由于紅外探測(cè)系統(tǒng)具有機(jī)動(dòng)性好、抗干擾能力強(qiáng)和全天時(shí)工作等優(yōu)點(diǎn),使得紅外探測(cè)技術(shù)成為目標(biāo)檢測(cè)領(lǐng)域常用的手段,如紅外火災(zāi)檢測(cè)、紅外告警和紅外制導(dǎo)等。然而,在對(duì)地面目標(biāo)進(jìn)行檢測(cè)時(shí),地面場(chǎng)景復(fù)雜程度高、干擾多,且當(dāng)目標(biāo)成像距離較遠(yuǎn)時(shí),目標(biāo)成像的對(duì)比度和信噪比降低,使得復(fù)雜地面背景下目標(biāo)檢測(cè)的難度增大。因此,復(fù)雜地面背景下的目標(biāo)檢測(cè)技術(shù)研究有著十分重要的理論意義和工程應(yīng)用價(jià)值。本文對(duì)復(fù)雜地面背景下的目標(biāo)檢測(cè)算法進(jìn)行了深入研究,主要開(kāi)展了如下工作。首先,對(duì)紅外成像機(jī)理和紅外圖像的數(shù)學(xué)模型進(jìn)行了研究分析,并采用真實(shí)的地面紅外目標(biāo)圖像,從目標(biāo)信噪比、目標(biāo)局部鄰域特性和目標(biāo)尺度等方面對(duì)紅外目標(biāo)以及背景的成像特性進(jìn)行了分析,同時(shí)分析紅外圖像中常見(jiàn)噪聲。其次,研究提出一種改進(jìn)的自適應(yīng)奇異值分解(IASVD)算法,該算法利用兩幅相鄰圖像的奇異值矩陣更新得到改進(jìn)的奇異值矩陣,使預(yù)測(cè)的背景圖像中包含更多的背景信息,從而提高了差分圖像中目標(biāo)的信噪比。然后,針對(duì)圖像序列中運(yùn)動(dòng)目標(biāo)檢測(cè)問(wèn)題,根據(jù)相關(guān)濾波理論,研究提出一種改進(jìn)的時(shí)空上下文(ISTC)檢測(cè)算法。該算法充分利用圖像序列中的時(shí)空關(guān)系和圖像中的灰度信息,為上下文提供了有效的模板,以增強(qiáng)目標(biāo)與上下文區(qū)域的關(guān)聯(lián)性,實(shí)現(xiàn)了有效的目標(biāo)檢測(cè)。最后,通過(guò)仿真的紅外目標(biāo)序列圖像和真實(shí)的紅外目標(biāo)序列圖像對(duì)研究提出的算法進(jìn)行了仿真實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果驗(yàn)證了所研究提出的算法能夠有效地實(shí)現(xiàn)復(fù)雜地面背景下紅外運(yùn)動(dòng)目標(biāo)的檢測(cè)。
【學(xué)位單位】：西安電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類(lèi)】：TP391.41;TN215
【部分圖文】：

理想高通濾波器3D圖

第一組復(fù)雜地面背景下目標(biāo)特性分析

（c）原始圖像三維圖 （d）目標(biāo)局部三維圖圖 2.3 第二組復(fù)雜地面背景下目標(biāo)特性分析過(guò)上述分析可知，在整幅圖像中，弱小目標(biāo)在圖像中的灰度值并不一定景中存在與目標(biāo)灰度值接近或者比目標(biāo)灰度值大的像素點(diǎn)，目標(biāo)可能淹
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 舒朗;郭春生;;基于回歸與深度強(qiáng)化學(xué)習(xí)的目標(biāo)檢測(cè)算法[J];軟件導(dǎo)刊;2018年12期

2 王鈐;張穗華;雷絲雨;鄧博文;;一種基于數(shù)據(jù)聚類(lèi)的目標(biāo)檢測(cè)算法[J];機(jī)電產(chǎn)品開(kāi)發(fā)與創(chuàng)新;2016年06期

3 孫林;鮑金河;劉一超;;高光譜圖像目標(biāo)檢測(cè)算法分析[J];測(cè)繪科學(xué);2012年01期

4 張桂林，熊艷，曹偉，李強(qiáng);一種評(píng)價(jià)自動(dòng)目標(biāo)檢測(cè)算法性能的方法[J];華中理工大學(xué)學(xué)報(bào);1994年05期

