强背景噪声下红外目标的鲁棒性跟踪算法

doi:10.3969/j.issn.1001-2400.2010.06.021

J4 ›› 2010, Vol. 37 ›› Issue (6): 1098-1102.doi: 10.3969/j.issn.1001-2400.2010.06.021

强背景噪声下红外目标的鲁棒性跟踪算法

高国旺^1,2;刘上乾¹;秦翰林¹

(1. 西安电子科技大学技术物理学院，陕西西安 710071；
2. 西安石油大学光电传感测井与检测教育部重点实验室，陕西西安 710065)

收稿日期:2009-12-14 出版日期:2010-12-20 发布日期:2011-01-22
通讯作者: 高国旺
作者简介:高国旺(1977-)，男，讲师，西安电子科技大学博士研究生，E-mail: wwgao1205@163.com．
基金资助:
国家部委预研资助项目(41101050102)

Robustness-tracking algorithm for the infrared target under complex background noise

GAO Guo-wang^1,2;LIU Shang-qian¹;QIN Han-lin¹

(1. School of Technical Physics, Xidian Univ., Xi'an 710071， China;
2. Ministry of Edu. Key Lab. of Photoelectric Logging and Detecting of Oil and Gas, Xi'an Shiyou Univ., Xi'an 710065， China)

Received:2009-12-14 Online:2010-12-20 Published:2011-01-22
Contact: GAO Guo-wang

摘要/Abstract

摘要：

提出了一种将边缘检测与改进Mean Shift 算法相结合的红外目标跟踪算法．初选了原始红外图像边缘后，再利用非线性边缘检测算法进行处理，有效地消除了原始红外图像中的大部分噪声，并能获取高质量的图像边缘信息．在此基础上，采取更新目标模型、目标模板背景加权以及候选目标区域核加权的方式改进Mean Shift算法，以增强Mean Shift算法跟踪目标的稳定性及对背景噪声的鲁棒性，从而实现强背景噪声下运动红外目标的快速、准确跟踪．实验结果表明，该算法不仅计算量较少，提高了跟踪速度，而且对背景噪声有很强的鲁棒性．

关键词: 红外目标, 边缘检测, Mean Shift方法, 目标跟踪

Abstract:

A tracking algorithm for the Infrared target is proposed that is the combination of edge detection and the improved Mean Shift method. After the edge of the original infrared image is detected roughly, the non-linear edge detection algorithm is presented that eliminates the most original image noise and could lead to a high-quality image. Based on this image, the improved Mean-Shift algorithm that focuses on renewing the target model, background-weightedness of the target template and Kernal Function-weightedness of the selected target region is applied to implement quick-tracking of a fast-moving target so that the algorithm is not sensitive to moving background noise, and thus it improves tracking procedure stability and robustness to background noise of the algorithm. Experimental results show that the combination of the non-linear edge detection algorithm and Mean Shift tracking algorithm not only reduces the operand of algorithms and improves the tracking speed, but also has a strong robustness to background noise.

Key words: infrared target, edge detection, Mean Shift algorithm, target-tracking

高国旺;刘上乾;秦翰林. 强背景噪声下红外目标的鲁棒性跟踪算法[J]. J4, 2010, 37(6): 1098-1102.

GAO Guo-wang;LIU Shang-qian;QIN Han-lin. Robustness-tracking algorithm for the infrared target under complex background noise[J]. J4, 2010, 37(6): 1098-1102.

