您的位置:山东大学 -> 科技期刊社 -> 《山东大学学报(工学版)》

山东大学学报(工学版) ›› 2010, Vol. 40 ›› Issue (3): 31-36.

• 机器学习与数据挖掘 • 上一篇    下一篇

基于雷达图像的运动目标形态检测及跟踪技术

刘文亮,朱维红,陈涤,张泓泉   

  1. 山东大学信息科学与工程学院, 山东 济南 250100
  • 收稿日期:2009-11-12 出版日期:2010-06-16 发布日期:2009-11-12
  • 作者简介:刘文亮(1985-),男,山东临沂人,硕士研究生,主要研究方向为无线传感器网络、计算机智能测控.E-mail:lwl203094@163.com
  • 基金资助:

    山东省自然科学基金资助项目(Y2002G14)

Detection and tracking of moving targets using the morphology match in radar images

LIU Wen-liang, ZHU Wei-hong, CHEN Di, ZHANG Hong-quan   

  1. School of Information Science and Engineering, Shandong University, Jinan 250100, China
  • Received:2009-11-12 Online:2010-06-16 Published:2009-11-12

关键词: 帧差法, 滑动窗口形态匹配, 点-航迹关联, 二次匹配, 预测

Abstract:

Moving targets detection and tracking is widely used in practice. Problems such as weak signal and severe interference of stationary objects usually occur in detecting and tracking high-speed low-altitude moving targets. Based on some aircraft landing radar echo images, a sliding window morphology match algorithm was presented to detect objects in a gray image which was processed by using frame difference. A second match algorithm was used  to find targets with a weak signal and remove false target interference.  Making a correlation between the pilot trail and the multiframe image could eliminate similar target interference of stationary objects and thus achieve the goal of tracking a moving target. The results of experiments showed that this processing algorithm is simple and has a short frameprocessing time. It can detect very weak signals, effectively suppress any interference, and quickly capture targets. This algorithm achieves real-time detection of moving objects, accurate positioning and no tracking loss.

Key words:  frame difference, sliding window morphology match, point-trail correlation, second match, forecasting

[1] 刘哲,宋锐,邹涛. 基于模型预测控制的磨削机器人末端力跟踪控制算法[J]. 山东大学学报(工学版), 2018, 48(1): 42-49.
[2] 谢国辉,樊昊. 太阳能光热发电技术成熟度预测模型[J]. 山东大学学报(工学版), 2017, 47(6): 83-88.
[3] 韩学山,王俊雄,孙东磊,李文博,张心怡,韦志清. 计及空间关联冗余的节点负荷预测方法[J]. 山东大学学报(工学版), 2017, 47(6): 7-12.
[4] 李笋,王超,张桂林,徐志根,程涛,王义元,王瑞琪. 基于支持向量回归的短期负荷预测[J]. 山东大学学报(工学版), 2017, 47(6): 52-56.
[5] 车长明,张华栋,李建祥,袁弘,刘海波. 需求侧规模化电动汽车的充电负荷优化调控策略[J]. 山东大学学报(工学版), 2017, 47(6): 108-114.
[6] 周志杰,赵福均,胡昌华,王力,冯志超,刘涛源. 基于证据推理的航天继电器故障预测方法[J]. 山东大学学报(工学版), 2017, 47(5): 22-29.
[7] 周福娜,高育林,王佳瑜,文成林. 基于深度学习的缓变故障早期诊断及寿命预测[J]. 山东大学学报(工学版), 2017, 47(5): 30-37.
[8] 路昌海. 基于Markov链的锅炉热负荷预测方法[J]. 山东大学学报(工学版), 2017, 47(3): 151-158.
[9] 何正义,曾宪华,曲省卫,吴治龙. 基于集成深度学习的时间序列预测模型[J]. 山东大学学报(工学版), 2016, 46(6): 40-47.
[10] 包建业,王静. 基于离散裂隙网络模型的隧道涌水量预测[J]. 山东大学学报(工学版), 2016, 46(6): 127-134.
[11] 王志强,文益民,李芳. 基于多方面评分的景点协同推荐算法[J]. 山东大学学报(工学版), 2016, 46(6): 54-61.
[12] 刘斌,李术才,李建斌,王玉杰,张建清,聂利超,王雪亮. TBM掘进前方不良地质与岩体参数的综合获取方法[J]. 山东大学学报(工学版), 2016, 46(6): 105-112.
[13] 于松青, 侯承昊, 孙英涛. 基于系统动力学的山东省电力需求预测[J]. 山东大学学报(工学版), 2015, 45(6): 91-98.
[14] 熊冰妍, 王国胤, 邓维斌. 分级式代价敏感决策树及其在手机换机预测中的应用[J]. 山东大学学报(工学版), 2015, 45(5): 36-42.
[15] 郭志波, 董健, 庞成. 多技术融合的Mean-Shift目标跟踪算法[J]. 山东大学学报(工学版), 2015, 45(2): 10-16.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
No Suggested Reading articles found!