41、自动目标识别（ATR）中的机器视觉技术解析

自动目标识别（ATR）中的机器视觉技术解析

1. ATR 特有的机器视觉问题

在自动目标识别（ATR）领域，存在一些独特的机器视觉问题。
- 对比度反转 ：物体在 24 小时内可能会出现对比度反转的情况。这意味着在不同的时间段，目标的视觉特征会发生显著变化，给识别带来困难。
- 遮挡问题 ：与工业机器视觉不同，ATR 场景中的目标通常至少会部分被遮挡。对手可能会主动让其设备尽可能多地被遮挡，增加识别难度。例如，卡车可能会被树木遮挡。
- 过拟合问题 ：ATR 系统很容易出现过拟合现象。即系统在训练数据上表现良好，但在未见过的数据上表现不佳，即使这些数据在人类看来非常相似。关键问题是在提高检测概率的同时，保持较低的误报率。Neyman - Pearson 测试可以在一定程度上解决这个问题，它能在误报概率的性能边界内进行最小化操作。

2. 目标跟踪

在 ATR 中，很多应用都需要进行目标跟踪，而且跟踪问题比民用领域更具挑战性。
- 质心跟踪 ：这是最简单的跟踪算法，通常假设视野中只有一个目标，且目标的亮点比背景亮很多。在这种假设下，目标的质心就是视野的质心。不过，也有方法可以提高其复杂性。
- 高级跟踪算法 ：对于移动目标的更复杂跟踪，通常使用最优滤波器，如 Kalman - Bucy 滤波器。此外，还有一些研究讨论了 Kalman 滤波方法的局限性，并提出了基于小波和 Zakai 方程的非线性跟踪滤波器。同时，模糊和神经技术在跟踪中的应用也有