题目：非线性视频目标跟踪算法研究

视频目标跟踪是图像和视频处理领域的一个重要研究方向，融合了模式识别、图像处理、自动控制和人工智能以及计算机应用等多方面的技术，其研究成果广泛应用于航天航空、交通监视和军事制导等多个领域。多年来，很多专家与学者对这一课题进行了深入的研究，提出了多种跟踪算法。视频目标跟踪的目的在于从每帧图像中获得运动目标或感兴趣的区域的位置信息、运动参数等。本文在非线性视频目标跟踪算法方面进行了研究，主要研究工作和创新点如下：
1、? 针对背景复杂的非线性视频运动目标，提出了一种基于边缘方向分布和粒子滤波技术相结合的跟踪方法。该方法利用边缘算子获取目标区域边缘方向图，采用高斯核函数建立目标区域边缘方向分布，结合粒子滤波理论，实现对非线性视频运动目标的有效跟踪。计算机仿真结果表明，该方法可对非线性、非高斯的运动目标进行有效的跟踪，且在跟踪目标区域与背景颜色接近，背景复杂的场景下，与采用灰度特征的方法相比，有较强的鲁棒性和较高的跟踪精度。
2、? 交互式模型粒子滤波算法(Interactive multi-modal Particle filter，
(IMMPF)是交互式多模型滤波算法和粒子滤波算法的结合。根据交互式模型粒子滤波（IMMPF）算法的运算过程中粒子群是否参与交互的情况，总结了三种不同结构下的交互式多模型粒子滤波算法。详细的介绍了三种交互式多模型算法的基本原理、差异及实现过程。通过建立非线性程度不同的目标运动模拟轨迹，分别应用这三种算法进行仿真跟踪，对比了它们在跟踪性能上的差异。实验结果表明：不同模型下的粒子群发生交互要比不同模型下的状态向量之间的交互的跟踪算法性能优良。
3、 针对图像序列中弱小目标跟踪检测难的问题，本文提出了基于多速率无迹粒子滤波的TBD小目标检测与跟踪算法(Multi-Rate UPF-TBD),简称MRUPF-TBD。该算法改进了已有的UPF-TBD算法，并把多速率的思想引入到UPF-TBD算法中。已有的UPF-TBD算法，是通过传播函数建立整幅图像的观测模型数据，由于每帧图像中的噪声随机性很大，在依据观测模型数据的目标更新过程中可能导致误差较大，目标跟踪丢失。根据模糊度判断，目标像素对周围三个分辨单元以外的单元像素影响非常小，可以忽略，所以本文用点扩展函数仅对以目标像素为中心的的区域处理，这样可以提高跟踪精度。传统的UPF-TBD要求在每帧图像中都要更新所有粒子，来实现状态估计。当小目标机动性很小，或者在一段时间上是静止时，每一帧都更新所有粒子是没必要的。MRUPF-TBD算法把多速率的思想加入UPF-TBD中，根据目标的运动速率判断目标的机动性大小，按照比例给全速率模型和1/3速率模型分配粒子，从而实现低粒子数目的小目标检测和跟踪。实验的仿真结果表明该算法不但提高了传统UPF-TBD算法的跟踪速度，而且在粒子数目同等的条件下，具有更高的跟踪精度。
?