復(fù)雜背景下空面目標視頻跟蹤方法及實驗系統(tǒng)研究.pdf

1、復(fù)雜背景下的空面目標跟蹤技術(shù)是現(xiàn)代機載光電系統(tǒng)的關(guān)鍵技術(shù)之一。機載傳感器對地面目標成像時因背景的復(fù)雜性、差異性、光照條件變化,以及運動目標的機動性、隱身性、低信噪比、遮擋或不連續(xù)性,或因機載平臺的不穩(wěn)定性、觀測相對位置變化較大等特點,通常在機載復(fù)雜背景條件下,難以實現(xiàn)對地目標持續(xù)、穩(wěn)定、可靠的跟蹤。
　　可見光成像時地面目標的細節(jié)信息較為豐富,但是目標主體因遮擋、隱身可能產(chǎn)生全部或者局部信息丟失;紅外系統(tǒng)成像時目標主體較為清晰,但

2、在紋理、顏色等細節(jié)上則不如可見光成像效果好。本文從可見光單傳感器跟蹤及紅外/可見光融合跟蹤兩條技術(shù)路線,利用機載光電吊艙配置的可見光及紅外傳感器,發(fā)揮兩類成像傳感器的各自優(yōu)缺點,提出了復(fù)雜背景下空面目標基于可見光單傳感器跟蹤以及基于紅外/可見光圖像的融合跟蹤方法。
　　論文主要工作和創(chuàng)新點:
　　(1)在可見光單傳感器的情況下,對經(jīng)典跟蹤方法 Camshift算法進行了改進。在原算法只選用單一顏色特征的基礎(chǔ)上加入了目標的紋理

3、、運動特征,并結(jié)合了點跟蹤中的經(jīng)典算法Kalman濾波,用“點”、“面”結(jié)合的方式提高跟蹤效果。
　　(2)針對紅外及可見光傳感器各自的優(yōu)缺點,提出了多傳感器融合跟蹤方法來提高復(fù)雜背景下的跟蹤效果。本文分別從圖像融合的像素級、特征級和決策級提出了各自的融合跟蹤框架。
　　(3)在實驗室環(huán)境下設(shè)計并實現(xiàn)了一套機載跟蹤模擬與仿真系統(tǒng),開發(fā)了機載跟蹤模擬系統(tǒng)軟件平臺,用以模擬生成機載對地觀測時的紅外/可見光圖像,并驗證了本文提出的