1 国防科技大学 航天科学与工程学院, 湖南 长沙 410073
2 国防科技大学 电子科学与工程学院, 湖南 长沙 410073
为了从扫描图像序列中检测弱小运动目标并对其状态参数进行估计, 提出一种基于随机有限集理论的目标联合检测跟踪算法.根据推扫型光学传感器的扫描特性, 建立目标在像平面的运动模型和测量模型.将目标状态和量测数据描述为随机有限集合, 将目标的联合检测跟踪问题建模为目标状态集的贝叶斯最优估计问题, 并依据随机有限集理论推导出贝叶斯滤波的预测和更新表达式.从算法实现的角度, 利用高斯混合技术实现算法的递推滤波.仿真结果表明, 该算法适应杂波的能力强, 对漏检的影响更小, 可以有效完成推扫型光学传感器的目标检测跟踪任务.
推扫型光学传感器 随机有限集 联合检测跟踪 高斯混合 shave-scan optical sensor random finite set joint detection and tracking Gaussian Mixture
1 国防科技大学 电子科学与工程学院, 湖南 长沙 410073
2 北京跟踪与通信技术研究所, 北京 100094
3 中国科学院西安光学精密机械研究所, 西安 710119
构建了马尔可夫随机场自适应邻域系统，并将有形目标检测问题构建为马尔可夫随机场理论框架下背景与目标的二元分类问题.首先分析了影响目标形状的主要因素，归纳总结了典型的目标形状；其次以典型目标形状为模板构建了新的马尔可夫随机场邻域系统；然后构建了自适应邻域选择的代价函数，并基于有限差分算子创建了新的马尔可夫随机场势函数，进行背景与目标的分类判别.由于采用自适应邻域系统，所提算法在保持目标检测率的同时进一步降低了过门限率；比经典马尔可夫随机场邻域系统具有更好的目标形状保护新能.仿真试验结果表明，所提算法不仅具有较好的目标检测性能，而且可更好地保护目标形状的细节信息.
马尔可夫随机场 自适应邻域系统 有形目标检测 红外系统 Markov Random Field(MRF) Adaptive neighborhood system Shape target detection Infrared system
1 国防科技大学电子科学与工程学院, 湖南 长沙 410073
2 北京跟踪与通信技术研究所, 北京 100094
3 中国科学院上海技术物理研究所, 上海 200083
红外复杂背景中的弱小目标检测问题可看作是马尔可夫随机场理论框架下红外图像中背景与目标的二元分类标记问题.基于马尔可夫随机场后验概率模型, 提出利用先验的目标信杂比信息和图像局部统计特性构建观测图像后验概率模型的方法, 并采用经典ICM (Iterated conditional mode)方法对图像最优标记结果进行估计.仿真试验结果表明, 算法在保证目标标记结果准确率的同时, 有效降低了背景的误标记概率; 且由于采用局部统计特性进行建模, 算法有效降低了模型参数与标记结果间的关联性, 提高了最优标记估计的收敛速度.
马尔可夫随机场 局部统计特性 弱小目标检测 标记 Markov random field (MRF) local statistic characteristic dim small target detection labeling
1 国防科技大学电子科学与工程学院, 湖南 长沙 410073
2 北京跟踪与通信技术研究所, 北京 100094
视轴指向校正是红外监视系统目标高精度跟踪定位的重要前提，而扫描相机视轴指向校正又是其中的难点。在分析扫描相机成像模型及其特点的基础上，提出基于失配角估计的视轴指向校正原理模型。通过建立失配角状态转移模型和视轴指向观测模型，并采用无迹卡尔曼滤波器(UKF)，实现了对失配角参数的实时估计和视轴指向的实时校正。仿真结果表明，所提算法对相机视轴指向的校正精度高、性能稳定，可有效提高红外监视系统目标跟踪处理的实时性能和精度。
遥感 视轴指向校正 失配角估计 红外监视系统 跟踪定位
1 北京跟踪与通信技术研究所，北京 100094
2 中国科学院西安光学精密机械研究所，西安 710119
针对天基光学监视应用中空间目标两行轨道根数拟合估计问题，通过引入UT变换和混合状态空间，将简化的常规摄动预测模型嵌入跟踪滤波过程，提出两行轨道根数拟合估计的天基光学混合状态Sigma点卡尔曼滤波方法.仿真结果表明，该方法可利用仅测角观测资料实现对空间碎片等非合作目标的两行轨道根数序贯滤波拟合估计.
双行根数 空间目标 仅测角 跟踪 Two-Line-Elements Space-object Bearing-only Tracking Unscented Transformation(UT) UT
