红外图像弱小目标.docx

红外图像弱小目标PF-TBD算法源程序% 将粒子滤波算法应用于红外弱小目标 TBD问题，验证其检测、跟踪目标的有效性clear;clc% 粒子数目N = 2000; % 采样时间T = 1; % 仿真结束时间(采样总帧数) T_end = 30; % 假定目标从某一特定帧开始出现，然后在另一特定帧消失T_ap = 6; T_dp = 24; % 采样时间序列SimTime = zeros(floor(T_end/T),1); % 分辨单元数目N_x = 32; % 横向分布单元数目M_y = 32; % 纵向分布单元数目% 分辨单元的宽度Delta_X = 1; Delta_Y = 1; % 传感器的模糊参数值SIGMA = 0.7; % 目标初始出现概率mu = 0.05; % 目标速度区间vmin = 0.2; vmax = 1; % 目标强度(灰度值)区间Imin = 10; Imax = 30; % 抽样阈值(在大于r_th的区域内均匀分布) r_th = 2.5; % 扩散因子(目标影响相邻分辨单元的程度) p = 3; % 目标 Markov 过程转移概率相关参数Pb = 0.05; Pd = 0.05; % 转移矩阵的表达式PI_T = [1-Pb,Pb Pd,1-Pd]; % 转移矩阵 PI 的行数(列数) PI_s = size(PI_T,1); % 系统状态转移矩阵Phi = [1,T,0,0,0 0,1,0,0,0 0,0,1,T,0 0,0,0,1,0 0,0,0,0,1]; % 系统噪声协方差矩阵中的目标状态和灰度幅值噪声强度q1 = 0.001; % 目标状态变化强度q2 = 0.01; % 目标灰度值变化强度% 系统噪声协方差矩阵Q = [q1*T^3/3,q1*T^2/2,0,0,0 q1*T^2/2,q1*T, 0,0,0 0,0,q1*T^3/3,q1*T^2/2,0 0,0,q1*T^2/2, q1*T, 0 0,0,0,0,q2*T]; % 系统观测噪声R = 1.5^2; %************************************* % 变量取值初始化过程%************************************* % 定义滤波初值(假定目标出现时的初值) X = [4.2,0.45,7.2,0.25,20]; % 整个粒子的集合，其中第 6位代表当前时刻 E判决标识位，而第7位为上一时刻值X_PF = zeros(7,N); % 单个粒子状态值X_PF_i = zeros(7,1); % 初始时假定每个粒子的权值为均匀的w_i = 1/N*zeros(1,N); % 预测粒子的均值及其协方差X_PF_mean = zeros(5,1); Px_PF = Q; Xtru = zeros(5,floor(T_end/T)); Xest_PF = zeros(5,floor(T_end/T)); % 经 PF估计出的目标出现概率Prob_PF = zeros(1,floor(T_end/T)); % 每帧红外图像的观测值(以每个像素点为基准) Measure_i = zeros(N_x,M_y); H_i = zeros(N_x,M_y); % 为了计算各粒子的权值，生成初始时刻的红外观测图像for i=1:N_x for j = 1:M_y Measure_i(i,j) = sqrt(R)*randn(1); endend% 当考虑不设置阈值的情况时，此时假定目标会在所有的观测单元中随机出现；% 当考虑阈值时，在大于门限的区域内均匀分布(如何实现) % 由于假定目标初始出现概率为 0.05，则可认为只有 100个粒子的E值为 1，其余均为 0 for i=1:20:2000 % 假定每 20个粒子出现一个E0=1的粒子X_PF_i = zeros(7,1); % 在测量值超过门限的区域中均匀地抽取粒子，首先找出超过门限的区域 [PosRow,PosCol] = find(Measure_i r_th); NPoints = length(PosRow); TarPos = ceil(rand(1)*NPoints); % 抽取粒子X_PF_i(1) = PosRow(TarPos); X_PF_i(2) = vmin + (vmax-vmin)*rand(1); X_PF_i(3) = PosCol(TarPos); X_PF_i(4) = vmin + (vmax-vmin