì)了一種融合各特征層匹配結(jié)果的表決算法用于目標(biāo)跟蹤，并引入遺忘因子

7、進(jìn)行模板更新。實(shí)驗(yàn)結(jié)果證明，本文提出的基于貝葉斯互信息的分布場(chǎng)跟蹤算法能夠應(yīng)對(duì)某些情況的形變、光照變化、部分遮擋、完全遮擋以及復(fù)雜背景干擾，跟蹤精度高、適用范圍廣。
　　5.對(duì)成像導(dǎo)引頭采集視頻進(jìn)行了跟蹤實(shí)驗(yàn)驗(yàn)證。在跟蹤算法完成室內(nèi)測(cè)試后，為充分檢驗(yàn)導(dǎo)引頭的作戰(zhàn)效能，還需通過模擬彈上環(huán)境，進(jìn)一步測(cè)試算法性能。本文采取兩種方法來模擬：一是通過導(dǎo)引頭室外采集視頻，模擬彈上的震動(dòng)環(huán)境、并考察野外場(chǎng)景天氣、溫度等因素對(duì)算法的影響；二是通過