艾斯卡尔[1]2002年在《红外搜寻与跟踪系统关键技术研究》文中认为在军用和民用监视系统如红外搜寻与跟踪系统中，随着其应用范围的进一步扩大和智能化程度的不断提高，从给定数据流中能够检测出目标并能跟踪目标状态的计算机算法就形成了一个研究热点。早期的观测数据流多半是一维信号，随着红外成像传感器技术的进一步发展，数据流就变成了可见的图像序列。这样，图像信号为从测量数据流中检测运动目标提供了较丰富的信息。不幸的是，由于大多数红外系统所能提供的信噪比增益是受到具体应用视场覆盖率的限制，故监视系统能够检测和跟踪的也就定为那些强，而且大的目标。远距离监视要求和现代凝视型红外焦平面摄像技术的高帧速及宽视场光学特点，将研究点转移到了以不同速率运动的微弱目标检测和跟踪问题上。如果目标出现在强杂波环境中，则检测与跟踪随之变得十分困难。当然，这对红外搜寻与跟踪系统来说，也是一大挑战。作为（指令，通信，控制和信息）板上系统的一个组成部分，IRST系统是一种宽视场监视系统，为自主搜索、检测、识别和跟踪指定目标而设计的。其检测能力主要表现在其信号处理部分，它对传感器送入的高帧速数据流进行匹配滤波处理后，再传递到后处理部分（跟踪器）进一步确认和延续目标的可能状态。检测器必须检测出足够的目标以便满足系统的检测概率要求，同时必须减少虚假目标数目，避免出现跟踪失败，使系统总的虚警率保持一个可接受的范围。为做到这一点，需要研究出相应的信号处理技术和算法，在二元判决前，在消除背景杂波和系统噪声的同时，也要提高目标能量。同时，还需要开发出行之有效的跟踪技术和算法。本文的焦点是在各种各样的场景中，在短时间内，所关心目标的亮度保持不变，并且目标做直线运动的假设下，研制出鲁棒、有效的杂波抑制，目标检测与跟踪技术。本文研究内容虽然针对IRST系统实现上，但是这些技术还可以用在其它如可见光信号处理、雷达等目标检测与跟踪技术领域。主要的研究成果包括：i. 一种基于层次模型的图像全局运动鲁棒估计技术研究： 因摄像机颤动而引起的全局运动是在图像序列中普遍存在的。这个因素在图像中将产生平移，旋转以及视差畸变等后果。所以，图像校正过程也就成了在运动分析和分割中关键而不可分隔的一部分。全局运动是可以用含有几个参数的模型来表征如六参数，八参数模型等。本文采用回归技术来估计那些参数，它首先估计局部运动，然后使最小二乘估计的条件下，用局部信息来估计全局运动。在估计局部运动时，为<WP=8>去除奇异点，提出了迭代排除法。为了解决快速图像全局运动，采取了一种基于层次模型的处理方法，即首先原始图像序列用亚采样的办法划分成具有金字塔式分辨率的多个子图像，使得每一个子图像运动相对小些，然后在每一个子图像中估计出运动模型参数。原图像的运动参数通过计算所有子图像运动参数加权和获得。这种技术具有计算量少，实现简单，性能可靠等优点。ii. 基于非参数的静态杂波抑制技术研究：非参数回归是研究从掺噪观测数据中函数（背景杂波）估计的最佳方法。在非参数回归中，往往没有关于要估计函数的任何先验知识。为解决此问题，本文提出了两种可行的办法：局部加权回归估计和小波回归估计法，并详细描述了非参数回归如何将原始传感器数据变换成“信号加噪声”模型。另外，杂波抑制后，残留噪声的高斯性和独立性通过Kendall秩相关法和计算Friedman统计量的方法来进行了验证，其结果表明此技术路线的有效性和可行性。iii. 一种动态杂波抑制技术研究：在低信噪比（SNR）下，杂波抑制是信号检测的重要环节，是有效的信号增强手段。大多数研究集中于静态杂波的去除上，这与实际情况不符。本文研究了一种红外图像序列动杂波时空非参数抑制技术，相应算法实现简单，实时性好，具有实用价值。动态杂波去除后，原来在时间和空间上都互相关的数据变成独立同分布变量的集合。动态杂波抑制后，残留噪声的高斯性和独立性通过Kendall秩相关法和计算Friedman统计量的方法来进行了验证，其结果表明此技术的有效性。iv. DBT 和 TBD 技术性能比较分析: 首先给出了TBD和DBT过程模型。然后，对TBD和DBT过程进行了性能比较。比较项目包括计算量，两者所需最小SNR和信噪比增益以及这些参数之间的关系等。分析和实验结果表明，在低信噪比条件下，TBD优于DBT过程。在高信噪比环境下，DBT以计算量少、算法简单等特点却优于TBD过程。v. 一种基于时空分集与线性合并的TBD技术：TBD的实质是一种目标增强技术。它根据所假设的运动，在可能的运动轨迹上对目标能量进行累加。运动轨迹搜索本来在时空叁维空间中进行的，其缺点是搜索时间长。为克服这一缺点，本文采用投影的方法，将杂波抑制后的时空叁维图像投影到二维空间中，得到组合图像。然后，在二维空间中进行轨迹搜索并进行目标能量累加。在进行投影和累加操作时，本文采用无线通信系统中常用的分集与线性合并法：使用选择式(或均等增益)合并法来实现从时空叁维图像向二维空间的投影；而在可能的轨迹上进行目标能量累加时，则使用均等增益合并法。<WP=9>vi. 一种基于时空分集与非线性合并的TBD技术：本文从待二?