5 許云;李彬;;基于背景遺傳模型的運(yùn)動(dòng)目標(biāo)檢測(cè)算法[J];自動(dòng)化技術(shù)與應(yīng)用;2017年03期

6 杜佳;宋春林;;一種改進(jìn)的毫米波雷達(dá)多目標(biāo)檢測(cè)算法[J];通信技術(shù);2015年07期

7 諸葛霞;向健勇;;基于分形特征的目標(biāo)檢測(cè)算法概述及仿真[J];紅外技術(shù);2006年10期

8 方路平;何杭江;周?chē)?guó)民;;目標(biāo)檢測(cè)算法研究綜述[J];計(jì)算機(jī)工程與應(yīng)用;2018年13期

9 尚海林;;復(fù)雜場(chǎng)景下弱小目標(biāo)檢測(cè)算法的FPGA實(shí)現(xiàn)[J];航空兵器;2007年04期

10 施澤浩;;基于特征金字塔網(wǎng)絡(luò)的目標(biāo)檢測(cè)算法[J];現(xiàn)代計(jì)算機(jī)(專(zhuān)業(yè)版);2018年03期

相關(guān)博士學(xué)位論文 前10條

1 李健;星載寬幅SAR及目標(biāo)檢測(cè)算法研究[D];西安電子科技大學(xué);2018年

2 張麗麗;基于空譜聯(lián)合特性的高光譜圖像異常目標(biāo)檢測(cè)算法研究[D];哈爾濱工程大學(xué);2018年

3 趙紅燕;被動(dòng)多基站雷達(dá)目標(biāo)檢測(cè)算法研究[D];西安電子科技大學(xué);2017年

4 郭小路;多通道雷達(dá)干擾抑制與目標(biāo)檢測(cè)算法研究[D];西安電子科技大學(xué);2017年

5 王志虎;基于顯著性的運(yùn)動(dòng)目標(biāo)檢測(cè)算法研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2015年

6 郭明瑋;基于視覺(jué)記憶的目標(biāo)檢測(cè)算法：一個(gè)特征學(xué)習(xí)與特征聯(lián)想的過(guò)程[D];中國(guó)科學(xué)技術(shù)大學(xué);2014年

7 王俊強(qiáng);圖像中人體目標(biāo)檢測(cè)算法研究[D];北京郵電大學(xué);2012年

8 李凡;復(fù)雜背景抑制及弱小目標(biāo)檢測(cè)算法研究[D];西安電子科技大學(xué);2010年

9 種勁松;合成孔徑雷達(dá)圖像艦船目標(biāo)檢測(cè)算法與應(yīng)用研究[D];中國(guó)科學(xué)院研究生院（電子學(xué)研究所）;2002年

10 崔國(guó)龍;多天線配置雷達(dá)系統(tǒng)的目標(biāo)檢測(cè)算法研究[D];電子科技大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 吉愛(ài)萍;運(yùn)動(dòng)目標(biāo)檢測(cè)算法研究[D];沈陽(yáng)化工大學(xué);2018年

2 錢(qián)進(jìn);復(fù)雜地面背景下目標(biāo)檢測(cè)算法研究[D];西安電子科技大學(xué);2018年

3 肖堯;小型飛行平臺(tái)視頻目標(biāo)檢測(cè)與跟蹤技術(shù)研究[D];西安電子科技大學(xué);2018年

4 李明月;基于背景建模的運(yùn)動(dòng)目標(biāo)檢測(cè)算法的研究與實(shí)現(xiàn)[D];西安電子科技大學(xué);2018年

5 高麗清;高頻地波雷達(dá)船舶目標(biāo)檢測(cè)算法研究[D];內(nèi)蒙古大學(xué);2018年

6 李夢(mèng)瑩;復(fù)雜背景下的紅外小目標(biāo)檢測(cè)算法研究[D];吉林大學(xué);2018年

7 王東京;基于TMS320C6678平臺(tái)的紅外運(yùn)動(dòng)目標(biāo)檢測(cè)算法設(shè)計(jì)[D];南京理工大學(xué);2018年

8 李芝憬;海面回波分形特性分析與微弱目標(biāo)檢測(cè)[D];國(guó)防科學(xué)技術(shù)大學(xué);2016年

9 舒朗;基于強(qiáng)化學(xué)習(xí)的目標(biāo)檢測(cè)算法研究[D];杭州電子科技大學(xué);2018年

10 王哲峰;移動(dòng)端目標(biāo)檢測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D];浙江大學(xué);2018年

本文編號(hào)：2856156