發(fā)布時(shí)間：2021-03-25 04:49

　　受到鏡頭成像機(jī)理的限制,可見(jiàn)光成像方式無(wú)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(shì)彌補(bǔ)了可見(jiàn)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(cè)質(zhì)量的提升。本文針對(duì)紅外圖像小目標(biāo)的檢測(cè)與跟蹤問(wèn)題開(kāi)展了研究,基于空間域與時(shí)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(shí)空顯著性融合的紅外目標(biāo)檢測(cè)與跟蹤算法。改進(jìn)算法提高了紅外圖像弱小目標(biāo)檢測(cè)的魯棒性,在此基礎(chǔ)上,改進(jìn)了可見(jiàn)光目標(biāo)識(shí)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(shí)別。本文首先對(duì)經(jīng)典的紅外目標(biāo)檢測(cè)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(jué)顯著性注意力模型來(lái)進(jìn)行紅外目標(biāo)檢測(cè)。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(duì)輪廓波各個(gè)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(duì)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(duì)于紅外圖像的時(shí)間域顯著性,本文提出一種基于光流的紅外目標(biāo)運(yùn)動(dòng)信息提取方法。在背景和小目標(biāo)同時(shí)存在運(yùn)... 

【文章來(lái)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(yè)數(shù)】：60 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 紅外目標(biāo)檢測(cè)研究背景及意義
    1.2 視覺(jué)顯著性特征以及國(guó)內(nèi)外紅外目標(biāo)檢測(cè)研究現(xiàn)狀
        1.2.1 紅外小目標(biāo)檢測(cè)現(xiàn)狀
        1.2.2 時(shí)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(jì)
2 紅外目標(biāo)檢測(cè)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(jì)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(cè)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(cè)
        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(cè)
    3.4 檢測(cè)效果與實(shí)驗(yàn)分析
    3.5 本章小結(jié)
4 基于時(shí)空域顯著性融合的紅外弱小目標(biāo)檢測(cè)與跟蹤
    4.1 連續(xù)紅外圖像序列的時(shí)間域信息獲取
    4.2 時(shí)空域顯著性融合的紅外目標(biāo)檢測(cè)與跟蹤
    4.3 基于神經(jīng)網(wǎng)絡(luò)的紅外目標(biāo)識(shí)別
        4.3.1 改進(jìn)后的VGG-f卷積網(wǎng)絡(luò)模型設(shè)計(jì)
        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(cè)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(cè)算法[J]. 劉昆,劉衛(wèi)東.  計(jì)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(cè)[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(bào)(信息科學(xué)版). 2016(05)
[3]基于超像素時(shí)空顯著性的運(yùn)動(dòng)目標(biāo)檢測(cè)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(jué)顯著圖的艦船紅外圖像目標(biāo)檢測(cè)方法[J]. 馬新星,沈同圣,徐健.  紅外. 2013(10)
[5]一種基于知識(shí)模型的紅外目標(biāo)檢測(cè)方法[J]. 蘇娟,楊羅,盧俊.  光子學(xué)報(bào). 2013(07)
[6]利用KPCA特征提取的Adaboost紅外目標(biāo)檢測(cè)[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(bào). 2011(01)
[8]基于局部分形維數(shù)的多目標(biāo)檢測(cè)算法[J]. 董文明,吳樂(lè)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(jì)算機(jī)與現(xiàn)代化. 2007(02)
[10]基于分形特征的目標(biāo)檢測(cè)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(cè)、跟蹤技術(shù)研究[D]. 趙菲.國(guó)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(cè)與跟蹤算法研究[D]. 楊磊.上海交通大學(xué) 2006



本文編號(hào)：3099057