复杂背景下基于人类视觉机制和粒子滤波的红外弱小目标检测和跟踪方法

This project combines the mechanism of Human Visual System(HVS) with particle filter in order to overcome the detection difficulty and improve tracking precision, robustness and realtime performance of infrared dim small target, including: .1) Detect the saliency map of moving infrared dim small target with attention mechanism and contrast mechanism of Human Visual System to improve detection precision..2) A kind of adaptive updating method of object template is proposed using learning and memory mechanism of Human Visual System for infrared dim small target tracking. .3) Applying sparse clustering resampling, stratified sampling with the combination of saliency observation model and eigenspace observation model and the gravity optimization method to resolve the problem of huge calculation amount and particle degeneracy, and improve tracking performance of particle filter..4)Elliptical region covariance matrix descriptor is used for object modeling which can captures scale and angle change of object better. The state model of object is constructed on Riemann, samples are obtained on manifold geodesic, the particle filter on Riemann manifold with lower dimension is researched to realize online leaning for object appearance, providing a new idea to overcome dimension disaster and particle degeneracy and improving the efficiency and robustness of the tracking algorithm.

本项目将人类视觉系统的各种机制与粒子滤波相结合，试图解决复杂背景下红外弱小目标检测困难，跟踪精度低，跟踪鲁棒性、实时性不高等难题，研究内容包括：.1）应用人类视觉系统的注意机制和对比机制，从红外图像中检测出包含运动目标的显著性图，提高复杂背景下红外弱小目标的检测精度；.2）借鉴人类视觉系统的学习和记忆机制，提出一种用于红外弱小目标跟踪的目标模板自适应更新方法；.3）采用稀疏化聚类重采样、显著性观测模型与本征空间观测模型相结合的分层采样以及模拟牛顿万有引力的引力优化方法，解决粒子滤波存在的计算大、粒子退化问题，提高粒子滤波的跟踪性能；.4）采用椭圆区域协方差描述子进行目标建模，使其更好地反映目标的尺度及角度变化；将目标状态模型直接建立在黎曼流形上，沿流形测地线抽取状态样本，研究低维黎曼流形上的粒子滤波算法，对目标表观进行在线学习，解决维数灾难、粒子退化问题，提高跟踪算法的效率和鲁棒性。

本项目将人类视觉系统的各种机制与粒子滤波相结合，试图解决复杂背景下红外弱小目标检测困难，跟踪精度低，跟踪鲁棒性、实时性不高等难题，研究内容包括：.1）应用人类视觉系统的注意机制、对比机制、视觉局部感受野学习机制和学习记忆机制，提出了几种复杂背景下基于人类视觉机制的红外弱小目标检测方法研究，以及基于卷积神经网络的红外弱小目标检测方法，在目标对比度、信噪比低，杂波、噪声干扰较强的复杂背景下，提高红外弱小目标的检测精度，降低后续目标跟踪的计算量；.2）借鉴人类视觉系统的学习和记忆机制，提出一种用于红外弱小目标跟踪的目标模板自适应更新方法；采用粒子滤波算法对红外弱小目标进行跟踪，对粒子滤波跟踪算法进行了改进，提出了万有引力优化的粒子滤波算法、稀疏化聚类重采样粒子滤波算法、采用灰度、梯度特征融合观测模型的粒子滤波算法等；采用卡尔曼滤波器和匈牙利算法，提出了红外弱小目标轨迹预测与优化方法。.3）针对传统流形学习存在的红外目标图像数据点集特征信息不完整，分类不准确等问题，提出了一种基于流形学习的红外目标分类方法，提高了红外目标分类的准确度；提出了一种基于自适应黎曼流形粒子滤波算法的红外小目标跟踪方法，采用椭圆区域协方差描述子进行目标建模，使其更好地反映目标的尺度及角度变化；将目标状态模型直接建立在黎曼流形上，沿流形测地线抽取状态样本，研究低维黎曼流形上的粒子滤波算法，对目标表观进行在线学习，有效解决粒子滤波的“维数灾难”问题，提高了跟踪误差和算法鲁棒性。