乔永明[2]2015年在《伞状级联式红外预警系统关键技术研究》文中认为红外预警是利用目标与背景之间的红外辐射差异来获取目标信息,属于被动式测量。具有高灵敏探测、隐蔽性能好,不受目标低空飞行探测限制的优点。通过目标脱靶量测量、目标辐射特性分析、目标几何姿态判定等技术成为评估目标拦截打击效果的主要手段,是一个国家区域预警系统的重要组成部分。红外预警系统的通用跟踪平台(光电经纬仪)是一个包含垂直轴和水平轴的两轴转台。由于光电经纬仪结构形式的固有缺陷,在预警应用中存在着一些不足之处。首先,目标搜索的光学视场小,制约了目标的快速捕获性能。其次,目标跟踪存在一定的局限性,表现为单系统只能对唯一的目标进行跟踪并且目标过顶跟踪时存在盲区。此外,红外测量的帧频相对有限,机动条件下的测量精度不高。因此,无法满足一个高性能红外预警系统全时域、全空域闭合探测的需求。针对上述情况,本文将多负载伞状分布的思想与多层结构的理念有机组合,创新提出并构建一种新概念结构,这里称为“伞状级联式结构”的新型跟踪平台。旨在通过此新型跟踪平台固有的结构特点,结合红外多探测器测量、多任务模式规划、控制与信息优化处理等方面的研究,有效解决上述制约红外预警应用的瓶颈问题。论文首先阐述了新型跟踪平台的组成和工作原理,通过两层结构多模式并行操作流程的分析,揭示了采用目标动态扫描、多目标跟踪、分时曝光成像等方法实现目标全空域、全时域闭合探测的机理。针对目标过顶跟踪和机动测量时存在的问题,论文提出并重点研究了两种新的方法:第一种是基于“有差”控制策略的组合式跟踪方法。分析揭示了“有差”概念的本质与作用,根据多探测器伞状分布的特点,阐明利用多视场重迭实现目标跟踪切换的原理。该方法可以有效规避或减少目标过顶时的盲区。第二种是基于同步多图像源的平台姿态测量方法。其原理是通过建立平台姿态与视轴旋转的数学模型,结合新型跟踪平台多层结构的特点,从获取的多组同步图像参考源和空间目标指向信息中反演得到平台基座的两维姿态。详细分析了该方法的适用条件与测量精度,通过试验证明仿真结果的可信性。确定齿轮齿条式结构和液压缸驱动的新型平台俯仰跟踪机构。通过力学建模、有限元分析、模态响应分析、误差分析等方法对研究结果进行分析与仿真,定量评估新型跟踪平台的静力学特性、动态特性和定向精度。通过Solidworks建立了双层伞状负载结构的叁维模型,在Adams输入环境下进行动力学仿真,详细分析双层机构间运动耦合对控制的影响。建立了基于俯仰跟踪机构的液压控制系统数学模型,根据系统预期的动态品质要求,分别进行了PID和滑模变结构两种控制器的研究。仿真结果表明采用基于指数趋近律的滑膜变结构控制,可有效克服受控对象外部非线性扰动和控制模型参数变化对控制的影响,进一步验证了以大负载、大功率为特点的液压控制方式对快变、灵活目标的跟踪可行性。最后研究了基于千兆以太网互连分布式控制的电子学实现方法。分析与试验表明采用二级树型拓扑结构的交换式以太网络和基于嵌入式控制单元的组态方法可以有效解决本系统复杂的信号传输与处理问题。
杨勇[3]2018年在《基于红外图像的海面目标跟踪技术》文中指出本文研究的主要内容来源于国家科技支撑计划课题“深远海海面遇险目标机载红外搜寻定位技术”。该课题的主要目标是研制一套远距离双波段高分辨率红外搜寻系统,可实现海面遇险目标的快速搜寻定位与跟踪。本文研究了基于红外图像的海面目标跟踪技术,主要包含基于PI控制的目标跟踪算法和基于空间位置信息的目标快速找回算法两个部分。