復(fù)雜背景下運動小目標的檢測與跟蹤.pdf

1、運動目標的檢測與跟蹤一直是圖像處理和人工智能領(lǐng)域中研究的熱點和重點方向，隨著目標檢測的場景和情況變化越來越復(fù)雜，目標檢測的需求越來越高，檢測技術(shù)的研究不斷深入，針對特定條件下目標的檢測策略和檢測算法成為研究熱點，復(fù)雜背景下小目標的檢測與跟蹤就是其中一類重要的研究問題。近些年來，復(fù)雜背景下小目標的檢測與跟蹤在軍事攔截、安全監(jiān)測、生物探測等多方面都有研究和應(yīng)用。
　　論文對小目標圖像的單幀檢測技術(shù)和多幀序列圖像目標檢測與跟蹤技術(shù)進行研

2、究，在對目前復(fù)雜背景下小目標的檢測方法進行研究的基礎(chǔ)上，分析比較了高通濾波、形態(tài)學濾波、分層閾值化濾波及小波變換、神經(jīng)網(wǎng)絡(luò)濾波等各種經(jīng)典算法的檢測效果和丟失目標的原因，提出了一種相互補充的單幀檢測算法，采用兩級空間濾波與分層閾值檢測加權(quán)結(jié)合的方法。該方法既保證了背景濾波的效果，又保證了小目標在低信噪比的情況下被錯誤濾除掉。而在多幀跟蹤檢測步驟中，加入卡爾曼運動信息預(yù)測機制，改進了管道濾波的在小目標運動變化情況下丟失目標的問題。管道濾波在