Resumen

Para mejorar el rendimiento de detección y seguimiento de múltiples objetivos en secuencias de imágenes multiespectrales IR, se propone un enfoque basado en el algoritmo de fusión espectral y el filtro de densidad de hipótesis de probabilidad (PHD) adaptativo. En primer lugar, se propone un método de supresión adaptativa no estacionario para eliminar el desorden de fondo. Basado en la secuencia de imágenes multiespectrales, se utiliza el método de fusión espectral para detectar los objetivos anómalos. La fusión espectral produce el modelo de detección binaria apropiado y la probabilidad computacional de detección. En segundo lugar, se desarrolla el algoritmo PHD adaptativo basado en filtrado de partículas para detectar y seguir múltiples objetivos. Este algoritmo puede manejar la medición no lineal del estado del objetivo. Además, la probabilidad de detección calculada sustituye la probabilidad de detección fija en el filtro PHD. Finalmente, se utilizaron conjuntos de datos sintéticos bas

• Materias:Espectros Raman Aerosoles atmosféricos Método de caída colgante Antígenos y anticuerpos Farmacocinética
• Subjects:Raman spectra Atmospheric aerosols Hanging drop method Antigens and antibodies Pharmacokinetics
• Palabras claves:Enfoque propuesto; Algoritmo de fusión espectral; Filtro adaptativo de densidad de hipótesis de probabilidad; Secuencia de imágenes multiespectrales; Filtrado de partículas; Prestaciones de detección y seguimiento
• Keywords:Proposed approach; Spectral fusion algorithm; Adaptive probability hypothesis density filter; Multispectral image sequence; Particle filtering; Detection and tracking performances