文档介绍：基于粒子滤波的红外弱小目标的检测与跟踪一、弱小目标检测与跟踪的发展
弱小目标检测与跟踪的背景在现代高科技战争中，为了能尽早地发现敌方卫星、导弹、飞机、坦克、车辆等军事目标，增大作战距离，要求在远距离处就能发现目标，只有及时地发现目标、跟踪目标、捕获和锁定目标，才能实现有效的攻击。然而，对于获得的远距离图像，目标成像面积小，可检测到的信号相对较弱，特别是在复杂背景干扰下，目标被大量噪声所淹没，导致图像的信噪比(SNR很低，小目标检测工作变得困难起来。因此，低信噪比条件下序列图像运动小目标的检测问题成了一个亟待解决的关键问题，探索和研究新的小目标检测理论以及如何将现有的检测理论应用于小目标仍是一项重要的课题，对现代战争以及未来战争具有深远的意义。
弱小目标的含义
“弱”和“小”指的是目标属性的两个方面。所谓“弱”是指目标红外辐射的强度，反映到图像上是指目标的灰度，即低对比度的目标，也称灰度小目标；
所谓“小”是指目标的尺寸，反映到图像上是指目标所占的像素数，即像素点少的目标，也称能量小目标。
弱小目标检测与跟踪的难点在低信噪比情况下检测和跟踪未知位置和速度的运动小目标是红外搜索和跟踪系
统中的一个重要问题，其主要困难在于：
缺少关于背景的统计先验信息；
目标的信噪比非常低以至于很难从单幅图像中检测出目标；
目标可能会在未知时间点上出现或消失；
无法得到形状、纹理等有用的目标特征；
仅有的检测信息是目标的未知的亮度和移动速度。
红外弱小目标的检测与跟踪算法
算法分类：
DBT ( Detect before Track )----跟踪前检测；
TBD (Track before Detect) ---- 检测前跟踪。
DBT算法
※ DBT 算法检测与跟踪的原理
经典的小目标检测与跟踪方法是 DBT即先根据检测概率和虚警概率计算单帧图像的检测门限，然后对每帧图像进行分割，并将目标的单帧检测结果与目标运动轨迹进行关联，最后进行目标跟踪，适应于信噪比较低高的情况下。
※ 算法流程图
图 1 先检测后跟踪算法流程
探DBT算法常采用的方法：
小波分析方法
背景抑制方法
基于变换的方法
门限检测方法
TBD算法
探TBD算法检测与跟踪的原理
目前人们较多采用TBD方法来检测图像中低信噪比弱小目标，这种方法对单帧图像中有无目标先不进行判断，而是先对图像中较多的可能轨迹同时进行跟踪，然后根据检测概率、虚警概率和信噪比计算出多帧图像的检测门限进行决策。在低信噪比情况下， TBD的检测性能优于DBT
※ 算法流程
TDB方法概括起来包含三个步骤：一背景抑制，通过滤波将红外图像低频和高频部分进行分离，提高信噪比，尽可能抑制原始图像中的低频背景杂波干扰；
二是可疑目标跟踪，利用相邻几帧中目标的运动信息来分割可能目标，从背景抑制后的图像中分割出少量候选目标进行跟踪；
三是目标检测，利用序列图像中目标运动的连续性和轨迹的一致性，进一步排除虚假目标，从候选目标中检测出真正的目标。
图2红外弱小目标TDB算法设计流程
※ 常用方法
基于三维匹配滤波器方法
基于多级假设检验方法
基于高阶相关方法
基于动态规划方法
基于投影变换方法
基于时域滤波方法
基于粒子滤波方法
探基于粒子滤波方法的TBD算法发展现状
•国外发展现状
基于粒子滤波检测小目标的思想首先是由 Salmo nd提出的，他通过运动方程预测出下一时刻的运动状态，再利用传感器获得的量测数据对其进行更新，得到该时刻状态的
后验概率分布，最后以目标出现概率作为目标检测的判断准则，检测出真实目标，并估
计目标在空间平面内的位置。
Ristic完善了 Salmond他们的工作，给出了详细的实现步骤，并且评价了该算法的跟踪误差性能及检测性能。
Boers也在这方面做了大量研究，其框架上与前者相似，只是将单目标推广到多目标。
最近，在Ristic 的基础上，Rutten等学者对粒子滤波TBD算法作了深入研究，在其研究中所采用的量测噪声不是传统的高斯噪声，而是Ricean噪声和Rayleigh 噪
声，这样使量测更加接近真实数据，并且通过推导得出目标出现概率 p k 1乙*的计
算公式。
•国内发展现状
针对低信噪比下幅值波动的弱目标跟踪问题，杨小军提出了一种基于粒子滤波和 Bayes似然比方法的联合检测和跟踪算法。
在低信噪比复杂环境下的红外小目标检测和跟踪问题，胡洪涛等提出了基于辅助粒
子滤滤的红外小目标检测前跟踪算法。
4）TBD与 DBT检测性能比较
跟踪前检测方法（DBT
检测前跟踪方法（TBD
优