基于稀疏表示的小弱運動目標跟蹤算法研究.pdf

1、紅外小弱目標的檢測與跟蹤技術被廣泛應用于紅外制導和預警、視頻監(jiān)控、醫(yī)學探測等領域。研究在低信噪比條件下的紅外小弱目標跟蹤的新方法具有重要的軍事和社會價值。近年來，圖像稀疏表示理論在信號表示中的簡潔性和高效性，備受廣泛關注。它采用冗余的超完備字典代替?zhèn)鹘y(tǒng)的傅里葉變換、小波變換等基于數(shù)學基函數(shù)構造的信號表示方法，在超完備字典中尋找到最少的原子對信號進行最佳表示，有利于目標識別。
　　本文基于信號稀疏表示理論對紅外小弱目標的跟蹤技術進行

2、了深入研究，取得的研究成果主要有：
　　①提出了一種基于內容的字典學習方法來構建能準確表示小弱目標形態(tài)的自適應形態(tài)成份超完備字典，并比較了Gabor超完備字典、高斯字典、自適應形態(tài)成份字典在小弱目標稀疏重構信號的稀疏表示能力。實驗結果表明，自適應形態(tài)成份字典包含了更多各種形態(tài)的目標原子，更有利于重構小弱目標信號。
　?、谔岢隽艘环N基于自適應在線分類的超完備字典小弱目標檢測方法。挖掘目標信號和雜波噪聲在高斯超完備字典中稀疏表示

3、的差異性，提出利用高斯超完備字典對自適應形態(tài)成份字典的原子進一步在線自動分類，構造了自適應的在線分類超完備字典，即目標超完備字典和背景超完備字典，增強了目標與背景的特征差異。然后利用信號分別在目標字典和背景字典中的重構殘差能量差異性原理檢測出小弱目標信號，提高了小弱目標檢測算法的準確性。
　?、墼诹Ｗ訛V波框架下提出了一種基于自適應稀疏表示的小弱目標跟蹤算法。該算法建立了基于在線分類字典的小弱目標的稀疏分類表示觀測模型，利用粒子目標