● 摘要
传统光学成像目标跟踪易受干扰影响而导致目标丢失。而高光谱成像探测技术克服了传统单/双波段成像技术在光谱精细信息表达等方面的局限性，能够从光谱空间中对目标予以细分和鉴别。在目标跟踪中引入光谱信息，有助于提升目标跟踪精度与稳定性。现有的实用高光谱成像光谱仪的成像体制中，凝视型系统可确保获取目标在场景中真实的位置和形态，能满足跟踪任务的基本需求。因此，研究和探索凝视高光谱成像目标跟踪与识别技术在理论和应用上具有重要的意义。但凝视型成像光谱仪系统存在着运动目标“光谱失配”问题，如何在跟踪/识别过程中引入并有效利用光谱信息也是一个难点。本文针对凝视高光谱成像运动目标跟踪与识别中存在的问题，在以下几个方面开展了研究工作：
（1）针对实际应用中的两个基本需求：目标截获能力和目标锁定能力，构建了包含三个核心模块的凝视高光谱成像动目标跟踪与识别系统工作体制：基于光谱信息重建技术获取运动目标光谱信息；利用基于光谱信息的目标识别技术剔除干扰轨迹、锁定真实目标；利用光谱特征辅助进行目标跟踪，以快速剔除干扰影响，实现持续锁定真实目标。进一步地，分析了探测波段及其数目对该体制下系统性能的影响，讨论了探测波段优化的必要性，并提出了综合“最优”波段组合选择方法。
（2）将运动目标光谱“失配”问题视为目标在一个由不同波段图像组成的特殊图像序列中运动的过程，提出了一种针对凝视型成像光谱仪系统的运动目标光谱信息重建方法。该方法利用自适应背景预测技术进行背景抑制，以实现对不同波段、不同灰度分布图像中小目标的检测；基于各帧检测结果并进一步利用多目标跟踪技术，可获取视场内多个疑似目标连续运动轨迹及其光谱信息，完成运动目标光谱信息重建。此外，针对传统自适应背景预测技术在复杂背景下预测精度低、虚警率高的问题，提出了一种具有滤波器结构可变特性的背景自适应预测方法，以更好地进行小目标检测。
（3）针对目标光谱特征受外界环境及观测角度等因素影响而导致其在特征空间内的分布趋于复杂，类别信息不确定性加强的问题，提出了一种基于“多概念——多任务学习”思想的目标光谱识别方法：利用聚类技术将原识别问题细分为多个不同“条件”下的子问题，并采用多分类器组合策略，基于多任务学习技术提取多个子任务共性，提升各子分类器泛化能力。
（4）针对锁定目标后的跟踪过程仍可能受到干扰影响而导致目标逃逸的问题，引入目标光谱特征对干扰予以判别，结合凝视型系统光谱信息更新的特点，提出了一种光谱特征辅助目标跟踪方法，通过目标光谱信息和运动信息的融合实现干扰剔除，确保对真实目标的持续锁定。
相关内容
相关标签