基于光谱指纹特征的弱小目标精确跟踪技术研究

弱小目标的精确跟踪在空间监测、跟踪制导等领域有着极其重要的作用，而可见光跟踪技术对于图像信噪比要求较高，很难满足弱小目标跟踪的要求。本课题通过探索基于光谱指纹特征的弱小目标精确跟踪技术，把二维成像技术和光谱技术有机结合，利用不同物质固有吸收光谱上的差异，获得区分目标材质和背景材质的感知能力。目标的光谱指纹特征提供了精确的识别能力和抗干扰能力，通过无参数核密度估计实现高光谱图像弱小目标跟踪。主要研究内容包括：1）基于光谱知识的弱小目标指纹特征发现技术及参数化模型；2）面向光谱特征的无参数核密度估计弱小目标精确跟踪算法；3）基于GPU/CPU协同并行的高光谱图像弱小目标跟踪算法优化。通过在关键技术研究中的探索和创新，使得跟踪的位置精度达到像素级，并在此基础上，实现一个基于光谱指纹特征的弱小目标精确跟踪原型系统，验证了方法和技术的有效性和实用性。

弱小目标的精确跟踪在空间监测、跟踪制导等领域有着极其重要的作用，而可见光跟踪技术对于图像信噪比要求较高，很难满足弱小目标跟踪的要求。本课题通过探索基于光谱指纹特征的弱小目标精确跟踪技术，把二维成像技术和光谱技术有机结合，利用不同物质固有吸收光谱上的差异，获得区分目标材质和背景材质的感知能力。目标的光谱指纹特征提供了精确的识别能力和抗干扰能力，通过无参数核密度估计实现高光谱图像弱小目标跟踪。主要研究进展包括：1）基于光谱知识的目标指纹特征发现技术。建立一组光谱吸收特征向量来描述目标的光谱特性，不同材料的光谱吸收特征反映了目标的光谱指纹特征；2）建立几何与光谱特征融合的参数化模型。由于目标的光谱指纹特征不能简单的由数值进行描述，在本课题中用概率直方图建立代表几何与光谱特征融合的参数化模型；3）基于均值偏移的高光谱弱小目标精确跟踪算法的改进。提出多维特征空间下的核密度估计算法，解决由于波段增多导致信息冗余和数据处理复杂性增加引起统计参数估计偏差增大的问题；4）基于卡尔曼滤波的进一步改进。通过卡尔曼滤波的观测模型和处理模型构建目标对象的状态转移矩阵、观测矩阵、观测噪声模型。通过更新状态和观测向量两个模型，实现状态预测；5）基于GPU/CPU协同并行的跟踪算法优化。目标的几何特征为空域特征，目标的光谱特征为谱域特征，分别采用空域分解和谱域分解来完成并行处理，提高特征提取效率。在多维特征空间的核密度估计算法结合了空域和谱域特征进行综合运算，本研究基于分治法策略，将计算数据分解成块，实现了计算域并行策略。.本课题通过在关键技术研究中的探索和创新，使得跟踪的位置精度达到像素级，并在此基础上，实现了一个基于光谱指纹特征的弱小目标精确跟踪原型系统，验证了方法和技术的有效性和实用性。.本项目共发表SCI(E)检索论文5篇，EI检索论文3篇，国际会议大会报告2次，申请国家发明专利2项，培养硕士研究生5名。相关研究成果获国防技术发明奖三等奖。并在本基金研究成果的牵引下，与中航工业合作，成果申请获得中国人民解放军装备部的武器装备研究项目1项。