L'algorithme hongrois traditionnel présente quatre limitations dans la détection d'objets dans l'espace des cartes d'étoiles : absence de prédiction de mouvement, recherche globale redondante, caractéristiques de correspondance uniques et poids fixes manquant d'adaptabilité. Dans des scénarios complexes où coexistent des cibles à grande et faible vitesse, une approche rapprochée dense, des variations dynamiques de taille et un faible rapport signal-bruit, ces insuffisances entraînent une baisse significative de la précision de détection et de la cohérence d'identité. Cet article propose un algorithme de correspondance hongrois amélioré de manière progressive basé sur plusieurs caractéristiques. Il introduit d'abord un filtre de Kalman pour prédire la position et la vitesse de la cible, en utilisant la position prédite au lieu de la position d'observation statique pour construire le coût de correspondance; ensuite, il utilise la matrice de covariance de la prédiction de Kalman pour construire une porte de distance de Mahalanobis, réduisant l'espace de recherche de la correspondance hongroise à une région locale à l'intérieur de l'ellipse prédite; puis il conçoit un mécanisme de poids dynamique multi-caractéristiques qui ajuste de manière adaptative la contribution des coûts de chaque caractéristique en fonction de la fiabilité en temps réel de la position, de la surface et du rapport largeur/hauteur; enfin, il introduit un mécanisme de pénalité d'anomalie imposant un coût supplémentaire aux correspondances candidates présentant des variations anormales de surface et de rapport largeur/hauteur. Les expérimentations dans cinq scénarios simulés représentatifs de cartes d'étoiles (cibles à vitesses multiples, approches denses, mélanges de mécanismes, cibles à haute densité et faible rapport signal-bruit) montrent que l'algorithme proposé obtient un MOTA moyen de 88,3 %, dépassant de 5,9 points l'algorithme hongrois traditionnel (82,4 %), de 23,7 points le PPMHT (64,6 %) et de 6,0 points le plus proche voisin (82,3 %); un IDF1 moyen de 65,8 %, supérieur de 9,5 points à l'algorithme hongrois traditionnel (56,3 %) et de 15,8 points au PPMHT (50,0 %); un IDS moyen de 1,6, inférieur de 2,3 à l'hongrois traditionnel (3,9) et de 3,6 au plus proche voisin (5,2); un temps moyen de calcul de 41,2 ms/frame, répondant aux exigences en temps réel. Les expériences d'ablation montrent que les quatre améliorations – prédiction de Kalman, porte de Mahalanobis, poids dynamiques et pénalité d'anomalie – apportent respectivement des gains de 8,8, 6,5, 3,2 et 1,2 points en MOTA. L'algorithme proposé, grâce à un cadre d'amélioration progressive en quatre dimensions, atteint un équilibre efficace entre précision de détection, cohérence d'identité et efficacité informatique, fournissant une solution efficace pour l'association fiable d'objets dans l'espace des cartes d'étoiles entre les images.

détection d'objets dans l'espace des cartes d'étoiles; algorithme hongrois; optimisation multi-caractéristiques; filtre de Kalman; porte de distance de Mahalanobis; poids dynamiques