基于PI控制的目标跟踪算法是通过控制二维转台的最佳输出角度,使得红外图像中被检测到的目标始终能够保持在图像的中心位置附近;其中最佳输出角度是基于本文的PI控制算法计算得到的,以保证既能够对目标进行稳定的跟踪,又要尽量避免出现过冲现象;红外图像中的目标检测是课题组其他研究人员通过所研制的目标检测算法实现的。基于空间位置信息的目标快速找回算法是本文利用坐标变换,将目标丢失前一帧对应的空间位置信息和当前相机对应的空间位置信息分别变换到全局坐标系下对应的两个坐标,然后利用空间两点确定一条直线的方法确定相机坐标与前一帧目标坐标之间的夹角,通过控制二维转台来调整相机光轴中心使得丢失的目标迅速回到图像视野当中。两种算法相互结合能够达到对海面目标进行持续稳定跟踪的效果。
田毅龙[4]2012年在《红外低空大视场图像弱小目标检测技术研究》文中认为本文以十二五预先研究课题为背景，在高性能红外目标搜索预警系统的研制开发要求下，针对该系统在低空复杂背景下的大视场图像弱小运动目标实时性检测问题，深入开展了大视场图像弱小目标检测算法的研究，提出了一套弱小目标检测和确认的算法，该算法计算量小，易于硬件实现，能有效适用于本系统在低空复杂背景下的弱小目标实时准确检测。论文主要由叁部分组成：第一部分介绍了大视场图像的研究和发展现状；利用实测数据，结合目标、背景、噪声的产生与辐射原理，对目标、背景、噪声特性进行了较为深入的分析；根据叁者的不同时域和空域特性，建立了相应的预测模型，并定义了红外图像常用的目标检测性能评价标准。根据系统采集的图像，介绍了大视场图像的采集原理，并分析了其低空大视场图像的特点。第二部分针对系统弱小目标检测的实时性要求，针对简化算法实现、节省算法计算量的目的，提出了一种基于图像分块、熵值分割及自适应阈值分割的基于背景区域分类的大视场弱小目标检测算法；首先，深入研究了各类常用的背景抑制方法；然后提出一种基于重迭性图像分块及熵值分割的背景区域分类方法，实现复杂地面背景和空域背景的分类；接着采用了一种基于结构元素分解的空域弱小目标检测算法和基于闭操作和梯度算子的地面背景区域的背景细分类及目标检测算法，并分析了地面背景目标检测算法的效能；最后通过实测数据验证，有效的实现了大视场图像的弱小目标实时性检测。第叁部分针对第二部分弱小目标检测后剩下的部分虚警问题，提出一种基于点目标灰度扩散效应的单帧双核判决目标确认算法及一种基于帧间目标特征相关性和运动目标连续性的目标确认算法；根据点扩散效应设计了外核、内核的对比度、相似度判定，再根据目标内核相似度提取了帧间目标相关特征，根据图像流法改进了运动目标连续性判定，结合两者的判定结果，有效的剔除了虚警干扰。实测数据验证了该方法的可行性。
王巍[5]2018年在《基于机器视觉的激光靶跟踪方法研究》文中提出本文针对煤矿综采自动化过程中,采煤机的定位问题,进行基于机器视觉的激光靶跟踪方法研究。重点研究图像检测与目标跟踪算法,设计相关实验平台,完成算法有效性验证并分析定位误差及原因,为深入研究基于机器视觉的采煤机激光定位提供理论依据与技术支持。在运动目标检测与跟踪方面,首先对目前常用的目标检测、跟踪方法进行了分析,对比帧差法、背景差分法、光流法等检测方法以及五种目标跟踪方法的优缺点,确定了适合本文的帧差法检测与目标跟踪方法;同时针对传统叁帧差分法获取目标特征出现冗余、缺失与边界特征不清楚的现象,对传统叁帧差分法以及边缘检测方式进行改进,并且融合基于均值法背景建模的背景差分法,使得检测目标信息更加准确;通过四组形态不同的运动目标,对改进的算法进行仿真实验。实验结果表明改进后的算法能够比较完整的检测出运动目标特征。在激光靶检测与跟踪系统方面,制定了整体设计方案,研究了各个模块的结构组成、技术指标以及具体功能的实现方法;针对所采用的图像采集相机,通过摄像机标定获取其内部参数;考虑到采集硬件精密程度、摄像搜寻系统与激光靶距离,设计一种新型的激光靶结构,避免因硬件设备及测量距离等因素导致激光光斑提取特征不准确的问题。最后,根据改进的目标检测与跟踪方法及硬件设备搭建实验平台,包括人机交互界面的设计及关键硬件的选择,按照制定的实验方案,完成激光靶检测与跟踪系统功能的基本实现,根据所得实验结果分析误差及原因。
