山东理工大学机械工程学院，山东 淄博 255000
为提高场景中战斗机在光照变化、尺度变化、遮挡和形变等因素下的跟踪精度，提出一种基于多种特征融合的核相关滤波算法。将颜色特征、纹理特征和卷积特征进行融合，融合后输出的最大响应值即为检测到的战斗机位置; 同时，采用尺度滤波器对战斗机进行尺度估计; 模板更新时，引入旁瓣比的概念对战斗机遮挡情况进行判断。实验结果表明，算法的准确度达到了77.6%，成功率也达到了73.3%，与KCF,DSST,MOSSE算法相比，在快速运动、背景杂乱、形变、超出视野、光照变化、翻转、低分辨率等情况下，跟踪精确度和跟踪成功率均位列第一。
目标跟踪 战斗机 核相关滤波 多特征融合 尺度滤波器 峰值旁瓣比 target tracking fighter kernel correlation filtering multi-feature fusion scale filter peak sidelobe ratio
山东理工大学机械工程学院，山东 淄博 255000
为进一步适应复杂环境及战斗机自身状态的变化，提高目标跟踪算法的跟踪性能，在TLD算法框架下对其进行改进。首先，将改进了的SIFT特征匹配算法与TLD算法中的光流法相结合，根据战斗机的不同状态及周围环境自适应地选择相应算法，提高算法的鲁棒性和对复杂环境的自适应能力; 其次，引入粒子滤波进行优化，实时预测战斗机状态并缩小检测范围，在降低计算难度的同时提高跟踪速度和持续性; 最后，设置置信度检测以有效解决误判问题，提高跟踪精度。实验结果表明，当战斗机处于复杂场景或自身状态变化较大时，改进算法取得了优于参考算法的跟踪性能，可以满足长时间鲁棒跟踪的要求。
目标跟踪 TLD算法 SIFT特征匹配算法 自适应 粒子滤波器 target tracking TLD algorithm SIFT feature matching algorithm self-adaption particle filter
1 北京教育网络和信息中心, 北京 100089
2 陆军军医大学(第三军医大学) 生物医学工程与影像医学系, 重庆 400038
3 国防科技大学 电子科学学院, 湖南 长沙 410073
由于高光谱遥感图像的混合程度较高, 使得传统的非负矩阵欠逼近(Nonnegative Matrix Underapproximation, NMU)算法所提取的基本成分仍然“不纯”, 且易受噪声影响。针对这些不足, 提出了一种基于L1/2正则化的软阈值NMU逐次光谱解混算法。首先, 通过引入丰度的L1/2正则项来增强算法的地物区分能力, 进而提高所分离地物的纯度; 其次, 利用软阈值惩罚函数代替NMU中的残差非负约束, 通过调节惩罚因子来控制非负元素的数量, 从而提高算法的抗噪性能。在仿真数据和实测数据上的实验结果表明, 即使在有噪声的条件下, 该算法也能得到较好的分离结果。
高光谱遥感 光谱解混 非负矩阵欠逼近 hyperspectral remote sensing spectral unmixing nonnegative matrix underapproximation 红外与激光工程
2019, 48(7): 0726003
