發(fā)布時(shí)間：2021-04-30 09:51

　　基于復(fù)雜背景下的紅外小弱目標(biāo)檢測(cè)與跟蹤技術(shù),是紅外制導(dǎo)、防空預(yù)警等領(lǐng)域的關(guān)鍵技術(shù),由于紅外成像系統(tǒng)自身噪聲和探測(cè)器距離目標(biāo)距離遠(yuǎn)等原因,目標(biāo)在紅外圖像中通常表現(xiàn)為亮度值低、像素?cái)?shù)少的小弱目標(biāo),并且淹沒于起伏強(qiáng)烈的噪聲中,導(dǎo)致目標(biāo)探測(cè)難度很大。因此,研究一種低信噪比情況下的紅外小弱目標(biāo)檢測(cè)技術(shù)具備理論和實(shí)用意義。稀疏貝葉斯方法將結(jié)構(gòu)先驗(yàn)信息與樣本信息相結(jié)合,使用概率去表示所有形式的不確定性,通過(guò)貝葉斯定理來(lái)學(xué)習(xí)信號(hào)狀態(tài),充分利用信號(hào)稀疏表示系數(shù)的空間結(jié)構(gòu)和時(shí)序結(jié)構(gòu),參數(shù)化性能卓越。雖然貝葉斯理論依舊處于發(fā)展探索階段,但是它在信號(hào)處理領(lǐng)域表現(xiàn)出了很大的潛力�；谏鲜霰尘�,本文利用稀疏貝葉斯理論對(duì)序列紅外圖像小弱運(yùn)動(dòng)目標(biāo)檢測(cè)方法進(jìn)行了深入研究,全文的主要研究?jī)?nèi)容及成果有:（1）分析了紅外小弱目標(biāo)圖像的能量特性和圖像場(chǎng)景特性,結(jié)果顯示目標(biāo)能量突出,場(chǎng)景不同導(dǎo)致背景雜波明顯。（2）對(duì)于目標(biāo)圖像的時(shí)域和空域稀疏特性進(jìn)行分析,實(shí)驗(yàn)結(jié)果表明圖像在時(shí)域稀疏表示存在很強(qiáng)的相關(guān)性,在空域原子聚類后,可以某一類原子表示目標(biāo)圖像的主要特征。（3）對(duì)連續(xù)幀圖像的稀疏分解系數(shù)進(jìn)行統(tǒng)計(jì)分布擬合與檢驗(yàn),對(duì)比不同核函數(shù)的... 

【文章來(lái)源】：重慶大學(xué)重慶市 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：75 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
中文摘要
英文摘要
1 緒論
    1.1 課題背景及研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 研究的主要內(nèi)容及結(jié)構(gòu)安排
    1.4 本章小結(jié)
2 稀疏貝葉斯理論基礎(chǔ)
    2.1 稀疏表示的基本理論
        2.1.1 稀疏表示的數(shù)學(xué)模型
        2.1.2 稀疏性的度量
        2.1.3 稀疏解的唯一性
        2.1.4 稀疏模型的求解
    2.2 貝葉斯理論
        2.2.1 條件概率和乘法定理
        2.2.2 最大似然估計(jì)和貝葉斯估計(jì)
        2.2.3 動(dòng)態(tài)系統(tǒng)的貝葉斯估計(jì)
    2.3 稀疏貝葉斯算法框架
    2.4 本章小結(jié)
3 紅外小弱目標(biāo)圖像及稀疏特性分析
    3.1 紅外目標(biāo)圖像特性
        3.1.1 紅外目標(biāo)圖像的能量特性
        3.1.2 紅外目標(biāo)圖像場(chǎng)景分析
    3.2 圖像的稀疏表示
    3.3 圖像時(shí)域稀疏特性
    3.4 圖像空域稀疏特性分析
        3.4.1 字典原子關(guān)聯(lián)度分析
        3.4.2 字典原子聚類
    3.5 本章小結(jié)
4 基于稀疏貝葉斯的目標(biāo)檢測(cè)
    4.1 稀疏統(tǒng)計(jì)特性分析
        4.1.1 分布的擬合與檢驗(yàn)
        4.1.2 核密度估計(jì)
    4.2 基于稀疏貝葉斯的小弱目標(biāo)檢測(cè)算法
        4.2.1 最小錯(cuò)誤率貝葉斯決策
        4.2.2 目標(biāo)檢測(cè)算法原理及步驟
        4.2.3 目標(biāo)檢測(cè)模型建立
        4.2.4 實(shí)驗(yàn)結(jié)果及分析
    4.3 本章小結(jié)
5 總結(jié)與展望
    5.1 工作總結(jié)
    5.2 工作展望
致謝
參考文獻(xiàn)
附錄
    A.作者在攻讀學(xué)位期間發(fā)表的論文目錄
    B.作者在攻讀學(xué)位期間取得的科研成果目錄