参考文献

[1] 宋新. 红外地面目标的检测、识别与跟踪技术研究及实现[D]. 长沙：国防科学技术大学, 2007.
[2] 李凡,刘上乾,洪鸣, 等. 基于背景预测的红外弱小目标检测新算法[J]. 西安电子科技大学学报, 2009,36(6):1075-1078.
Li Fan, Liu Shangqian, Hong Ming, et al. Dim Infrared Targets Detection Based on Background Prediction[J]. Journal of Xidian University, 2009, 36(6):1075-1078.
[3] 李翠芸,姬红兵. 新遗传粒子滤波的红外弱小目标跟踪与检测[J]. 西安电子科技大学学报, 2009,3(4):619-623.
Li Cuiyun, Ji Hongbing. IR Dim Target Tracking and Detection Based on New Genetic Particle Filter[J]. Journal of Xidian University, 2009, 36(4): 619-623.
[4] 王苑楠. 图像边缘检测方法的比较和研究[J]. 计算机与数字工程, 2009,37(1):121-127.
Wang Yuannan. Comparison and Research on Image Edge Detection Method[J]. Computer & Digital Engineering, 2009,37(1):121-127.
[5] Fukanaga K, Hostetler L D. The Estimation of the Gradient of a Density Function, with Application in Pattern Recognition[J]. IEEE Trans on Information Theory, 1975, 21(1):32-40.
[6] Cheng Yizong. Mean Shift, Mode Seeking, and Clustering[J]. IEEE Trans on Pattern Analysis and Machine Intelligence, 1995, 17(8): 790-799.
[7] 梁燕, 刘文耀. 一种新型非线性边缘检测算法[J]. 光电子·激光, 2003(12): 1332-1335.
Liang Yan, Liu Wenyao. A New Nonlinear Algorithm for Edge Detection[J]. Journal of Optoeleconics-Laser, 2003(12): 1332-1335.
[8] 连洁, 韩传久. 基于边缘检测和改进Mean Shift算法的红外目标自动跟踪方法[J].电子技术应用, 2007(8): 76-79.
Lian Jie, Han Chuanjiu. Infrared Target Auto-tracking Method Based on Edge Detection and Modified Mean Shift Algorithm[J]. Application of Electronic Technique, 2007(8): 76-79.
[9] Comaniciu D, Ramesh V, Meer P. Real-Time Tracking of Non-Rigid Objects Using Mean Shift[C]//Proc IEEE Conference on Computer Vision and Pattern Recognition. New York: IEEE, 2000: 142-149.
[10] 程建, 杨杰. 一种基于均值移位的红外目标跟踪新方法[J]. 红外与毫米波学报, 2005,24(3):231-235.
Cheng Jian, Yang Jie. Novel Infrared Object Tracking Method Based on Mean Shift[J]. J Infrared Millim Waves, 2005,24(3):231-235.
[11] 王晓卫, 马晓军, 周启煌. 基于DESO的 Mean Shift目标跟踪算法研究[J]. 控制与决策, 2009, 24(2):212-216.
Wang Xiaowei, Ma Xiaojun, Zhou Qihuang. Study on Mean Shift Tracking Algorithm Based on DESO[J]. Control and Decision, 2009,24(2):212-216.

[1]	宋建锋,苗启广,王崇晓,徐浩,杨瑾. 注意力机制的多尺度单目标跟踪算法[J]. 西安电子科技大学学报, 2021, 48(5): 110-116.
[2]	王海军,张圣燕,杜玉杰. 响应差异约束的相关滤波无人机目标跟踪算法[J]. 西安电子科技大学学报, 2021, 48(5): 149-155.
[3]	顾兆军,陈辉,王家亮,高冰. 一种小型四轴飞行器目标跟踪控制算法[J]. 西安电子科技大学学报, 2021, 48(5): 117-127.
[4]	毛昭勇,王亦晨,王鑫,沈钧戈. 面向高速公路的车辆视频监控分析系统[J]. 西安电子科技大学学报, 2021, 48(5): 178-189.
[5]	逯彦,廖桂生,黄庆享. 结合稀疏表示的跨摄像头运动目标跟踪算法[J]. 西安电子科技大学学报, 2021, 48(2): 197-204.
[6]	张逸宸,水鹏朗. 一种改进的泊松点过程概率多假设跟踪方法[J]. 西安电子科技大学学报, 2021, 48(2): 27-34.
[7]	成磊,王玥,田春娜. 一种添加残差注意力机制的视觉目标跟踪算法[J]. 西安电子科技大学学报, 2020, 47(6): 148-157.
[8]	李翠芸,李洋,姬红兵,石仁政. 一步数据关联GLMB扩展目标跟踪算法[J]. 西安电子科技大学学报, 2020, 47(5): 137-143.
[9]	余志超,张瑞红. 结合深度轮廓特征的改进孪生网络跟踪算法[J]. 西安电子科技大学学报, 2020, 47(3): 40-49.
[10]	张昀普,单甘霖,段修生,王猛. 主/被动传感器辐射控制的调度方法[J]. 西安电子科技大学学报, 2019, 46(6): 67-74.
[11]	王明杰,姬红兵,刘龙. 噪声野值下的学生t分布混合CPHD滤波[J]. 西安电子科技大学学报, 2019, 46(5): 134-141.
[12]	宋建锋,苗启广,申猛,权义宁,陈毓生. 多特征融合的相关滤波红外单目标跟踪算法[J]. 西安电子科技大学学报, 2019, 46(5): 142-147.
[13]	李翠芸,陈东伟,石仁政. 自适应目标新生δ广义标签多伯努利滤波算法[J]. 西安电子科技大学学报, 2019, 46(2): 12-16.
[14]	王海军,张圣燕. 自适应权值卷积特征的鲁棒目标跟踪算法[J]. 西安电子科技大学学报, 2019, 46(1): 117-123.
[15]	王欣远,肖嵩,李磊,焦玲玲. 融合ELM和相关滤波的鲁棒性目标跟踪算法[J]. 西安电子科技大学学报, 2019, 46(1): 57-63.

强背景噪声下红外目标的鲁棒性跟踪算法

Robustness-tracking algorithm for the infrared target under complex background noise

PDF (PC)

赞

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 0