紅外小目標(biāo)的捕獲與跟蹤在紅外精確制導(dǎo)、遙感、空間探測和航空導(dǎo)航等領(lǐng)域有著廣泛的應(yīng)用。然而,應(yīng)用環(huán)境有時會迫使我們將成像系統(tǒng)與目標(biāo)保持一定的距離,從而導(dǎo)致在攝像機(jī)的視野中出現(xiàn)較小的目標(biāo)。同時,由于紅外成像設(shè)備的抖動、成像設(shè)備的噪聲等因素,微弱目標(biāo)信號被淹沒在復(fù)雜的背景中。還有隱身戰(zhàn)斗機(jī)等向空中輻射的電磁信號越來越微弱,采用反射目標(biāo)的回波來搜索和定位的雷達(dá)等探測設(shè)備已不能滿足現(xiàn)實(shí)的需求。這些存在的問題致使紅外圖像序列中微弱小目標(biāo)檢測與跟蹤工作變得更加困難和具有挑戰(zhàn)性。紅外熱成像技術(shù)由于良好的隱蔽性能,全天候晝夜成像的特點(diǎn)、機(jī)動性好、配置方便,非常有利于搭載在預(yù)警和無人機(jī)上。監(jiān)視系統(tǒng)要是能在早期識別敵方目標(biāo),然后鎖定目標(biāo)并跟蹤,這樣可以給面目標(biāo)跟蹤識別階段省去檢測這一環(huán)節(jié)而大大延長己方防空系統(tǒng)的反應(yīng)時間,亦或在面目標(biāo)階段二次檢測目標(biāo),降低檢測的虛警概率,并向防空系統(tǒng)發(fā)出報(bào)警。因此,設(shè)計(jì)一種魯棒的紅外小目標(biāo)檢測算法具有重要的現(xiàn)實(shí)意義和實(shí)用價值。本文在前人基礎(chǔ)上設(shè)計(jì)出了兩種不同的小目標(biāo)檢測算法:分別是量子遺傳算法和局部對比增強(qiáng)的小目標(biāo)檢測和基于雙邊濾波下局部強(qiáng)度與梯度融合的小目標(biāo)檢測。一種是利用... 

【文章來源】：新疆大學(xué)新疆維吾爾自治區(qū) 211工程院校

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【部分圖文】：

高斯分布概率密度函數(shù)曲線

142.2.4 紅外序列圖像數(shù)學(xué)模型介紹三維空間中紅外序列圖像分布由背景、目標(biāo)和噪聲雜波組成，表示如下[31]：式中 ， ， 分別表示背景、目標(biāo)和噪聲雜波信息， 表示像素點(diǎn)所在坐標(biāo)位置， 表示幀差間隔。2.3 檢測系統(tǒng)的基本結(jié)構(gòu)2.3.1 基于 DBT 和 TBD 檢測系統(tǒng)[32]DBT 為單幀檢測，算法比較簡單，實(shí)時性好。TBD 為跟蹤檢測，復(fù)雜度高，算法較難。兩種檢測系統(tǒng)的結(jié)構(gòu)組成如圖 2-4 和 2-5 所示。( x,y)（2-2）B ( x,y,t)T ( x,y,t)N( x,y,t)t圖 2-3 加噪圖像及其三維分布圖(c)(f)I ( x,y,t) B(x,y,t) T(x,y,t) N(x,y,t)

圖像預(yù)處理：通過特定的濾波方法來達(dá)到背景抑制、噪聲消除、信噪比提升。多幀檢測：先跟蹤后檢測，目的是消除虛假目標(biāo)，提高檢測率。檢測器：通過一定的閾值分隔技術(shù)分離雜波提取目標(biāo)。跟蹤確認(rèn)目標(biāo)：根據(jù)目標(biāo)特定運(yùn)動的連續(xù)性和相關(guān)性設(shè)置特定合適的方法進(jìn)行跟蹤目標(biāo)、記錄軌跡，進(jìn)一步排除虛假目標(biāo)。2.3.2 檢測器閾值設(shè)置[33]雜波抑制后，由恒虛警率準(zhǔn)則，當(dāng)閾值為 T 時，則誤警率為 ，我們要設(shè)定合適的閾值 T 來最大限度的分離殘留雜波檢測出小目標(biāo)。為此通過設(shè)定 ,由公式（2-3）反求出閾值 T。圖像中像素值大于 T 的二值化為 1，保留為可能目圖 2-5 TBD 跟蹤檢測系統(tǒng)fPfP

【參考文獻(xiàn)】：
期刊論文
[1]量子遺傳算法和局部對比增強(qiáng)的小目標(biāo)檢測[J]. 張國峰,艾斯卡爾·艾木都拉.  電視技術(shù). 2018(12)
[2]基于改進(jìn)LCM的紅外小目標(biāo)檢測算法[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)
[3]一種基于方差標(biāo)記的形態(tài)學(xué)紅外小目標(biāo)檢測算法[J]. 方義強(qiáng),程正東,樊祥,朱斌,陳曉斯.  電子學(xué)報(bào). 2015(02)
[4]基于雙邊濾波和巴氏距離的紅外小目標(biāo)檢測[J]. 田紅彬.  核電子學(xué)與探測技術(shù). 2014(10)
[5]一種有效的紅外小目標(biāo)檢測方法[J]. 崔璇,辛云宏.  光子學(xué)報(bào). 2014(02)
[6]基于形態(tài)學(xué)梯度的紅外目標(biāo)檢測[J]. 毋亞北,王衛(wèi)華,吳巨紅,陳曾平.  光電工程. 2012(09)
[7]基于形態(tài)學(xué)方法的紅外小目標(biāo)檢測[J]. 臧傳吉,李桂祥,王宇翔.  空軍雷達(dá)學(xué)院學(xué)報(bào). 2012(02)
[8]一種改進(jìn)的多向梯度紅外小目標(biāo)檢測方法[J]. 徐勝航.  光學(xué)與光電技術(shù). 2012(02)
[9]地基紅外系統(tǒng)探測空間目標(biāo)紅外星等的分析[J]. 牟達(dá),李全勇,董家寧.  紅外與激光工程. 2011(09)
[10]基于改進(jìn)的雙邊濾波的單幀紅外弱小目標(biāo)背景抑制[J]. 曾雅瓊,陳錢.  紅外技術(shù). 2011(09)

博士論文
[1]基于人類視覺特性的復(fù)雜背景紅外小目標(biāo)檢測研究[D]. 韓金輝.華中科技大學(xué) 2016
[2]序列圖像紅外小目標(biāo)檢測與跟蹤算法研究[D]. 孫繼剛.中國科學(xué)院研究生院(長春光學(xué)精密機(jī)械與物理研究所) 2014

碩士論文
[1]復(fù)雜云層背景下紅外小目標(biāo)檢測算法研究[D]. 孫學(xué)超.哈爾濱工程大學(xué) 2017
[2]基于移動管道的紅外弱小目標(biāo)檢測算法與仿真驗(yàn)證研究[D]. 盧躍.浙江大學(xué) 2015
[3]小目標(biāo)紅外圖像檢測技術(shù)[D]. 酒樂.電子科技大學(xué) 2012



本文編號：3490846