【參考文獻(xiàn)】：
期刊論文
[1]基于小波變換的自適應(yīng)多模紅外小目標(biāo)檢測(cè)[J]. 張曉露,李玲,辛云宏.  激光與紅外. 2017(05)
[2]低秩稀疏分解下多尺度積的運(yùn)動(dòng)目標(biāo)檢測(cè)方法[J]. 王輝,孫洪.  信號(hào)處理. 2016(12)
[3]廣義貝葉斯字典學(xué)習(xí)K-SVD稀疏表示算法[J]. 周飛飛,李雷.  計(jì)算機(jī)技術(shù)與發(fā)展. 2016(05)
[4]稀疏域海雜波抑制與微動(dòng)目標(biāo)檢測(cè)方法[J]. 陳小龍,關(guān)鍵,董云龍,趙志堅(jiān).  電子學(xué)報(bào). 2016(04)
[5]國(guó)外紅外制導(dǎo)空空導(dǎo)彈的研究現(xiàn)狀及其關(guān)鍵技術(shù)[J]. 張肇蓉,高賀,張曦,李韜,康宇航.  飛航導(dǎo)彈. 2016(03)
[6]基于結(jié)構(gòu)信息和稀疏貝葉斯學(xué)習(xí)的圖像去噪[J]. 劉帥.  火控雷達(dá)技術(shù). 2015(04)
[7]結(jié)合自適應(yīng)字典學(xué)習(xí)的稀疏貝葉斯重構(gòu)[J]. 王勇,喬倩倩,楊笑宇,徐文娟,賈拯,陳楚楚,高全學(xué).  西安電子科技大學(xué)學(xué)報(bào). 2016(04)
[8]基于空時(shí)稀疏表示的紅外小目標(biāo)檢測(cè)算法[J]. 李正周,侯倩,戴真,付紅霞,葛豐增,金鋼.  兵工學(xué)報(bào). 2015(07)
[9]基于稀疏表示和道路輔助的單幅SAR圖像運(yùn)動(dòng)目標(biāo)檢測(cè)方法[J]. 史洪印,張諾.  電子學(xué)報(bào). 2015(03)
[10]基于塊稀疏貝葉斯學(xué)習(xí)的多任務(wù)壓縮感知重構(gòu)算法[J]. 文方青,張弓,賁德.  物理學(xué)報(bào). 2015(07)

博士論文
[1]基于稀疏貝葉斯重構(gòu)方法的雷達(dá)成像技術(shù)研究[D]. 蘇伍各.國(guó)防科學(xué)技術(shù)大學(xué) 2015
[2]基于稀疏貝葉斯學(xué)習(xí)的雷達(dá)自動(dòng)目標(biāo)識(shí)別方法研究[D]. 徐丹蕾.西安電子科技大學(xué) 2015
[3]快速塊稀疏貝葉斯學(xué)習(xí)算法的理論與應(yīng)用[D]. 劉本源.國(guó)防科學(xué)技術(shù)大學(xué) 2015
[4]復(fù)雜背景下的紅外弱小目標(biāo)檢測(cè)與跟蹤技術(shù)研究[D]. 汪大寶.西安電子科技大學(xué) 2010
[5]復(fù)雜背景下紅外弱小目標(biāo)檢測(cè)算法研究[D]. 李欣.西安電子科技大學(xué) 2010

碩士論文
[1]基于稀疏表示的小弱運(yùn)動(dòng)目標(biāo)跟蹤算法研究[D]. 陳靜.重慶大學(xué) 2015
[2]基于空時(shí)域稀疏表示的弱小運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)[D]. 王會(huì)改.重慶大學(xué) 2014
[3]基于空域稀疏性分析的小弱目標(biāo)檢測(cè)技術(shù)研究[D]. 劉梅.重慶大學(xué) 2013
[4]稀疏貝葉斯學(xué)習(xí)理論及應(yīng)用研究[D]. 王晶.西安電子科技大學(xué) 2012
[5]紅外圖像弱目標(biāo)的檢測(cè)與分析[D]. 于瑞華.南京理工大學(xué) 2005



本文編號(hào)：3169302