卡尔曼粒子滤波中基于精确运动模型的局部区域估计（英文）

粒子滤波广泛应用于对精度和稳定性要求较高的目标跟踪,但其计算量大,并且计算复杂度随着状态量和粒子数目增长迅速增加。将目标跟踪转化为由粗到精的搜索过程,提出了一种基于精确运动模型的改进分层卡尔曼粒子滤波算法。该方法利用加速度的运动模型在真实目标位置的周围估计目标的散布范围,并在该范围内随机生成粒子,寻找精确的目标位置。文中引入加加速度模型主要是由于现有方法的状态量阶数不足,导致模型精确度较低,无法应对大机动目标的跟踪。因此,引入了高阶状态变量加加速度,并将其用于改进分层卡尔曼粒子滤波的运动模型。利用分层卡尔曼粒子滤波、粒子滤波以及提出的方法进行了跟踪试验,结果表明,基于精确运动模型的改进分层卡尔曼粒子滤波模型的跟踪方法能够提高线性运动的预测精度,实现复杂环境下精确稳定的跟踪。

改进PIC的背景重构算法与运动目标检测新方法

根据图像序列中出现频率最高的像素均值为背景点的思想,对像素灰度归类(pixel intensity classification,PIC)算法进行改进,通过将所选取的用于重构背景的序列图像像素值进行归一化、量化统计、量化范围拓展,从而重构背景图像,该方法避免了PIC算法中需要人为设定阈值;舍去了较为耗时及复杂的相近灰度区间合并等步骤;对于重构背景与目标图像作差后的二值图像,提出一种新的目标检测方法:粗精两步搜索法,可以精确确定目标物的位置,实现对运动目标的检测。实验结果表明该方法比PIC方法运行时间短、重构的背景噪声点少、粗精搜索后的目标位置准确,是一种快速有效的运动目标检测方法。

基于CFDSE的RFID标签数动态估算方法

针对切比雪夫不等式标签数估算方法运算量较大的问题,提出粗精二次搜索RFID标签数动态估算方法(CFDSE),基于由粗至精搜索思想,第一次搜索用加减运算消除平方、开方运算,同时减少第二次搜索范围,可使第二次搜索范围减少约90%。第二次搜索采用切比雪夫不等式估算方法,提高估算准确度。仿真实验表明:CFDSE估算误差小于5%,估算时间比切比雪夫不等式法减少约54%。

基于实时灰度Hough变换的超声图像针状物体检测

实时针状物体分割、跟踪技术是图像导引手术治疗过程中的一项关键技术,针分割结果直接关系到手术的成败。以灰度Hough变换为基础,提出了一种在二维超声图像中检测插入软组织中针的自动跟踪技术——实时灰度Hough变换技术。该技术不需要二值化,它由粗-精搜索策略和改进的基于相位编组方法的灰度Hough变换两部分组成。用患者乳腺活检超声图像进行了实验,其结果表明,方法在没有外部硬件加速的情况下,在PC机上就能够实时、准确地检测出活检针,其方向误差为1°左右,位置误差在0.5mm以内,完全可以满足超声图像导引手术治疗与活检的需要。