星空背景下小目標(biāo)的跟蹤與識別.pdf

1、隨著現(xiàn)代高科技飛速的發(fā)展,人類的活動空間已不僅僅局限在地球表面及低空區(qū)域,太空以及外太空已被視為兵家必爭之地,能否對它進行有效控制對各個主權(quán)國家安全的意義重大,因此,太空已成為世界各國展示科技的平臺和軍事斗爭的前沿陣地。在這種新的軍事斗爭形式中,基于視覺的空間目標(biāo)監(jiān)視系統(tǒng)起著基礎(chǔ)性和關(guān)鍵性作用?？臻g目標(biāo)監(jiān)視系統(tǒng)的任務(wù)是對重要空間目標(biāo)(特別是非合作目標(biāo))進行精確捕獲、跟蹤與匹配識別,監(jiān)測一些有可能對己方目標(biāo)形成威脅的空間目標(biāo)的各種參數(shù),獲

2、得目標(biāo)的重要特性,從而對監(jiān)測到的目標(biāo)相關(guān)的特征信息進行歸類處理。但天空氣象復(fù)雜多變,特別是在夜空背景下,要實現(xiàn)目標(biāo)的跟蹤與識別比較困難。它涉及到數(shù)字圖像的處理、計算機模式識別、自動化控制和人工智能等許多方面的理論知識,是一個多學(xué)科的、極具挑戰(zhàn)性的前沿課題,是計算機視覺領(lǐng)域中的研究熱點之一。
　　星空背景下運動小目標(biāo)的跟蹤與識別算法是本文研究的重點。本文在前人研究成果的基礎(chǔ)上,對星空背景下的微小目標(biāo)的跟蹤與識別算法進行了一些改進和實

3、現(xiàn),主要工作如下:
　　首先,對于星空背景下微小運動目標(biāo)的檢測,本文根據(jù)星空背景的特點介紹了在恒星定位的基礎(chǔ)上采用RANSAC算法進行圖像配準(zhǔn);同時,為了實現(xiàn)目標(biāo)捕獲,研究了基于混合高斯模型(GMM)的方法對小目標(biāo)進行捕獲的技術(shù);在圖像配準(zhǔn)和捕獲到目標(biāo)的基礎(chǔ)上,最終采用基于kalman濾波的算法對目標(biāo)進行軌跡估計,獲得目標(biāo)運動的軌跡。
　　其次,針對星空背景下近景目標(biāo)的跟蹤,本文研究了基于粒子濾波的跟蹤技術(shù),并提出了一種基于

4、多模型混合的空間目標(biāo)跟蹤技術(shù)。根據(jù)粒子濾波的特點,將粒子濾波運用于星空背景下近景小目標(biāo)的跟蹤,實現(xiàn)了對衛(wèi)星的有效跟蹤。雖然粒子濾波算法可以實現(xiàn)對目標(biāo)的有效跟蹤,但它計算量巨大,所以本文還研究了采用基于仿射變換和粒子濾波的跟蹤技術(shù)來對目標(biāo)進行跟蹤。實驗表明,采用基于多混合模型的跟蹤技術(shù)可以精確的對目標(biāo)進行跟蹤,與采用單模型的方法相比,基于多混合模型的跟蹤技術(shù)大大提高了跟蹤的精度,有效地融合了目標(biāo)的顏色信息和運動信息,成功解決了與目標(biāo)類似顏