在实际场景中随着红外探测距离的缩小, 红外弱小目标的尺寸等会动态增长, 常用的红外弱小目标检测跟踪算法便无法继续稳定检测与跟踪。为解决上述问题, 本文提出了一种自适应红外目标尺寸变化的检测跟踪方法, 借助低阈值信噪比实现弱小目标的初筛, 并通过自适应尺寸分割避免大目标漏检误检, 构建备选目标库, 最后配合使用卡尔曼算法模型预测运动轨迹, 完成小范围波门检测, 实现目标跟踪。与传统 DBT(Detection Before Track)跟踪检测算法相比, 本文算法可同时兼顾弱小目标和大尺寸目标的检测跟踪, 在所选目标尺寸动态增长的场景中, 本文算法的检测跟踪率提升了约 10%。

木材和水分关系的研究一直以来都是木材学研究领域的重点课题。 木材中水分含量变化会使木材产生干缩湿胀, 进而影响其尺寸稳定性, 这关系到木材的实际应用。 一般认为, 木材产生变形的根本原因是木材化学组分中多糖类物质所含羟基与水分形成氢键作用的结果, 而近红外光谱对有机材料含氢基团具有高度的敏感性。 利用这一特点, 为了能够实现对木材尺寸变化的在线快速检测, 应用近红外光谱(near infrared, NIR)探讨了不同含水率木材与其尺寸稳定性之间的相互关系并建立了木材尺寸变化预测模型。 通过对不同含水率下木材三个切面进行近红外扫描得到光谱信息, 结合化学计量学方法, 建立基于偏最小二乘法的木材径、 弦向尺寸变化率的近红外光谱模型, 并采用交叉检验的方式对模型进行验证。 结果表明: 不同含水率条件下的木材径、 弦向尺寸变化率与相应的近红外光谱有很高的相关性, 说明可以通过近红外光谱来研究木材的尺寸变化； 研究建立的木材径、 弦向尺寸变化模型的相关系数都大于0.90, 均具有比较好的适用性； 通过比较横切面上建立的径、 弦向尺寸变化率模型, 弦向好于径向。 以上结果表明利用近红外光谱技术对木材的尺寸变化进行快速、 准确的预测具有较好的可行性。