基于復雜背景下的紅外小弱目標檢測與跟蹤技術,是紅外制導、防空預警等領域的關鍵技術,由于紅外成像系統(tǒng)自身噪聲和探測器距離目標距離遠等原因,目標在紅外圖像中通常表現為亮度值低、像素數少的小弱目標,并且淹沒于起伏強烈的噪聲中,導致目標探測難度很大。因此,研究一種低信噪比情況下的紅外小弱目標檢測技術具備理論和實用意義。稀疏貝葉斯方法將結構先驗信息與樣本信息相結合,使用概率去表示所有形式的不確定性,通過貝葉斯定理來學習信號狀態(tài),充分利用信號稀疏表示系數的空間結構和時序結構,參數化性能卓越。雖然貝葉斯理論依舊處于發(fā)展探索階段,但是它在信號處理領域表現出了很大的潛力�；谏鲜霰尘�,本文利用稀疏貝葉斯理論對序列紅外圖像小弱運動目標檢測方法進行了深入研究,全文的主要研究內容及成果有:（1）分析了紅外小弱目標圖像的能量特性和圖像場景特性,結果顯示目標能量突出,場景不同導致背景雜波明顯。（2）對于目標圖像的時域和空域稀疏特性進行分析,實驗結果表明圖像在時域稀疏表示存在很強的相關性,在空域原子聚類后,可以某一類原子表示目標圖像的主要特征。（3）對連續(xù)幀圖像的稀疏分解系數進行統(tǒng)計分布擬合與檢驗,對比不同核函數的... 

【文章來源】：重慶大學重慶市 211工程院校 985工程院校 教育部直屬院校

【文章頁數】：75 頁

【學位級別】：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 國內外研究現狀
    1.3 研究的主要內容及結構安排
    1.4 本章小結
2 稀疏貝葉斯理論基礎
    2.1 稀疏表示的基本理論
        2.1.1 稀疏表示的數學模型
        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 最大似然估計和貝葉斯估計
        2.2.3 動態(tài)系統(tǒng)的貝葉斯估計
    2.3 稀疏貝葉斯算法框架
    2.4 本章小結
3 紅外小弱目標圖像及稀疏特性分析
    3.1 紅外目標圖像特性
        3.1.1 紅外目標圖像的能量特性
        3.1.2 紅外目標圖像場景分析
    3.2 圖像的稀疏表示
    3.3 圖像時域稀疏特性
    3.4 圖像空域稀疏特性分析
        3.4.1 字典原子關聯度分析
        3.4.2 字典原子聚類
    3.5 本章小結
4 基于稀疏貝葉斯的目標檢測
    4.1 稀疏統(tǒng)計特性分析
        4.1.1 分布的擬合與檢驗
        4.1.2 核密度估計
    4.2 基于稀疏貝葉斯的小弱目標檢測算法
        4.2.1 最小錯誤率貝葉斯決策
        4.2.2 目標檢測算法原理及步驟
        4.2.3 目標檢測模型建立
        4.2.4 實驗結果及分析
    4.3 本章小結
5 總結與展望
    5.1 工作總結
    5.2 工作展望
致謝
參考文獻
附錄
    A.作者在攻讀學位期間發(fā)表的論文目錄
    B.作者在攻讀學位期間取得的科研成果目錄


【參考文獻】：
期刊論文
[1]基于小波變換的自適應多模紅外小目標檢測[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動目標檢測方法[J]. 王輝,孫洪.  信號處理. 2016(12)
[3]廣義貝葉斯字典學習K-SVD稀疏表示算法[J]. 周飛飛,李雷.  計算機技術與發(fā)展. 2016(05)
[4]稀疏域海雜波抑制與微動目標檢測方法[J]. 陳小龍,關鍵,董云龍,趙志堅.  電子學報. 2016(04)
[5]國外紅外制導空空導彈的研究現狀及其關鍵技術[J]. 張肇蓉,高賀,張曦,李韜,康宇航.  飛航導彈. 2016(03)
[6]基于結構信息和稀疏貝葉斯學習的圖像去噪[J]. 劉帥.  火控雷達技術. 2015(04)
[7]結合自適應字典學習的稀疏貝葉斯重構[J]. 王勇,喬倩倩,楊笑宇,徐文娟,賈拯,陳楚楚,高全學.  西安電子科技大學學報. 2016(04)
[8]基于空時稀疏表示的紅外小目標檢測算法[J]. 李正周,侯倩,戴真,付紅霞,葛豐增,金鋼.  兵工學報. 2015(07)
[9]基于稀疏表示和道路輔助的單幅SAR圖像運動目標檢測方法[J]. 史洪印,張諾.  電子學報. 2015(03)
[10]基于塊稀疏貝葉斯學習的多任務壓縮感知重構算法[J]. 文方青,張弓,賁德.  物理學報. 2015(07)

博士論文
[1]基于稀疏貝葉斯重構方法的雷達成像技術研究[D]. 蘇伍各.國防科學技術大學 2015
[2]基于稀疏貝葉斯學習的雷達自動目標識別方法研究[D]. 徐丹蕾.西安電子科技大學 2015
[3]快速塊稀疏貝葉斯學習算法的理論與應用[D]. 劉本源.國防科學技術大學 2015
[4]復雜背景下的紅外弱小目標檢測與跟蹤技術研究[D]. 汪大寶.西安電子科技大學 2010
[5]復雜背景下紅外弱小目標檢測算法研究[D]. 李欣.西安電子科技大學 2010

碩士論文
[1]基于稀疏表示的小弱運動目標跟蹤算法研究[D]. 陳靜.重慶大學 2015
[2]基于空時域稀疏表示的弱小運動目標檢測技術[D]. 王會改.重慶大學 2014
[3]基于空域稀疏性分析的小弱目標檢測技術研究[D]. 劉梅.重慶大學 2013
[4]稀疏貝葉斯學習理論及應用研究[D]. 王晶.西安電子科技大學 2012
[5]紅外圖像弱目標的檢測與分析[D]. 于瑞華.南京理工大學 2005



本文編號：3169302