弱點(diǎn)目標(biāo)檢測(cè)和跟蹤問(wèn)題已經(jīng)成為空間領(lǐng)域研究中的熱點(diǎn)問(wèn)題。在空間傳播過(guò)程中,成像距離長(zhǎng),系統(tǒng)噪聲,背景雜亂等是弱點(diǎn)目標(biāo)檢測(cè)和跟蹤過(guò)程中的主要影響因素。本文主要針對(duì)天空背景下的弱點(diǎn)目標(biāo)檢測(cè)和跟蹤展開(kāi)深入研究。檢測(cè)算法主要從近年來(lái)被研究學(xué)者廣泛應(yīng)用的人類(lèi)視覺(jué)注意機(jī)制和馬爾科夫隨機(jī)場(chǎng)(Markov Random Field,MRF)對(duì)運(yùn)動(dòng)目標(biāo)的分割入手,進(jìn)行檢測(cè)算法的分析和改進(jìn)。跟蹤算法主要是從近幾年來(lái)跟蹤性能較好的核相關(guān)濾波器(Kernel Correlation Filters,KCF)算法入手,分析其在天空云層背景下的不足,進(jìn)行跟蹤算法的分析和改進(jìn)。本文的主要?jiǎng)?chuàng)新點(diǎn)如下:(1)針對(duì)傳統(tǒng)LCM(Local Contrast Mechanism,LCM)算法在復(fù)雜背景下檢測(cè)率低、虛警率高的問(wèn)題,提出一種NLCM(New Local Contrast Mechanism,NLCM)算法。NLCM算法主要從大量平坦云層背景以及云層邊緣對(duì)目標(biāo)檢測(cè)產(chǎn)生的影響入手,NLCM算法相較于LCM的改進(jìn)之處有兩點(diǎn),第一點(diǎn)通過(guò)在鄰域顯著性計(jì)算公式中加入權(quán)重,使得平坦背景被很大程度上地抑制,使目標(biāo)高頻信息更顯著。...

【文章頁(yè)數(shù)】：96 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究工作的背景與意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 紅外弱小目標(biāo)檢測(cè)算法研究現(xiàn)狀
        1.2.2 紅外弱小目標(biāo)跟蹤算法研究現(xiàn)狀
    1.3 本文的主要研究?jī)?nèi)容
    1.4 本論文的組織結(jié)構(gòu)
第二章 基礎(chǔ)理論及算法整體設(shè)計(jì)
    2.1 紅外圖像分析
        2.1.1 紅外輻射分析
        2.1.2 紅外成像系統(tǒng)
        2.1.3 紅外圖像的數(shù)學(xué)建模
        2.1.4 紅外圖像的背景分析
        2.1.5 紅外圖像的目標(biāo)特性描述
        2.1.6 紅外圖像的噪聲特性描述
    2.2 經(jīng)典檢測(cè)算法
        2.2.1 閾值分割法
        2.2.2 形態(tài)學(xué)檢測(cè)方法
        2.2.3 管道濾波算法
    2.3 經(jīng)典跟蹤算法
        2.3.1 卡爾曼濾波算法
        2.3.2 粒子濾波算法
    2.4 算法總體設(shè)計(jì)
    2.5 本章小結(jié)
第三章 基于視覺(jué)注意機(jī)制和MRF的紅外弱小目標(biāo)檢測(cè)算法
    3.1 理論背景知識(shí)
        3.1.1 人類(lèi)視覺(jué)注意機(jī)制簡(jiǎn)介
        3.1.2 MRF建模
    3.2 傳統(tǒng)LCM算法分析
    3.3 NLCM算法
    3.4 基于LCM和MRF的小目標(biāo)檢測(cè)算法流程
        3.4.1 IWHT變換
        3.4.2 用馬爾科夫隨機(jī)場(chǎng)分割幀間差分圖像
        3.4.3 時(shí)空域結(jié)果融合
        3.4.4 基于LCM和MRF的小目標(biāo)檢測(cè)算法流程
    3.5 實(shí)驗(yàn)與分析
        3.5.1 實(shí)驗(yàn)數(shù)據(jù)和平臺(tái)
        3.5.2 改進(jìn)算法1實(shí)驗(yàn)結(jié)果分析
        3.5.3 改進(jìn)算法2實(shí)驗(yàn)結(jié)果分析
        3.5.4 改進(jìn)算法1和改進(jìn)算法2實(shí)驗(yàn)結(jié)果對(duì)比分析
    3.6 本章小結(jié)
第四章 基于高斯曲率濾波的核相關(guān)濾波跟蹤算法
    4.1 KCF算法
        4.1.1 KCF算法流程
        4.1.2 KCF算法偏移分析
    4.2 I-KCF算法
        4.2.1 利用巴特沃斯高通濾波器進(jìn)行背景抑制
        4.2.2 利用高斯曲率濾波器進(jìn)行邊緣抑制
        4.2.3 I-KCF跟蹤算法流程
    4.3 實(shí)驗(yàn)與分析
        4.3.1 實(shí)驗(yàn)平臺(tái)
        4.3.2 實(shí)驗(yàn)評(píng)價(jià)指標(biāo)
        4.3.3 實(shí)驗(yàn)結(jié)果分析
    4.4 本章小結(jié)
第五章 系統(tǒng)實(shí)現(xiàn)
    5.1 反無(wú)人機(jī)系統(tǒng)
        5.1.1 系統(tǒng)整體工作流程
        5.1.2 反無(wú)人機(jī)系統(tǒng)的工作原理
    5.2 系統(tǒng)軟件
    5.3 測(cè)試結(jié)果展示
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 本文總結(jié)
    6.2 未來(lái)展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的成果



本文編號(hào)：3890433