復(fù)雜環(huán)境下弱信號(hào)中的紅外小目標(biāo)自動(dòng)檢測(cè)
發(fā)布時(shí)間：2021-04-09 02:19
現(xiàn)有的紅外小目標(biāo)自動(dòng)檢測(cè)方法存在著抗復(fù)雜背景能力差、誤檢率高的缺陷,為了解決上述問(wèn)題,提出復(fù)雜環(huán)境下弱信號(hào)中的紅外小目標(biāo)自動(dòng)檢測(cè)方法研究。根據(jù)設(shè)計(jì)的紅外小目標(biāo)自動(dòng)檢測(cè)方法框架圖,采用形態(tài)學(xué)處理方法抑制紅外圖像背景,并運(yùn)用contrast box算法分割紅外圖像,得到二值化紅外圖像。以得到的二值化紅外圖像為依據(jù),結(jié)合計(jì)算得到的信號(hào)增量自動(dòng)搜索小目標(biāo)紅外圖像序列。以小目標(biāo)紅外圖像序列為基礎(chǔ),通過(guò)數(shù)學(xué)模型實(shí)現(xiàn)紅外小目標(biāo)的自動(dòng)檢測(cè)。通過(guò)仿真實(shí)驗(yàn)結(jié)果顯示,與現(xiàn)有紅外小目標(biāo)自動(dòng)檢測(cè)方法相比較,提出的紅外小目標(biāo)自動(dòng)檢測(cè)方法極大的提升了抗復(fù)雜背景能力,降低了誤檢率,充分說(shuō)明提出的紅外小目標(biāo)自動(dòng)檢測(cè)方法具備更好的檢測(cè)效果。
【文章來(lái)源】：激光雜志. 2020,41(10)北大核心
【文章頁(yè)數(shù)】：5 頁(yè)
【部分圖文】：
紅外小目標(biāo)自動(dòng)檢測(cè)方法框架圖
根據(jù)公式(5)得到的結(jié)果設(shè)置“回”形窗口，如圖2所示。如圖2所示，設(shè)置的“回”形窗口外窗比內(nèi)窗大2h個(gè)像元。由于光學(xué)系統(tǒng)的像差效應(yīng)，獲取的紅外圖像通常情況下是彌散的，因此，根據(jù)可知彌散斑理論計(jì)算得到的“回”形窗口外窗比內(nèi)窗大2～3個(gè)像元，則h取值為2或者3[13]，為紅外圖像平均灰度差值的計(jì)算提供窗口支撐[14]。設(shè)置Tgt W=2w,Tgt H=2h，紅外圖像像素點(diǎn)為f(x,y)，內(nèi)、外窗口灰度值之和分別為:
以得到的二值化紅外圖像為依據(jù)，通過(guò)計(jì)算得到相應(yīng)的信號(hào)量，以相鄰步長(zhǎng)幀之間信號(hào)量的增量為基礎(chǔ)，自動(dòng)搜索小目標(biāo)紅外圖像序列[17]。具體紅外小目標(biāo)序列自動(dòng)搜索過(guò)程如下圖3所示。以上述得到的二值紅外圖像為基礎(chǔ)，統(tǒng)計(jì)其中灰度值為1的像素點(diǎn)個(gè)數(shù)，將該值作為計(jì)算信號(hào)量。則第n幀紅外圖像信號(hào)量表示為:
【參考文獻(xiàn)】：
期刊論文
[1]基于Contourlet及目標(biāo)特性分析的弱小紅外目標(biāo)檢測(cè)[J]. 王華兵,萬(wàn)爛軍. 電子測(cè)量與儀器學(xué)報(bào). 2019(03)
[2]基于時(shí)空非局部相似性的海上紅外弱小目標(biāo)檢測(cè)[J]. 張素,安博文,潘勝達(dá). 光子學(xué)報(bào). 2018(11)
[3]基于統(tǒng)計(jì)特征和橋梁方法的紅外弱小目標(biāo)檢測(cè)算法[J]. 韓志華,劉晶紅,徐芳. 激光與光電子學(xué)進(jìn)展. 2019(06)
[4]基于自適應(yīng)Gabor濾波的紅外弱小目標(biāo)檢測(cè)[J]. 史漫麗,凌龍,吳南,原娜. 紅外技術(shù). 2018(07)
[5]目標(biāo)運(yùn)動(dòng)軌跡匹配式的紅外-可見(jiàn)光視頻自動(dòng)配準(zhǔn)[J]. 王洪慶,許廷發(fā),孫興龍,李相民,劉太輝. 光學(xué)精密工程. 2018(06)
[6]基于融合顯著圖和高效子窗口搜索的紅外目標(biāo)分割[J]. 劉松濤,劉振興,姜寧. 自動(dòng)化學(xué)報(bào). 2018(12)
[7]基于引導(dǎo)濾波和模糊算法的紅外背景抑制算法[J]. 郭佩瑜,張寶華. 激光技術(shù). 2018(06)
