針對暗環(huán)境等復雜背景下的弱運動小目標識別的難題,提出了軌跡跟蹤預測與模糊理論相結(jié)合的小目標跟蹤算法。首先利用高通濾波和幀相減技術(shù)將背景和目標初步分離,然后利用軌跡跟蹤法對目標點的位置進行預測,在動態(tài)搜索范圍內(nèi)尋找目標點進行圖像序列分析,并結(jié)合模糊理論進行記憶更新來確定目標的可信度,最終通過多幀圖像的軌跡跟蹤找出真實的目標。實驗結(jié)果表明:該算法能夠獲取熱像儀拍攝的小目標彈丸落地前的運動軌跡曲線圖,驗證了該算法能夠?qū)Φ托旁氡鹊倪\動小目標進行可靠檢測。 

【文章來源】：彈箭與制導學報. 2020,40(03)北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

中波熱像儀拍攝的紅外序列圖像

圖1 中波熱像儀拍攝的紅外序列圖像由圖1、圖2可看出,利用中波紅外圖像比長波圖像效果好,因此中波熱像儀拍攝的紅外圖像中目標和背景區(qū)分較為明顯,具有較佳的測試效果。同時可以看出,當目標遠離地面時,由于背景是天空,目標和背景信噪比大,但是當目標越接近地面時,目標的紅外輻射能量由于受到地面自身紅外輻射以及大氣水蒸汽的吸收和散射,導致目標的紅外輻射能量減弱,噪聲加大,信噪比降低,真?zhèn)文繕穗y以區(qū)分。在這種情況下,用圖像匹配、傅里葉分析方法、差分圖像等方法難以處理出真實的目標。

因而,通過使用背景像素間灰度級的相關(guān)性、目標和背景的獨立性,先用幀減法去除大量的背景信息,然后利用高通濾波去除一部分白噪聲點,剩下一些高頻噪聲點和目標點,這樣實現(xiàn)目標與背景的初步分離�？臻g域高通濾波器脈沖響應函數(shù)為式(3)所示的5×5高通卷積模板A。通過分析可知,模板中心像素所占權(quán)重相對較大,容易通過;而周圍部分權(quán)值均為-1,權(quán)值小,不易通過。因此,目標點和孤立的噪聲點通過濾波器相對容易;而對于有大面積成像的背景則不容易通過[7]。3 運動目標的軌跡跟蹤算法

【參考文獻】：
期刊論文
[1]基于PCNN和改進鄰域判決的紅外弱小目標檢測算法[J]. 李云,宋勇,趙宇飛,趙尚男,李旭,郝群.  兵器裝備工程學報. 2018(01)
[2]基于多特征直方圖的紅外圖像目標跟蹤[J]. 王杰,孫艷麗,周偉.  兵器裝備工程學報. 2017(08)
[3]模糊理論的應用與研究[J]. 鄭圓圓,陳再良.  蘇州大學學報(工科版). 2011(01)
[4]基于小波變換的弱小目標檢測[J]. 樊曉兵.  吉首大學學報(自然科學版). 2008(01)
[5]發(fā)展中的紅外成像制導技術(shù)[J]. 張中南,王富賓,李曉.  飛航導彈. 2006(01)

博士論文
[1]紅外弱小多目標實時檢測跟蹤技術(shù)研究[D]. 龔俊亮.中國科學院研究生院（長春光學精密機械與物理研究所） 2013

碩士論文
[1]飛行器紅外特征分析與紅外熱成像系統(tǒng)作用距離的預估算方法[D]. 高思峰.南京航空航天大學 2007
[2]基于時域背景預測檢測與跟蹤紅外圖像序列中的小目標[D]. 徐劍峰.南京航空航天大學 2007
[3]紅外圖像預處理算法及實現(xiàn)[D]. 賈貽魯.天津大學 2006



本文編號：3066828