占红来[6]2013年在《红外弱小目标搜索跟踪算法研究》文中提出随着隐身技术的发展,远距离小目标的探测识别越来越多的依赖于被动探测技术,利用目标红外辐射的红外探测技术颇受关注。本文针对红外告警系统在复杂条件下,目标难以区分,系统虚警率较高,难以对运动目标进行持续跟踪的情况,研究了红外图像预处理算法、红外小目标搜索算法以及目标跟踪预测算法。主要研究内容如下：(1)研究了红外小目标图像特征,建立了红外小目标成像模型、背景、噪声模型以及目标运动模型。在图像模型基础上,获得了图像背景抑制效果评价方法,目标搜索算法评价方法以及目标跟踪算法评价方法。(2)研究了空域和频域常用的背景抑制方法,在总结各种背景抑制算法优劣性的基础上,提出了“划分目标区域法”的背景抑制算法。红外图像处理效果的对比以及SCR的定量对比表明该方法可以有效抑制背景、增强目标对比度。(3)研究了红外目标搜索方法。分析了目标搜索技术与多帧检测技术的差异,提出了一种基于目标运动轨迹的曲率阈值的目标搜索算法。仿真实验表明该搜索算法较传统利用目标运动特性的目标搜索算法有更好的抗噪性,运用该方法可以有效降低搜索过程产生的虚警率。在基于曲率阈值的目标搜索方法中,进一步深入探讨了实际搜索帧数的选取原则。(4)研究了红外运动目标跟踪方法。将模糊控制理论中的预测方法应用于红外目标跟踪中进行目标预测。相对传统Kalman滤波在二维角度空间中的不稳定性,模糊预测方法解决了无距离参数时的目标跟踪问题。利用红外告警系统对该改进方法进行了实验研究,结果表明此方法预测误差较小,可以对移动目标进行有效跟踪。本文的主要创新有：1提出了一种划分目标存在区域的背景抑制算法。该算法在处理相同的实验红外图像时,得到的信杂波比SCR为7.680,高于高通滤波、中值滤波、局部加权滤波、频域高通滤波等传统背景滤波方法。2提出了一种基于加速度条件的曲率阈值目标搜索算法。在噪声密度高达1%时,叁维匹配滤波算法的搜索虚警率接近100%,而基于曲率阈值的目标搜索算法则仍然能保持5%以下的搜索虚警率。3提出了一种估计脱靶量的模糊预测方法。实验数据显示,模糊预测方法在视场角为1°×1.3°的红外告警系统中,跟踪最大角速度1.9°／s,最大角加速度3.9°/s2的变速目标时,有效预测误差仅为0.0139°。
姜宏伟[7]2018年在《基于红外图像的海面目标定位技术研究》文中认为我国经济的飞速发展使得海上贸易活动日益频繁,随之而来的海上事故也越来越多。一旦发生重大事故,救助打捞部门需要快速、准确地知晓事故发生的具体位置,便于进行海上救助。因此研究基于红外图像的海面目标定位技术对提升我国的搜寻救助水平具有重要意义。本课题来源于国家科技支撑计划“深远海海面遇险目标机载红外搜寻定位技术”,整个课题的任务是研制一套海面遇险目标机载红外搜寻系统。本课题作为该项目的重要部分,主要负责研究基于红外图像的海面目标定位技术。当红外探测系统拍摄到海面场景图像并通过目标检测算法识别到遇险目标后,根据本文建立的定位算法模型能够解算遇险目标在WGS-84坐标系下的坐标,便于海面救助。论文根据课题的具体要求,在已知目标图像像素坐标的前提下,定义七类坐标系并研究不同坐标系间的转换关系,结合红外探测系统的焦距、像元尺寸等内部参数,俯仰角、方向角等外部参数以及红外搜寻系统的位姿参数建立目标定位模型。