[8]基于人類(lèi)視覺(jué)機(jī)制的紅外目標(biāo)檢測(cè)方法[J]. 王瑞,朱志宇,張冰. 火力與指揮控制. 2017(10)
[9]旋轉(zhuǎn)復(fù)雜背景中紅外運(yùn)動(dòng)小目標(biāo)實(shí)時(shí)檢測(cè)[J]. 閆鈞華,段賀,艾淑芳,李大雷,許倩倩. 電子科技大學(xué)學(xué)報(bào). 2017(05)
[10]基于改進(jìn)LCM的紅外小目標(biāo)檢測(cè)算法[J]. 張祥越,丁慶海,羅海波,惠斌,常錚,張俊超. 紅外與激光工程. 2017(07)
本文編號(hào)：3126719
【文章來(lái)源】：激光雜志. 2020,41(10)北大核心
【文章頁(yè)數(shù)】：5 頁(yè)
【部分圖文】：
紅外小目標(biāo)自動(dòng)檢測(cè)方法框架圖
根據(jù)公式(5)得到的結(jié)果設(shè)置“回”形窗口，如圖2所示。如圖2所示，設(shè)置的“回”形窗口外窗比內(nèi)窗大2h個(gè)像元。由于光學(xué)系統(tǒng)的像差效應(yīng)，獲取的紅外圖像通常情況下是彌散的，因此，根據(jù)可知彌散斑理論計(jì)算得到的“回”形窗口外窗比內(nèi)窗大2～3個(gè)像元，則h取值為2或者3[13]，為紅外圖像平均灰度差值的計(jì)算提供窗口支撐[14]。設(shè)置Tgt W=2w,Tgt H=2h，紅外圖像像素點(diǎn)為f(x,y)，內(nèi)、外窗口灰度值之和分別為:
以得到的二值化紅外圖像為依據(jù)，通過(guò)計(jì)算得到相應(yīng)的信號(hào)量，以相鄰步長(zhǎng)幀之間信號(hào)量的增量為基礎(chǔ)，自動(dòng)搜索小目標(biāo)紅外圖像序列[17]。具體紅外小目標(biāo)序列自動(dòng)搜索過(guò)程如下圖3所示。以上述得到的二值紅外圖像為基礎(chǔ)，統(tǒng)計(jì)其中灰度值為1的像素點(diǎn)個(gè)數(shù)，將該值作為計(jì)算信號(hào)量。則第n幀紅外圖像信號(hào)量表示為:
【參考文獻(xiàn)】：
期刊論文
[1]基于Contourlet及目標(biāo)特性分析的弱小紅外目標(biāo)檢測(cè)[J]. 王華兵,萬(wàn)爛軍. 電子測(cè)量與儀器學(xué)報(bào). 2019(03)
[2]基于時(shí)空非局部相似性的海上紅外弱小目標(biāo)檢測(cè)[J]. 張素,安博文,潘勝達(dá). 光子學(xué)報(bào). 2018(11)
[3]基于統(tǒng)計(jì)特征和橋梁方法的紅外弱小目標(biāo)檢測(cè)算法[J]. 韓志華,劉晶紅,徐芳. 激光與光電子學(xué)進(jìn)展. 2019(06)
[4]基于自適應(yīng)Gabor濾波的紅外弱小目標(biāo)檢測(cè)[J]. 史漫麗,凌龍,吳南,原娜. 紅外技術(shù). 2018(07)
[5]目標(biāo)運(yùn)動(dòng)軌跡匹配式的紅外-可見(jiàn)光視頻自動(dòng)配準(zhǔn)[J]. 王洪慶,許廷發(fā),孫興龍,李相民,劉太輝. 光學(xué)精密工程. 2018(06)
[6]基于融合顯著圖和高效子窗口搜索的紅外目標(biāo)分割[J]. 劉松濤,劉振興,姜寧. 自動(dòng)化學(xué)報(bào). 2018(12)
[7]基于引導(dǎo)濾波和模糊算法的紅外背景抑制算法[J]. 郭佩瑜,張寶華. 激光技術(shù). 2018(06)
[8]基于人類(lèi)視覺(jué)機(jī)制的紅外目標(biāo)檢測(cè)方法[J]. 王瑞,朱志宇,張冰. 火力與指揮控制. 2017(10)
[9]旋轉(zhuǎn)復(fù)雜背景中紅外運(yùn)動(dòng)小目標(biāo)實(shí)時(shí)檢測(cè)[J]. 閆鈞華,段賀,艾淑芳,李大雷,許倩倩. 電子科技大學(xué)學(xué)報(bào). 2017(05)
[10]基于改進(jìn)LCM的紅外小目標(biāo)檢測(cè)算法[J]. 張祥越,丁慶海,羅海波,惠斌,常錚,張俊超. 紅外與激光工程. 2017(07)
本文編號(hào)：3126719
本文鏈接：http://sikaile.net/kejilunwen/dianzigongchenglunwen/3126719.html
最近更新
教材專(zhuān)著
