基于概率跟踪的冠状动脉造影图像的血管树提取

采用传统的基于跟踪的方法分割冠状动脉X射线造影图像的血管时,易受血管节点和曲率的影响.对此,本文提出了基于多特征测度的概率跟踪模型和中心线优化算子,该方法能够准确地分割出血管树的骨架并进行中心线优化.实验中,该方法不仅避免了传统方法的弊端,而且具有较低的计算耗时、较高的鲁棒性、全自动性:一次选定跟踪的起点,可以自动提取出80%以上冠状动脉树.

基于阈值的脑白质纤维概率跟踪算法

概率跟踪算法仅对行走概率最大的方向进行跟踪,忽略了纤维走向概率较大的方向,且运算速度较慢。为此,提出一种基于阈值的快速概率跟踪算法。设定纤维走向的概率阈值,以找到更多交叉和分叉的纤维,在不影响纤维跟踪效果的情况下,对计算参数进行简化,从而提高运算速度。实验结果表明,与概率跟踪算法相比,该算法能更好地反映脑白质内神经纤维的分布情况,且缩短运算时间。

基于分布式PMHT的多传感器多目标跟踪

在目标跟踪领域,概率多假设跟踪(probability multiple hypothesis tracking,PMHT)算法作为一种批处理算法,计算量远远小于传统的多假设跟踪算法。当前,PMHT算法的应用受限于集中式处理,本文首先在传统算法的基础上对传感器网络下的算法似然进行了推导,得到多传感器算法下的关联后参数,接着基于共识性处理策略进行了混合共识,最后使用卡尔曼滤波完成了对目标参数的后验估计,使得PMHT算法能够被应用于不包含融合中心的全分布式传感器网络多目标跟踪。实验结果表明,在不同的杂波密度下,分布式PMHT在跟踪误差上相对于单传感器算法有着90%以上的改善效果,与集中式算法相比跟踪性能接近且运算速度更快。

压制干扰下雷达网点目标概率多假设跟踪算法

针对压制干扰下雷达网跟踪中使用概率多假设跟踪(PMHT)算法航迹丢失率高的问题,提出了一种基于数据压缩的雷达网点目标概率多假设跟踪(DC-PPMHT)算法.该算法先将各雷达在压制干扰下由于检测概率下降出现目标暂消的量测数据在空间对准后进行串行合并和点迹合成,并计算数据压缩后各量测点迹的检测概率,然后把计算得到的压缩点迹和检测概率送入点目标PMHT滤波器中进行跟踪.DC-PPMHT算法在压制干扰下的雷达网跟踪中可以降低航迹丢失率,提高航迹跟踪的精度.仿真结果表明,与PMHT算法相比,DC-PPMHT算法在各雷达采取抗干扰措施前、后的航迹丢失率分别降低了4.7%和1.2%.

中末交班及红外误差对捕获跟踪概率的影响分析

以复合制导的XX反舰导弹典型作战过程为背景,着重分析了复合制导红外末制导交班误差和红外本身误差对红外探测器捕获跟踪目标概率的影响,为目前流行的中末交接班制导导弹设计提供一个误差分析标准,文中针对误差影响因素作了仿真分析,并从分析中得到了一个交接捕获跟踪的较佳状态,以此状态作为参考能使中末制导导弹制导更加具有实际意义。

声探测网络延时概率多假设跟踪算法

针对利用同步固定声探测网络中的纯方位角延时量测数据对低空机动目标进行探测与跟踪的问题,为提高跟踪精度,根据期望最大化算法提出一种延时概率多假设目标跟踪算法,对网络中多个时刻各个传感器数据间的组合进行延时概率多假设建模,形成多假设联合量测,利用内嵌合适的贝叶斯平滑器对目标状态进行递归优化,最终得到目标状态的极大后验估计值。仿真结果表明算法能够有效解决声探测网络延时数据难以利用的问题,对低空机动目标的状态进行有效跟踪,满足估计精度要求,收敛速度快,鲁棒性强的特点。

IMM-PDA滤波器的模型概率加权跟踪门研究

杂波情况下跟踪机动目标的一个重要问题就是跟踪门问题。文中研究了两种现行的跟踪门技术,模型跟踪门和集中跟踪门。提出了新的跟踪门技术,分别为模型概率加权跟踪门和两极模型概率加权跟踪门(TS-MPWG),TS-MPWG考虑了可能的模型误差,且当建立第二个波门时在模型误差变量上用到了上界。仿真里采用了一种高机动目标的基准轨迹,用RMS误差、跟踪丢失百分比和计算量比较了讨论的跟踪门技术的性能。从仿真结果可以看出,在杂波环境下用IMM-PDAF进行机动目标跟踪,TS-MPWG跟踪门技术优于其他方法。