定位系统作为红外搜寻系统的一部分,其硬件组成主要包括具有图像采集功能的红外成像系统、具有摄像机二维姿态测量功能的光电吊舱稳定平台和具有红外搜寻系统位置和姿态测量功能的惯性导航设备。本文设计实现海面目标定位的地面实验和飞行实验,地面实验是指将红外搜寻系统固定放置在某处,对海面目标的不同位置进行拍摄。飞行实验是指将红外搜寻系统搭载在飞机上,使飞机在空中以不同的位置和姿态对海面同一目标进行拍摄。通过海面实验得到系统的定位精度并进行误差分析。
吴文怡[8]2008年在《红外图像序列中弱小目标检测与跟踪技术研究》文中研究表明红外弱小目标的检测与跟踪广泛应用于精确制导、自动控制等诸多领域。由于小目标距离成像系统很远,具有面积小、信噪比低等特点,红外图像的预处理、弱小目标的检测技术更是重点和难点。充分发挥红外小目标检测技术的优势,在红外探测成像方面具有重要意义。本文在介绍当前国内外小目标检测跟踪技术发展现状的基础上,研究存在背景噪声和干扰情况下红外图像序列中弱小运动目标的检测与跟踪问题,主要工作如下:首先在图像预处理和分割中,分析了几种常用的图像预处理方法。阈值分割在小目标检测过程中起着重要作用,鉴于现有的基于二维直方图区域直分的阈值选取方法中存在明显的错分,提出了一种新的基于二维直方图区域斜分的Otsu法的快速迭代算法,用迭代的思想解决了原始二维Otsu方法计算复杂、实时性差的问题。在目标检测部分,一方面通过分析像素的灰度信息,对图像进行Contourlet变换和NSCT处理,利用分解后子图像的特性抑制背景和去除噪声,实现目标的最终检测;另一方面,在分析强起伏背景信号的基础上,利用背景局部信号统计特征和目标运动特性,提出了基于最小一乘估计和混沌遗传算法背景预测以及基于变邻域变步长LMS自适应背景预测检测红外弱小目标的方法。在随后的跟踪过程中,针对小目标跟踪技术的难点问题,将模板匹配和Kalman滤波原理结合进行小目标的跟踪处理,提出了基于模板匹配与Kalman滤波相结合的小目标跟踪算法。将上述算法在含有随机小(点)目标的实际红外图像序列中进行实验,证明了所提出算法的有效性和优越性。
王瑞[9]2017年在《基于人类视觉机制和粒子滤波的红外目标跟踪方法》文中提出随着计算机、红外技术的发展,对红外目标进行精确识别与跟踪的需求不断增长。然而,红外目标检测与跟踪过程中经常遇到目标弱小、背景复杂、信噪比过低等情况。同时目标在运动过程中,可能发生的目标灰度变化、背景灰度变化、目标被遮挡或暂时丢失等情况也增加了检测与跟踪的难度。因此,针对复杂背景下红外弱小目标检测与跟踪方法的研究具有十分重要的意义。本文基于此,从人类视觉系统优势应用的角度对红外目标检测与跟踪的方法进行多方面的思考,以期对该理论的发展以及人类视觉系统在红外目标检测与跟踪中的实际应用提供有益借鉴。本文以复杂背景下红外弱小目标的检测与跟踪为研究对象,指出了现阶段结合人类视觉系统进行红外弱小目标检测与跟踪的研究背景,以及针对该课题研究的理论意义和实际意义;通过分析国内外相关问题的算法研究,指出现阶段复杂背景下红外弱小目标的检测与跟踪方法存在的局限性,通过计算图像局部视觉对比度和自适应阈值判定改进了基于人类视觉对比机制的红外弱小目标检测方法,同时通过对比实验,证实了该目标检测方法具有兼顾检测准确率和实时性的良好性能;通过分析以灰度特征为目标单一特征的粒子滤波红外目标跟踪方法的不足,提出了基于人类视觉对比机制和粒子滤波的红外目标跟踪方法,充分模拟人类视觉对比机制,提取目标区域局部视觉对比度显着图为跟踪的目标特征,建立了“九宫格”式目标模板,并通过对比实验结果分析,验证了该算法的鲁棒性;通过分析固定模板、自定义周期更新模板以及即时更新模板这几种传统粒子滤波红外目标跟踪模板更新方法的局限性,提出了基于人类视觉对比机制和粒子滤波的红外目标跟踪方法,模拟人类视觉系统的学习和记忆机制,对候选模板进行学习、匹配和记忆并建立叁维模板库,通过对比实验结果分析,验证了该算法在目标背景变化复杂、自身尺寸极小情况下的适用性;最后,对本文做出总结与展望。
