改进粒子滤波的弱小目标跟踪
【中科院光电所光电探测与信号处理研究室】


        随着光电技术的飞速发展,成像探测系统被广泛应用于导航、天文目标轨道跟踪等领域。弱小目标的跟踪技术是成像探测系统的重点研究方向之一,算法跟踪性能的好坏直接影响系统的远距离探测能力。从成像探测系统的两个应用背景来看,弱小目标跟踪方面面临的难点主要有两个:1) 航空导航是成像探测系统最早也是最成功的应用领域,由于航空器与成像系统距离较远,目标在成像平面上仅占有几个像元,加上成像系统接收到的目标辐射强度很弱,且易受各种噪声杂波的干扰。2) 天文目标轨道跟踪也是成像探测系统的一个重要应用。在天文观测时,由于目标强度较弱,基本上被噪声所淹没,信噪比低。目标出现的时刻、位置、目标大小和运动速度均未知,又无纹理等特征可以利用,同时由于天文图像数据量大,及时有效地处理这些海量数据需要借助于图像处理、数据挖掘、信号处理等信息处理技术。上述的应用领域,由于各种客观因素的存在将导致目标易被背景杂波淹没,因此弱小目标跟踪算法的好坏将直接决定光电成像系统的有效作用距离。为此,本文考虑到粒子滤波能较好地解决非线性和非高斯场景,将其引入算法,并进行改进,使其对弱小目标的跟踪更加稳定。

        中国科学院光电技术研究所光电探测与信号处理研究室的研究团队致力于光电成像目标的检测与跟踪算法的研究。针对低信噪比(SNR<3 dB)场景下弱小目标跟踪问题,课题组提出了改进的粒子滤波跟踪方法。本文首先通过空间位置加权的方式来获取灰度特征,并将邻域运动模型和灰度概率图相结合来获取弱小目标运动特征,然后构建灰度与运动特性的联合观测模型来计算粒子权值。同时在跟踪过程中考虑到目标的灰度分布特性并不稳定,加入了自适应更新参考目标灰度模板的策略,最后采用几组真实场景来验证本文算法的跟踪效果。实验证明,和传统算法相比,本文算法增强了低信噪比场景下红外弱小目标跟踪能力。近两年本课题组取得的最新研究成果包括基于L1-L0的生物活体组织图像的自动分割与分析技术,管径自适应的时空域滤波的弱小目标检测算法,序列图像局部能量极大值的弱小目标检测算法,样本自适应免疫遗传粒子滤波弱小目标跟踪算法,改进粒子滤波弱小目标跟踪等,相应的内容发表在《Biomedical Optics Express》和《Infrared Physics and Technology》等国际知名期刊上。
 

 
跟踪结果图。(a) 第1帧;(b) 运动模型图;(c) 跟踪图


研究团队简介
中国科学院光电技术研究所光电探测与信号处理研究室简介:本课题组主要的研究方向包括基于机器学习及深度学习技术的图像处理与分析,复杂场景下各类目标的智能识别、检测、高精度跟踪定位技术,基于神经科学和信息科学相结合的智能机器学习方法研究,高速并行嵌入式信息处理系统结构设计,实时图像处理与算法优化,构建目标探测、识别、跟踪一体化的仿真和评估平台等。研究队伍主要包括30多名正\副高职称的研究人员和20多名博士\硕士研究生。目前课题组在相关领域参与、承担并完成了多项国家973、863、院部级、预研项目的研究与研制工作。迄今在国内外学术期刊发表20多篇SCI/EI,共发表学术论文60余篇,申请国家发明专利几十件,已授权多项。

相关论文
樊香所, 徐智勇, 张建林. 改进粒子滤波的弱小目标跟踪[J]. 光电工程, 2018, 45(8): 170569.
DOI: 10.12086/oee.2018.170569