Resumen

Con el fin de mejorar el rendimiento de detección y seguimiento de múltiples objetivos a partir de secuencias de imágenes multiespectrales de IR, se propone un enfoque basado en un algoritmo de fusión espectral y un 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. Basándose 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 un algoritmo PHD adaptativo basado en filtrado de partículas para detectar y seguir múltiples objetivos. Este algoritmo puede lidiar con la medición no lineal del estado del objetivo. Además, la probabilidad de detección calculada sustituye la probabilidad de detección fija en el filtro PHD. Por último, se utilizaron conjuntos de datos sintéticos basados en varias imágenes de fondo reales para validar la efectividad del enfoque de detección. Los resultados demuestran que el enfoque propuesto supera al filtrado PHD secuencial convencional en cuanto a rendimiento de detección y seguimiento.

• 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