發(fā)布時間：2021-03-25 04:49

　　受到鏡頭成像機(jī)理的限制,可見光成像方式無法有效地進(jìn)行全天候工作,而紅外成像模式以其獨(dú)特的優(yōu)勢彌補(bǔ)了可見光的不足,得到了廣泛的應(yīng)用。但是紅外圖像易受到背景噪聲和雜波影響,因此制約了紅外圖像目標(biāo)檢測質(zhì)量的提升。本文針對紅外圖像小目標(biāo)的檢測與跟蹤問題開展了研究,基于空間域與時間域顯著性特征提取算法進(jìn)行相應(yīng)的改進(jìn),提出了基于時空顯著性融合的紅外目標(biāo)檢測與跟蹤算法。改進(jìn)算法提高了紅外圖像弱小目標(biāo)檢測的魯棒性,在此基礎(chǔ)上,改進(jìn)了可見光目標(biāo)識別的網(wǎng)絡(luò)模型,實(shí)現(xiàn)了基于卷積神經(jīng)網(wǎng)絡(luò)的紅外目標(biāo)識別。本文首先對經(jīng)典的紅外目標(biāo)檢測算法進(jìn)行研究,從紅外圖像的基礎(chǔ)數(shù)學(xué)模型入手,介紹了兩種常用的紅外圖像背景抑制算法后選擇采用視覺顯著性注意力模型來進(jìn)行紅外目標(biāo)檢測。本文提出了一種雙通道特征譜殘差方法,以提取紅外目標(biāo)的空間域顯著性。首先利用了輪廓波分解系數(shù)中的顯著性,提出對輪廓波各個方向子帶上的系數(shù)進(jìn)行最大中值濾波。在分形維數(shù)變換到傅里葉頻域上后,對分形維數(shù)和原圖像進(jìn)行譜殘差運(yùn)算（SR）,最終生成圖像在空間域上的顯著圖。對于紅外圖像的時間域顯著性,本文提出一種基于光流的紅外目標(biāo)運(yùn)動信息提取方法。在背景和小目標(biāo)同時存在運(yùn)... 

【文章來源】：大連理工大學(xué)遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：60 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 紅外目標(biāo)檢測研究背景及意義
    1.2 視覺顯著性特征以及國內(nèi)外紅外目標(biāo)檢測研究現(xiàn)狀
        1.2.1 紅外小目標(biāo)檢測現(xiàn)狀
        1.2.2 時空顯著性在紅外圖像中的應(yīng)用
    1.3 論文主要內(nèi)容以及框架
        1.3.1 論文研究思路以及主要工作
        1.3.2 論文的結(jié)構(gòu)設(shè)計
2 紅外目標(biāo)檢測方法
    2.1 紅外成像機(jī)理分析
    2.2 紅外圖像背景抑制基本方法
    2.3 兩種背景抑制方法
        2.3.1 統(tǒng)計排序?yàn)V波
        2.3.2 基于空域高通的紅外目標(biāo)背景抑制
    2.4 本章小結(jié)
3 紅外目標(biāo)空域顯著性檢測算法
    3.1 本章概要
    3.2 基于contourlet輪廓波與分形理論的邊緣檢測
        3.2.1 contourlet輪廓波分解特征
        3.2.2 基于分形理論的空域特征提取
    3.3 改進(jìn)頻域譜殘差的顯著性檢測
    3.4 檢測效果與實(shí)驗(yàn)分析
    3.5 本章小結(jié)
4 基于時空域顯著性融合的紅外弱小目標(biāo)檢測與跟蹤
    4.1 連續(xù)紅外圖像序列的時間域信息獲取
    4.2 時空域顯著性融合的紅外目標(biāo)檢測與跟蹤
    4.3 基于神經(jīng)網(wǎng)絡(luò)的紅外目標(biāo)識別
        4.3.1 改進(jìn)后的VGG-f卷積網(wǎng)絡(luò)模型設(shè)計
        4.3.2 系統(tǒng)實(shí)驗(yàn)環(huán)境以及訓(xùn)練集準(zhǔn)備
    4.4 檢測效果與實(shí)驗(yàn)分析
    4.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于加權(quán)融合特征與Ostu分割的紅外弱小目標(biāo)檢測算法[J]. 劉昆,劉衛(wèi)東.  計算機(jī)工程. 2017(07)
[2]利用分形和多尺度分析的中低分辨率SAR圖像變化檢測[J]. 張晗,倪維平,嚴(yán)衛(wèi)東,邊輝,吳俊政,李莎,金驍.  武漢大學(xué)學(xué)報(信息科學(xué)版). 2016(05)
[3]基于超像素時空顯著性的運(yùn)動目標(biāo)檢測算法[J]. 云紅全,徐力,孫驍,明德烈,鞠雯.  紅外技術(shù). 2015(05)
[4]一種基于視覺顯著圖的艦船紅外圖像目標(biāo)檢測方法[J]. 馬新星,沈同圣,徐健.  紅外. 2013(10)
[5]一種基于知識模型的紅外目標(biāo)檢測方法[J]. 蘇娟,楊羅,盧俊.  光子學(xué)報. 2013(07)
[6]利用KPCA特征提取的Adaboost紅外目標(biāo)檢測[J]. 吳燕茹,程詠梅,趙永強(qiáng),高仕博,魏坤.  紅外與激光工程. 2011(02)
[7]圖像多尺度配準(zhǔn)的小波域SIFT方法[J]. 武建明,田錚,劉向增,延偉東.  西北工業(yè)大學(xué)學(xué)報. 2011(01)
[8]基于局部分形維數(shù)的多目標(biāo)檢測算法[J]. 董文明,吳樂華,韓超,姜德雷.  紅外技術(shù). 2009(03)
[9]改進(jìn)型中值濾波和形態(tài)學(xué)組合降噪方法[J]. 丁亞軍,謝可夫.  計算機(jī)與現(xiàn)代化. 2007(02)
[10]基于分形特征的目標(biāo)檢測算法概述及仿真[J]. 諸葛霞,向健勇.  紅外技術(shù). 2006(10)

博士論文
[1]復(fù)雜背景下末制導(dǎo)紅外目標(biāo)檢測、跟蹤技術(shù)研究[D]. 趙菲.國防科學(xué)技術(shù)大學(xué) 2012
[2]復(fù)雜背景條件下的紅外小目標(biāo)檢測與跟蹤算法研究[D]. 楊磊.上海交通大學(xué) 2006



本文編號：3099057