發(fā)布時間：2020-08-09 20:25

【摘要】：紅外成像探測在精確制導(dǎo)/反導(dǎo)、紅外預(yù)警、空間遠(yuǎn)距離目標(biāo)探測以及天基碎片探測等多個方面都有廣泛的應(yīng)用。該類應(yīng)用中都需要對目標(biāo)進(jìn)行精確檢測、識別和解析。由于成像距離長、成像環(huán)境復(fù)雜以及探測器精度等原因,紅外弱小目標(biāo)檢測是一個有挑戰(zhàn)性的問題,一直以來也得到了廣泛的關(guān)注。傳統(tǒng)的紅外弱小目標(biāo)檢測方法在復(fù)雜場景中容易受到背景雜波和噪聲的干擾,檢測精度有限,在實際應(yīng)用中效果不佳。稀疏動態(tài)反演,或者稱為稀疏動態(tài)優(yōu)化,是信號處理領(lǐng)域一種常用的思路,用于從觀測量中恢復(fù)出信號的成分,并進(jìn)一步從中提取所需要的信息。通過對紅外成像場景和紅外弱小目標(biāo)進(jìn)行分析,結(jié)合稀疏動態(tài)反演理論,可以提升弱小目標(biāo)檢測的精度和穩(wěn)定性,有助于紅外搜索與跟蹤系統(tǒng)的發(fā)展。本文的研究集中于紅外圖像分析、模型構(gòu)建、稀疏動態(tài)反演方法研究等,研究對象包括海面、天空及地面等復(fù)雜度不同的場景,研究內(nèi)容主要包括以下幾個方面:(1)分析了紅外圖像的背景特性以及目標(biāo)特性,分析了不同場景的特點以及目標(biāo)檢測的難點。傳統(tǒng)的紅外弱小目標(biāo)檢測方法往往沒有考慮到場景多樣性以及目標(biāo)的不同特性,因此限制了目標(biāo)檢測的效果。本文通過研究紅外成像的特點,為后續(xù)構(gòu)建針對性的目標(biāo)/背景模型打下了基礎(chǔ),也是本文所開展的研究工作的理論基礎(chǔ)。(2)提出了基于聯(lián)合正則化的紅外弱小目標(biāo)檢測方法,將正則化模型與主成分追蹤模型結(jié)合,提出一種基于全變差-主成分追蹤的紅外弱小目標(biāo)檢測方法。在紅外場景中,由于成像模糊、缺乏細(xì)節(jié)信息等特點,紅外背景可以被認(rèn)為是低秩的或者局部低秩的。而在該假設(shè)下,背景成分中的邊緣等信息容易對目標(biāo)檢測產(chǎn)生干擾,而全變差項的引入可以很好地刻畫背景中灰度突變的成分,避免其干擾目標(biāo)檢測。通過構(gòu)建全變差-主成分追蹤聯(lián)合正則化模型,在目標(biāo)檢測和背景恢復(fù)中都取得了很好的效果。(3)提出了基于穩(wěn)定多子空間學(xué)習(xí)的紅外弱小目標(biāo)檢測方法。在復(fù)雜成像背景下,會出現(xiàn)圖像中包含多個強(qiáng)輻射源或多種干擾物的情況,這些干擾會對紅外目標(biāo)檢測造成極大的影響,而傳統(tǒng)的紅外弱小目標(biāo)檢測方法沒有很好地針對這一情況進(jìn)行設(shè)計。本文研究提出了一種基于穩(wěn)定多子空間學(xué)習(xí)的紅外弱小目標(biāo)檢測方法,針對包含多個輻射源的背景,采用多子空間學(xué)習(xí)方式,代替?zhèn)鹘y(tǒng)的單一子空間學(xué)習(xí),可以尋找到適合于描述多個輻射源的線性子空間,更好地刻畫背景細(xì)節(jié),進(jìn)而實現(xiàn)精確的目標(biāo)檢測,在復(fù)雜場景中取得了很好的效果。(4)提出了基于多任務(wù)聯(lián)合稀疏表示的紅外弱小目標(biāo)檢測方法。由于紅外圖像成像質(zhì)量差、本身可利用的信息較少等原因,傳統(tǒng)的基于稀疏表示的目標(biāo)檢測算法在樣本庫構(gòu)建、特征選取等方面難度較大,在實際應(yīng)用中容易造成誤檢及漏檢。本文采用一種新的多任務(wù)聯(lián)合稀疏表示及分類方法,通過提取四種不同的特征:灰度特征,邊緣特征,梯度直方圖特征以及灰度分布直方圖特征來構(gòu)建多任務(wù)字典;同時將樣本分為三類:目標(biāo)類,平滑背景類以及突變背景類,結(jié)合一種新的基于平滑L0范數(shù)的求解方法,構(gòu)建了基于多任務(wù)聯(lián)合稀疏表示的紅外弱小目標(biāo)檢測框架。該方法在實際測試中取得了較好的效果。(5)提出了一種基于非負(fù)變分模態(tài)分解的紅外弱小目標(biāo)檢測方法。紅外圖像中的不同成分,包括背景、目標(biāo)及噪聲,其區(qū)別不僅表現(xiàn)在灰度分布的不同,也表現(xiàn)在其頻域分布的區(qū)別。模態(tài)分解是一種常用的信號分量分解方法,可以根據(jù)信號的不同性質(zhì)將其分解為不同的子信號。我們采用了一種自適應(yīng)窄帶信號分解方法,稱為變分模態(tài)分解,并考慮紅外目標(biāo)的非負(fù)性,在其中加入非負(fù)約束。該算法將經(jīng)過預(yù)處理的紅外圖像自適應(yīng)地分解為不同的窄帶信號,而紅外弱小目標(biāo)就包含在其中一個窄帶之中。該方法計算量較小,檢測結(jié)果中雜波很少,虛警率很低,在特定場景中可以取得很好的效果。(6)提出了兩種基于視覺顯著性的紅外弱小目標(biāo)檢測方法,采用了兩種不同的顯著性檢測思路。其中之一利用了紅外弱小目標(biāo)局部對比度高的特點,首先采用局部熵以及圖像塊相似度篩選出圖像中的潛在目標(biāo)區(qū)域,即顯著性高的區(qū)域,再在該區(qū)域中計算局部對比度,可以高效地得到紅外弱小目標(biāo)檢測結(jié)果。另一種思路是結(jié)合紅外弱小目標(biāo)的灰度顯著性和運(yùn)動顯著性,提出一種二值圖顯著性結(jié)合運(yùn)動信息的紅外弱小目標(biāo)檢測方法,通過計算目標(biāo)的灰度二值圖顯著性以及運(yùn)動顯著性,可以很好地捕捉到場景中的動態(tài)目標(biāo)。實際數(shù)據(jù)測試以及多種評價指標(biāo)表明,上述提出的方法可以在一定程度上解決紅外弱小目標(biāo)檢測中虛警率高、檢測率低以及有時存在誤檢及漏檢的問題,結(jié)合我們所進(jìn)行的場景特性分析,本文所提出的方法具有較強(qiáng)的場景針對性,適合于紅外搜索與跟蹤系統(tǒng)中的應(yīng)用。此外,本文構(gòu)建了基于稀疏動態(tài)反演檢測的全新體系,為后續(xù)相關(guān)研究打下了堅實的理論基礎(chǔ)。
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2018
【分類號】：TN215;TP391.41
【圖文】：

