http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : Shu Juan Gao (검색결과 1 건)
-
NBNN-Based Multi-Feature Infrared Target Tracking using Particle Filter
Shu Juan Gao 수원대학교 2015 국내박사
적외선 영상 기술은 목표물을 향한 적외선을 수동적으로 수용하여 작동한다. 이 기술은 광범위한 작동 범위와 24시간 활용 가능하다는 장점이 있다. 적외선 영상 기술의 지속적인 발전에 따라 적외선 영상 시스템은 적외선 미사일 정밀 유도, 조기 경보, 영상 감시, 수색 및 추적과 같은 다양한 군사 분야 또는 민간 분야에 적용되어 왔다. 위에서 언급된 분야들의 주요 기술로 적외선에 기반한 목표 탐지 및 추적은 현대 군사적 방어에서 중요한 역할을 하고 있다. 적외선 목표물은 각각 고유의 특성을 갖고 있으며, 이는 탐지 및 추적 작업을 아주 어렵게 만드는 요인이다. 예를 들면, 목표물들 사이의 영상 거리가 멀리 떨어져 있어서도 이미지 상으로는 단순히 몇 개의 픽셀을 차지할 뿐이다. 게다가 영상 시스템의 잡음과 배경 반사파 교란의 잡음 둘다 너무 강해서 목표물의 신호가 흐릿해지며 이러한 잡음에 의해 쉽게 정보가 손실된다. 결국, 목표물의 효율적인 모양과 질감 특징의 결여로 인해, 탐지 및 추적 시스템에 제공될 수 있는 정보가 거의 없게 된다. 이와 같이 적외선 목표물의 탐지 및 추적은 어려운 연구 과제이며, 이에 대한 심도 있는 연구는 중요한 이론적 의미와 실제적 가치를 가진다. 이 논문은 적외선 목표물의 탐지 및 추적에 대한 관련 기술들을 심도 있게 논의하고 기술한다. 이 논문의 기여는 다음과 같이 요약할 수 있다. 1) 본 논문에서는 적외선 목표물 탐지 시스템을 위하여 새롭게 대두되고 있는 분야인 압축센싱(compressive sensing) 이론을 채택했다. 베이시안(Bayesian) 필터의 틀에 기반을 두고, 목표물은 희소성 표현(sparse representation) 으로 기술한다. 압축센싱(SC)은 압축할 수 있는 신호의 비적응 선형 투사가 적응 양이라도 신호 재건 및 처리를 위한 충분한 정보가 포함된다는 환상에 기반한다. 그 방법은 우선적으로 데이터 독립적인 이미지 특징 공간에서 추출된 특징들을 사용하여 appearance model을 구성한다. appearance model은 비적응 임의적 선형 투사를 채택하므로, 구조적 목표물의 특징을 보존할 수 있다. 실험 결과들은 제안된 적외선 목표물 탐지 시스템이 실현 가능하고 효율적이란 것을 보여주고 있다. 2) 우리는 훈련 단계가 필요 없는 아주 단순하고 효율적인 알고리즘인 Naïve Bayes Nearest Neighbor (NBNN)를 채택한다. 최신 이미지 분류 기술들은 종합적인 학습 및 훈련 단계 (예를 들면, Boosting, SVM 등의 사용)를 요구한다. 반면에 비모수 근접이웃 (Nearest Neighbor) 기반 이미지 분류기들은 훈련 시간이 필요하지 않으며, 다른 여러 이점들도 갖고 있다. 연속적인 적외선 시퀀스의 추적 결과는 우리의 알고리즘이 조명 변화에 강력하다는 것을 보여주고 있으며, 적외선 시퀀스의 움직이는 목표물에 대한 실시간 추적에 적절하며, 성능 또한 우수하다는 것을 보여주고 있다. 3) 본 논문에서는 다중 특징(multiple features)에 의거한 탐지 알고리즘을 제시했다. 입자 필터(particle filter)는 비선형 및 비정규성 동적 시스템의 상태 추정을 위한 효과적인 방법이다. 본 논문에서 제시된 방법에서 활용된 특징들은 Local Contrast Mean Difference와 지역 엔트로피(Local Entropy)이다. 입자 필터 알고리즘은 위에서 언급된 다중 특징에 기반하여 확장되었다. 제안된 방법에서 특징들은(features) 첫 번째 프레임에서 추출되고, 융합된 특징 정보를 입자량으로 전환하기 위하여 입자 필터 알고리즘이 작동된다. 실험 결과들은 이 방법이 탐지 및 추적에서 좋은 성능을 발취하고 있음을 보여주고 있다. Infrared imaging technology works by receiving targets’ infrared radiation passively. It has such advantages as long operating range and ability to work in day and night. With the continuous development of infrared imaging technology, infrared imaging system has been applied to many military or civil fields, such as infrared missile precise guidance, early warning, video surveillance, search and tracking. As a key technique in the above fields, targets detection and tracking based on infrared imaging playing importance roles in modern defense. Infrared targets have their own characteristics, which make the detection and tracking work become quite difficulty. For example, for imaging distances of targets are always far, they only occupy several pixels in the image. In addition, both of noises in the imaging system and background clutter disturbances are so strong that the target signals are dim and easily drowned by them. Finally, the targets lack of efficient shape and texture features, so little information can be provided for the detection and tracking system. Therefore, the detection and tracking of infrared target are challenging research topics, and an in-depth study of them has crucial theory meaning and practical values. This dissertation deeply discussed and researches the related technologies about the detection and tracking of infrared target. The innovative contributions of this dissertation are as follows: 1) We adopted compressive sensing theory, a new and emerging field, for an infrared target detection system. Based on the framework of Bayesian filter, target is expressed by sparse representation. Compressive sensing (CS) is based on the illusion that a small quantity of non-adaptive linear projection of a compressible signal contains sufficient information for signal reconstruction and processing. The method firstly construct appearance model using features extracted from the data independent image feature space. The appearance model can preserve structure targets’ feature since it adopts non-adaptive random projections. The experiment results show that the proposed infrared target detection system is feasible and efficient. 2) We adopt Naïve Bayes Nearest Neighbor (NBNN) that is an extremely simple, efficient algorithm that requires no training phase. State-of-the-art image classification techniques need a comprehensive learning and training step (e.g., using Boosting, SVM, etc.). In contrast, non-parametric Nearest Neighbor based image classifiers need no training time and they also have other more advantageous properties. Results of tracking in infrared sequences demonstrated that our algorithm is robust to illumination changes, and the tracking algorithm is found to be suitable for real-time tracking of a moving target in infrared sequences and its performance was quite good. 3) We proposed a detection method based on multiple features. Particle filter is an effective method for state estimation of non-linear and non-Gaussian dynamic systems. Features utilized in our method are Local Contrast Mean Difference and Local Entropy. In the proposed method, features are extracted from the first frame and then particle filter algorithm is run to transform the fused feature information into particle weights. Experimental results demonstrate that the method has good performance of detecting and tracking.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