累积跟踪概率的舰载主动声纳作用距离衡量方法

通过对水面舰艇声纳主动工作方式探测概率及作用距离的分析,探讨了目前常用的单次探测概率衡量方式所产生的问题,提出了累积跟踪概率的衡量方法,并结合某作战训练系统,应用蒙特卡洛法进行了仿真计算,计算结果表明,该方法可有效满足舰载声纳主动工作方式探测概率及作用距离的衡量需求,可为水面舰艇反潜作战的配置方法和指挥决策提供较高的参考价值。

直方图概率多假设跟踪方法技术综述

直方图概率多假设跟踪(histogram probabilistic multi-hypothesis tracking,H-PMHT)算法是高效的多目标检测前跟踪(track before detect,TBD)方法,其由概率多假设跟踪(probabilistic multi-hypothesis tracking,PMHT)算法发展起来。首先深入剖析了H-PMHT算法,并重点分析比较了该算法和PMHT算法间的深刻联系,分析了该算法的特点和适用条件;其次,介绍了近年来H-PMHT算法的改进和推广情况,梳理了算法应用中的相关研究工作;最后,总结了算法的优缺点及需要改进的问题,展望了其发展前景。

一种改进的泊松点过程概率多假设跟踪方法

多目标跟踪方法的核心是获取量测点与目标间的最优关联。传统的多目标跟踪方法从穷举出的所有可能关联中估计出最优关联,随目标数目指数倍增的关联复杂度制约了雷达跟踪多目标的能力。因此提出了一种低运算复杂度、高跟踪精度的多目标跟踪算法和与其配套的航迹管理方法,目标和杂波产生的量测点被建模为泊松点过程,以量测的来源为缺失信息,通过EM(Expectation Maximisation)算法迭代求解目标状态,独立的量测关联和目标混合概率大大降低了算法的复杂度。此外,额外的回波多普勒信息作为目标特征被引入关联和滤波环节辅助跟踪,提升了算法区分量测来源的能力,获得了更高的跟踪精度。实验结果表明,所提方法可以实现稳健的目标跟踪,且运算时间随目标数目线性增加。

基于概率多假设跟踪技术的数目可变航拍视频多目标跟踪

提出了一种改进的概率多假设跟踪(probabilistic multi-hypothesis tracking,PMHT)航迹管理方法,应用于数目可变视频多目标跟踪。该方法将目标航迹分为三类:确认航迹、候选航迹和新航迹,并设计了确认航迹子模块、候选航迹子模块和新产生航迹子模块分别管理上述航迹。在确认航迹子模块和候选航迹子模块中采用PMHT算法对航迹和测量进行关联,同时计算航迹置信度作为航迹确认和航迹删除的依据。新航迹子模块采用修改的逻辑法进行航迹起始。滑窗PMHT算法的应用使消失航迹得到及时删除。航拍数目可变视频多目标跟踪结果表明了本文提出方法的有效性。

基于无源场景的自适应概率多假设跟踪算法

针对PMHT无自适应性、无自纠性和易受杂波影响等缺点,提出一种自适应概率多假设跟踪算法并将之应用于无源场景中。该算法通过在条件概率中加入状态估计协方差修正了PMHT中后验关联概率计算公式,使其能根据状态估计自适应更新;利用联合概率数据互联(joint probabilistic data association,JPDA)技术估计目标状态及其协方差。仿真结果表明,相对已有的自适应PMHT算法,文章算法在目标跟踪有效性和跟踪精度上性能都有较大提升,能够接近JPDA算法,在高杂波密度条件下也能保持较好的跟踪性能和较低的计算复杂度。

基于采样理论的序列蒙特卡罗车辆跟踪算法

结合图像的灰度分布和空间布局,提出了一种基于灰度和空间信息的序列蒙特卡罗概率跟踪算法。通过比较采样值和期望值的特征距离来计算采样状态对应的权值。利用加权采样值来估计未知量后验概率的各阶矩,当采样数趋向于无穷时由大数定理保证,采样值分布逼近于真实值分布。仿真实验给出了利用因子采样对交通流中车辆跟踪的结果。实验表明,基于序列蒙特卡罗的车辆跟踪方法计算简单有效,可以准确地得到车辆的位置并且很好地跟踪其运动轨迹。