王斌[10]2017年在《海面目标红外检测方法研究》文中认为海面目标快速搜寻技术是我国应对海上突发事件的关键技术,由于红外成像技术具备在复杂环境条件下进行成像的能力,近年来,基于海面红外成像的目标检测技术已成为我国在海面目标快速搜寻领域的研究热点。本文在充分调研国内外研究现状的基础上,深入研究海面红外图像目标红外检测算法,提出了一套具备复杂海况适应性的海面红外图像目标检测方法。该方法中包含了针对常见海上环境、浓雾海上环境和强逆光海上环境的海面红外图像目标检测算法。针对常见海上环境,本文提出了一种基于“预处理+单帧检测+多帧判决”的目标检测体系。该体系中首先利用基于局部峰值奇异性分析的图像预处理算法对原始海面图像进行背景抑制和目标增强,然后,借助由基于小波变换的单帧检测算法、基于视觉注意力模型的单帧检测算法和基于灰度直方图变换的单帧检测算法构成的目标单帧检测算法方法,从增强后的海面红外图像中提取疑似目标。最后,本文提出了一种抗帧间抖动的管道滤波算法对各疑似目标进行判决,该判决算法在利用帧间块匹配抵抗序列帧间抖动的同时,利用目标帧间轨迹的连续性实现准确的目标判决。针对浓雾海上环境,本文提出了一种基于亮度区域划分的目标检测机制。其基本原理是首先借助全局二值化操作对图像亮度区域进行分割,然后对各亮度区域分别应用单帧目标检测方法提取疑似目标,再将疑似目标合并后输入抗抖动管道滤波算法进行目标判决。对于强逆光海上环境,本文提出了一种基于时空显着性图的目标检测算法,该算法在充分利用目标的空间显着性和时间显着性的基础上,实现了对目标和强烈背景杂波干扰的有效分割。本文研究过程中,分别在不同天气条件下开展了陆上定点和航空海面图像序列拍摄实验,并利用实际拍摄的28组海面图像序列(共计36424帧图像)对算法进行验证。实验结果表明,本文提出的算法体系具备复杂海况下对不同海面目标进行准确检测的能力。
参考文献：
[1]. 红外搜寻与跟踪系统关键技术研究[D]. 艾斯卡尔. 电子科技大学. 2002
[2]. 伞状级联式红外预警系统关键技术研究[D]. 乔永明. 中国科学院大学(中国科学院西安光学精密机械研究所). 2015
[3]. 基于红外图像的海面目标跟踪技术[D]. 杨勇. 大连海事大学. 2018
[4]. 红外低空大视场图像弱小目标检测技术研究[D]. 田毅龙. 国防科学技术大学. 2012
[5]. 基于机器视觉的激光靶跟踪方法研究[D]. 王巍. 西安科技大学. 2018
[6]. 红外弱小目标搜索跟踪算法研究[D]. 占红来. 中国工程物理研究院. 2013
[7]. 基于红外图像的海面目标定位技术研究[D]. 姜宏伟. 大连海事大学. 2018
[8]. 红外图像序列中弱小目标检测与跟踪技术研究[D]. 吴文怡. 南京航空航天大学. 2008
[9]. 基于人类视觉机制和粒子滤波的红外目标跟踪方法[D]. 王瑞. 江苏科技大学. 2017
[10]. 海面目标红外检测方法研究[D]. 王斌. 大连海事大学. 2017
标签：无线电电子学论文; 红外成像论文; 图像融合论文; 红外传感器论文; 运动估计论文; 序列模式论文; 预测控制论文; 算法论文;