發(fā)布時間：2020-03-29 19:50

【摘要】：紅外小型運(yùn)動目標(biāo)的檢測與跟蹤在救災(zāi)救援、視頻監(jiān)控和軍事偵察等領(lǐng)域有著廣泛應(yīng)用。然而,在這些應(yīng)用場景中目標(biāo)的檢測與跟蹤面臨著探測距離遠(yuǎn),目標(biāo)成像面積小,背景復(fù)雜,成像平臺運(yùn)動干擾等問題。而且這些場景對系統(tǒng)的實(shí)時性與體積功耗也有著較高的要求。因此研究基于嵌入式平臺的紅外小型運(yùn)動目標(biāo)實(shí)時檢測與跟蹤有著重要意義,本文圍繞上述場景中以下幾個具體問題進(jìn)行了研究。針對紅外弱小目標(biāo)檢測時,固定大小濾波器難以適應(yīng)視場中可能存在的多尺度目標(biāo),以及多尺度檢測再融合帶來的計算量大和虛警率高的問題。本文研究了目標(biāo)灰度分布近似模型,分析模型提出了紅外弱小目標(biāo)尺度估計算法。該算法逐像素點(diǎn)估計目標(biāo)可能的尺度。然后,根據(jù)估計的目標(biāo)尺度逐點(diǎn)使用不同大小濾波器對圖像進(jìn)行濾波實(shí)現(xiàn)尺度自適應(yīng)的紅外弱小目標(biāo)檢測。實(shí)驗(yàn)表明,本文提出的尺度自適應(yīng)的檢測算法相比多尺度檢測,信噪比增益等指標(biāo)提高了1倍,速度提高了2到3倍。針對基于特征點(diǎn)配準(zhǔn)的運(yùn)動目標(biāo)檢測中,有時目標(biāo)比較復(fù)雜使得部分配準(zhǔn)特征點(diǎn)集中在目標(biāo)上,導(dǎo)致在平臺運(yùn)動估計時加入目標(biāo)運(yùn)動信息,幀差后目標(biāo)被減掉的問題。本文提出特征點(diǎn)重分布算法,該算法刪掉部分局部過于密集的特征點(diǎn)使得它們在全圖的分布更為均勻。實(shí)驗(yàn)表明,本文算法在不影響配準(zhǔn)精度的前提下,可以得到更為準(zhǔn)確的平臺運(yùn)動估計,信噪比更高的幀差結(jié)果,使得目標(biāo)更容易被分割出來。針對相關(guān)濾波跟蹤過程中,固定學(xué)習(xí)率的模型更新策略難以應(yīng)對目標(biāo)變化快慢不定的問題。本文提出了新的相關(guān)面質(zhì)量評估指標(biāo),通過相關(guān)面質(zhì)量評估,預(yù)測目標(biāo)變化快慢。同時,考慮了目標(biāo)被遮擋的情況,提出了目標(biāo)遮擋判斷算法。最終,結(jié)合目標(biāo)變化快慢以及是否被遮擋的判斷,進(jìn)行學(xué)習(xí)率自適應(yīng)的模型更新�；贠TB50數(shù)據(jù)集的實(shí)驗(yàn)表明,單通道灰度特征的相關(guān)跟蹤器采用本文提出的學(xué)習(xí)率自適應(yīng)策略后,跟蹤精度提高了約3%,同時在實(shí)拍紅外序列的跟蹤上也取得了更好的效果。針對系統(tǒng)的實(shí)時性與小型化問題。本文算法在DSP平臺上進(jìn)行了優(yōu)化實(shí)現(xiàn)。分析了實(shí)現(xiàn)結(jié)果與算法仿真結(jié)果的精度誤差并測試了運(yùn)行時間。實(shí)驗(yàn)結(jié)果表明,本文提出的算法與DSP實(shí)現(xiàn)方案在精度和實(shí)時性上均滿足課題要求。
【圖文】：

圖 2-1 紅外弱小目標(biāo)原圖及灰度分布三維圖尺度紅外弱小目標(biāo)檢測-MPCM2.1.1 節(jié)紅外弱小目標(biāo)灰度分布模型可知紅外弱小目標(biāo)雖然強(qiáng)度弱，但是有一定的灰度變化；同時目標(biāo)小，沒有結(jié)構(gòu)與紋理特征，表現(xiàn)在圖像上的斑點(diǎn)，各向同性�；诳臻g濾波的紅外弱小目標(biāo)檢測方法就是從上述，計算區(qū)域的均值、中值和熵等來增強(qiáng)目標(biāo)抑制背景。度塊對比度測度（MPCM）算法是基于空間濾波方法的典型代表，它的，，由于紅外弱小目標(biāo)各向同性，目標(biāo)比背景有較高的灰度值。如果此處么在同一方向上，目標(biāo)與背景的差值的乘積應(yīng)為正值，而且這個正值越處存在紅外弱小目標(biāo)的概率越高。由于目標(biāo)的尺度往往是不確定，視場在多個尺度不同的紅外弱小目標(biāo)。所以該算法遍歷目標(biāo)所有可能的尺度該尺度下的濾波響應(yīng)，一個像素點(diǎn)所有尺度的響應(yīng)中取一個最大值作為

(a)原圖 (b)MPCM 濾波圖 2-4 MPCM 較差的濾波結(jié)果CM 算法的問題在于，它遍歷所有可，孤立的噪點(diǎn)會產(chǎn)生較大的濾波響應(yīng)較好地識別局部緩慢變化的背景，但是干擾了算法對真實(shí)目標(biāo)的判斷；而且影響算法的實(shí)時性。外弱小目標(biāo)檢測度估計對比度測度算法（MPCM）中遍歷目標(biāo)和虛警率高的問題，本文提出紅外弱
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：TP391.41;TN713;TN219

【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 王岳環(huán);程勝蓮;周曉瑋;張?zhí)煨?;基于多級濾波的復(fù)雜背景下多尺度小目標(biāo)檢測[J];紅外與激光工程;2006年03期

2 王岳環(huán);陳妍;程勝蓮;張?zhí)煨?;基于模式側(cè)抑制復(fù)雜背景下的小目標(biāo)檢測[J];紅外與激光工程;2005年06期

3 鐘勝,張?zhí)煨?桑農(nóng),沈俊;從因AGC受損的紅外圖像中計算點(diǎn)源能量比[J];系統(tǒng)工程與電子技術(shù);2003年09期

相關(guān)碩士學(xué)位論文 前3條

1 望少建;基于相關(guān)濾波的視覺目標(biāo)跟蹤[D];西安電子科技大學(xué);2018年

2 王鶴鵬;基于核相關(guān)濾波的目標(biāo)跟蹤算法研究[D];西安電子科技大學(xué);2018年

3 谷成剛;復(fù)雜場景下的相關(guān)濾波跟蹤算法研究[D];安徽大學(xué);2018年

本文編號：2606440