第一章 緒論值圖顯著性結(jié)合運(yùn)動信息的紅外弱小目標(biāo)檢測方法，將灰度圖像以及運(yùn)動顯著性圖像作為輸入，通過二值圖顯著性計算，輸出目標(biāo)位置。該研究內(nèi)容及成果是對目前的基于顯著性度量的紅外弱小目標(biāo)檢測的一種推進(jìn)。圖 1-1為本文的技術(shù)路線圖。通過分析背景和目標(biāo)的成像特性，進(jìn)行稀疏動態(tài)反演算法的研究，提出四種不同的基于反問題求解、稀疏約束和稀疏表示的紅外弱小目標(biāo)檢測方法；同時研究了基于視覺顯著性的檢測方法，實現(xiàn)了復(fù)雜背景下的紅外弱小目標(biāo)檢測。

(c) (d)圖 3-5 TV-PCP 算法處理前后的三維圖像對比。(a) 序列 2 原圖的三維投影圖；(b) 序列 2 經(jīng) TV-PCP 算法處理后的三維投影圖；(c) 序列 3 原圖的三維投影圖；(d)序列 3 經(jīng) TV-PCP 算法處理后的三維投影圖除了可以獲得很好的目標(biāo)檢測效果之外，TV-PCP 算法的另一個優(yōu)點是其突背景恢復(fù)效果。由于 TV-PCP 算法可以視為 IPI 方法的一種改進(jìn)，且該改進(jìn)集對背景數(shù)據(jù)的處理，通過引入全變差項從而更精確地刻畫背景。因此，我們了這兩種算法在 6 組測試序列中對于背景恢復(fù)的效果，結(jié)果見圖 3-6。可以看出PI 算法由于采用了低秩約束，盡管可以保留大部分背景，但對于邊緣和細(xì)節(jié)的不盡如人意。對于本章提出的 TV-PCP 算法，通過加入額外的背景約束，成功出了大量背景細(xì)節(jié)，效果遠(yuǎn)好于單一低秩約束，該結(jié)果與表 3-4中的結(jié)果相。但同時也要注意到，部分目標(biāo)的殘影出現(xiàn)在了背景中，在序列 3 和序列 6 試結(jié)果中尤為明顯，這是由于全變差項以及其他約束項的權(quán)重所導(dǎo)致的。這證了本章的一個主要觀點：在聯(lián)合正則化問題中，多重約束項之間的平衡往

圖 4-1 多子空間數(shù)據(jù)示意圖013）提出了一種多子空間恢復(fù)方法，稱為低秩 LRR），旨在尋找分布在不同子空間中的數(shù)據(jù)的最干擾項為稀疏矩陣的情況，類似公式(3-7)，假設(shè)觀測一個低秩矩陣 L 和一個稀疏矩陣 S 的和，即滿足下M = L + Srank(L) min m n S0mn 據(jù)分布在 k 個子空間的集合 Uiki=1上，這里 k 是未構(gòu)建為如下形式：minL Srank(L) + λ S0s.t. M = L + S 則化因子。對比公式 (3-8)中所描述的 PCP 問題，

【參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 王曉陽;彭真明;張萍;孟曄銘;;局部對比度結(jié)合區(qū)域顯著性紅外弱小目標(biāo)檢測[J];強(qiáng)激光與粒子束;2015年09期

2 張樺;夏一行;周文暉;;基于注意轉(zhuǎn)移機(jī)制的圖像質(zhì)量評價方法[J];儀器儀表學(xué)報;2010年09期

3 趙小明;袁勝春;馬曉麗;齊琳琳;;基于移動式管道濾波的紅外小目標(biāo)檢測方法研究[J];紅外技術(shù);2009年05期

本文編號：2787513