基于时间信息加权的ViSAR目标阴影跟踪算法

基于目标阴影的跟踪技术是视频合成孔径雷达(video synthetic aperture radar,ViSAR)目标探测的重要手段,但ViSAR数据存在目标特征不明显且随时间不规则变化、相干斑噪声干扰强等问题,使得ViSAR目标阴影跟踪精度较低。为此,提出了一种鲁棒的基于时间信息加权的ViSAR目标阴影跟踪算法。针对目标特征不明显且随时间不规则变化的问题,将尺度自适应均值偏移(adaptive scale mean shift,ASMS)跟踪算法引入到ViSAR目标阴影跟踪中,同时在ASMS算法的背景比例加权(background ratio weighted,BRW)技术中添加历史帧的特征,并对尺度正则项进行时间信息加权修正,来对目标特征进行整合。针对相干斑噪声干扰强的问题,对ASMS算法加入局部中值滤波操作的预处理步骤,在不增加计算量的同时平滑了噪声。在对两类ViSAR数据集上不同尺寸、不同运动状态的目标阴影的跟踪实验结果表明,与现有高性能跟踪算法相比,所提算法在保证了实时性的基础上提高了跟踪精度,且不需要额外的训练样本,具备较好的工程应用价值。