基于视频的人体上半身运动跟踪系统

文章介绍了一个可以实时捕捉人体上半身运动的系统。该系统通过结合使用人脸检测、肤色检测和概率跟踪等技术,利用单个普通摄像头在一般的室内环境下跟踪人体的脸部和手臂关节位置。作为一个实时跟踪系统,该系统实现了跟踪的自动初始化以及自动从跟踪错误中恢复,并且在一定程度上处理光照变化、身体自遮挡等问题。该系统可以用于“虚拟现实”、“视频会议”、“基于摄像头的游戏”等一些领域中。

基于粒子滤波的被动多基站跟踪算法(英文)

针对被动多基站跟踪的实际应用,提出了基于粒子滤波的被动多基站跟踪方法。该方法首先利用两个基站的观测数据融合目标位置,并用第三个基站的观测数据对目标位置进行检验,消除了错误融合位置;然后,推导了被动多基站粒子滤波模型,并根据被动多基站跟踪的特点,提出了顺序重抽样方法,有效地解决了被动多基站跟踪中的高度非线性、非高斯的影响;最后,给出了算法的性能仿真比较。仿真结果表明提出的方法性能明显优于其他跟踪方法(如PMHT、IMM-PDA)。

密集杂波环境下确定性退火DA-HPMHT跟踪算法

在对Homothetic概率多假设跟踪(probabilistic multiple hypothesis tracking,PMHT)和确定性退火(deterministic annealing,DA)技术深入研究的基础上,结合扩展卡尔曼算法,提出了DA-HPMHT算法。针对密集杂波环境对多目标跟踪性能的影响,给出了DA-HPMHT算法在匀速直线交叉运动目标,机动转弯目标和匀速直线邻近目标的仿真实验,并同HPMHT算法进行了仿真比较。仿真结果表明,在初始值与真实值相差较大的情况下,HPMHT算法跟踪性能下降,而DA-HPMHT算法仍能保持较好的跟踪精度,并且满足实时性要求,证明DA-HPMHT算法对密集杂波环境下多机动目标跟踪的有效性。

天波超视距雷达多路径数据关联跟踪算法对比研究

天波超视距雷达的多传播路径会引起多个量测对应同一个目标的问题,而由于传播模式的模糊性,量测与传播模式的对应关系是不确定的。多路径Viterbi数据关联跟踪算法(MVDA)采用回波竞争的思想,而多路径概率数据关联跟踪算法(MPDA)利用了回波合并的策略,通过多次Monte Carlo仿真试验对两种算法的失跟率、状态估计的均方根误差、航迹终结延时以及计算量等跟踪性能指标进行了比较。仿真结果表明,在低检测率、重杂波环境下,提出的MVDA算法大大降低了失跟率,而MPDA算法具有较高的估计精度。

一种新的IMM-PDA滤波器跟踪门

针对杂波环境下跟踪机动目标问题,研究了两种现行的跟踪门,模型跟踪门(MBG)和集中跟踪门(CG)。在此基础上提出了新的跟踪门,分别是模型概率加权跟踪门(MPWG)和两级模型概率加权跟踪门(TS-MPWG)。用RMS误差、跟踪丢失百分比和计算量比较了这几种跟踪门的性能。从仿真结果可以看出,在杂波环境下用IMM-PDAF进行机动目标跟踪,TS-MPWG跟踪门优于其它方法。

天波超视距雷达的多路径融合多目标跟踪算法

针对天波超视距雷达(over-the-horizon radar,OTHR)的信号多路径传播特点,提出一种融合多路径信息的多目标跟踪算法。该算法利用概率多假设跟踪(probabilistic multi-hypothesis tracker,PMHT)算法中量测与目标关联的"软"决策模型优势,并对多路径观测函数显式建模,推导了多路径量测融合处理公式。仿真实验结果表明,相比于标准PMHT算法,所提出算法实现了在低检测概率、高杂波的OTHR环境下对多个目标的更有效跟踪,获得更高的目标状态估计精度和更低的失跟率。

锥扫型光学传感器像平面多目标轨迹跟踪

积分概率多假设跟踪(IPMHT)是一种基于期望极大化(EM)的准最优贝叶斯多目标迭代跟踪算法,研究了该算法在锥扫型光学传感器像平面多目标轨迹跟踪中的问题。为提高算法的跟踪性能和计算效率,利用逻辑概率数据关联滤波(PDAF)方法进行目标初始状态估计,并利用目标幅度信息和波门技术对IPMHT进行优化。针对锥扫型传感器非线性观测下的多目标跟踪,将扩展无味卡尔曼滤波(AUKF)与优化的IPMHT算法相结合,实现像平面多目标轨迹的起始、维持和终结。蒙特卡洛仿真实验表明,该算法成功地解决了锥扫型传感器的像平面多目标轨迹跟踪问题,在提高目标跟踪性能的同时改善了计算效率。