Адаптивные корреляционные фильтры для распознавания и слежения за объектами

Распознавание объектов с помощью линейной или нелинейной (на основе порядковых статистик) фильтрации является хорошей альтернативой методам, основанным на поиске характеристик объекта, и примером статистического распознавания образов. Они имеют хорошую математическую основу, а также могут быть реализованы в оптико-электронных системах с высокой скоростью. Обнаружению монохромных и многокомпонентных объектов с помощью линейной фильтрации посвящено огромное количество работ, однако, большинство методов сводится к вычислению различных вариантов функции корреляции заданного объекта с наблюдаемым изображением и последующим сравнением с порогом. Теоретическим обоснованием корреляции может служить аддитивная модель искомого объекта и независимого гауссова шума с известной корреляционной функцией и критерий максимального правдоподобия. Решение о наличии объекта и измерении его координат на выходе корреляционного обнаружителя принимаются в зависимости от значений сигнала в каждой точке на корреляционной плоскости. Простота вычислений сделала этот метод обнаружения объектов и измерение их координат широко используемым. Однако теоретически и экспериментально установлено, что на достаточно сложных изображениях корреляционный обнаружитель имеет большую вероятность ошибочного отождествления искомого объекта с посторонними объектами фона. В докладе будут рассмотрены основные результаты построения адаптивных и локально-адаптивных корреляционных фильтров, композиционных фильтров, банков фильтров для задач распознавания и слежения за объектами.