發(fā)布時間：2020-12-31 20:41

　　在圖像制導(dǎo)領(lǐng)域,通常用增加紅外焦平面陣列像元數(shù)目的方法來提高成像分辨率,這為成像設(shè)備帶來了:制造成本提升、各像元的紅外響應(yīng)不均勻、讀取電路復(fù)雜等一系列問題�；趬嚎s感知技術(shù)的成像設(shè)備,降低了采集相同分辨率圖像所需的像元數(shù)量,可以有效的解決這些問題。然而傳統(tǒng)的壓縮感知數(shù)據(jù)處理方法需要在檢測追蹤目標(biāo)之前重構(gòu)原始圖像,重構(gòu)計(jì)算占用了大量的計(jì)算資源并且對系統(tǒng)的實(shí)時性造成了影響。本文以提高目標(biāo)檢測算法的實(shí)時性為目的,研究了壓縮感知圖像的免重構(gòu)目標(biāo)檢測方法;為形成完整的基于壓縮感知的目標(biāo)檢測追蹤系統(tǒng),本文進(jìn)一步研究了局部重構(gòu)的目標(biāo)追蹤方法,以及在目標(biāo)遮擋情況下的追蹤方法。主要研究工作如下:針對完全重構(gòu)原始圖像的紅外目標(biāo)檢測追蹤框架實(shí)時性較差的問題,提出一種全局免重構(gòu)目標(biāo)檢測、局部重構(gòu)目標(biāo)追蹤的方法框架。該框架利用分塊壓縮感知對視場進(jìn)行分割,利用分塊采樣結(jié)果的統(tǒng)計(jì)特性和相鄰分塊之間的關(guān)聯(lián)特性,直接對目標(biāo)進(jìn)行檢測,以此提高目標(biāo)檢測的實(shí)時性。獲取檢測結(jié)果后僅重構(gòu)目標(biāo)區(qū)域的分塊并在區(qū)域內(nèi)進(jìn)行追蹤計(jì)算,使得該框架既可以充分的利用圖像信息精準(zhǔn)的追蹤目標(biāo)位置,又可以避免重構(gòu)全部圖像帶來的大量計(jì)算。在此基礎(chǔ)上,對... 

【文章來源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：126 頁

【學(xué)位級別】：博士

【部分圖文】：

文章的組織結(jié)構(gòu)圖

由此可以確定參數(shù)Ib和?I的關(guān)系可以表示為0.598?I/Ib≤15%,即4?I≤Ib,依據(jù)之前的約束條件,則Ib=0.5,?I=0.125,σ=1.25。為了更直觀的展示模型的外觀特征,將模型的matlab示意圖畫出,如2-1所示。在目標(biāo)追蹤階段,待解決的問題可以概括為已知目標(biāo)的初始狀態(tài),追蹤器持續(xù)獲取圖像并輸出目標(biāo)狀態(tài)。通常將目標(biāo)描述為一個非線性系統(tǒng),追蹤過程即對其狀態(tài)進(jìn)行預(yù)測、觀測和修正的過程。因此,在t時刻,目標(biāo)的狀態(tài)方程和觀測方程可以表示為公式2-6和2-7。

分塊后的處理借鑒了人類視覺系統(tǒng)的思想,人類視覺在無先驗(yàn)知識的情況下會將視場分為許多小塊區(qū)域,并以小塊作為被處理的基本單元,通過視覺注意機(jī)制選擇包含重要的信息的小塊進(jìn)行分析。整個系統(tǒng)的核心是通過使用低層處理篩選出感興趣的區(qū)域,并以此作為其更高一層的處理對象繼續(xù)處理,用上一層的處理結(jié)果驅(qū)動下一層的處理,從而達(dá)到利用較少的精力處理簡單區(qū)域,用較多的精力處理復(fù)雜區(qū)域的目的[140]�；谶@種處理思想,本文提出的處理框架在獲取所有分塊壓縮結(jié)果后,利用包含目標(biāo)和背景的分塊壓縮數(shù)據(jù)表現(xiàn)出來特性的不同來提取目標(biāo)分塊。獲取目標(biāo)所在的分塊區(qū)域后,針對追蹤過程中目標(biāo)有可能存在干擾物、遮擋物的特點(diǎn),需要重構(gòu)圖像以獲取更為詳細(xì)的目標(biāo)信息。利用分塊壓縮感知各分塊操作均獨(dú)立進(jìn)行的特點(diǎn),僅對目標(biāo)及其周邊局部背景區(qū)域進(jìn)行重構(gòu)并在重構(gòu)區(qū)域內(nèi)進(jìn)行追蹤計(jì)算。將重構(gòu)計(jì)算限制在局部區(qū)域內(nèi),可以避免大量的背景區(qū)域重構(gòu)計(jì)算,提高系統(tǒng)處理的實(shí)時性;另外還可以利用檢測結(jié)果,對采樣操作進(jìn)行反饋,對于檢測到目標(biāo)的區(qū)域增加采樣次數(shù),反之,對于背景區(qū)域降低采樣次數(shù)。如圖2-2所示為本文設(shè)計(jì)的檢測追蹤框架。在本文設(shè)計(jì)的框架中,系統(tǒng)首先利用分塊壓縮采樣的結(jié)果的統(tǒng)計(jì)特性,判斷當(dāng)前幀中是否包含目標(biāo),若包含目標(biāo)則標(biāo)記目標(biāo)所在的分塊。處理過程針對系統(tǒng)是否可以獲取目標(biāo)和背景的先驗(yàn)知識,分別設(shè)計(jì)了兩種檢測方法:在系統(tǒng)可以獲取先驗(yàn)知識的情況下,提出結(jié)合Fisher準(zhǔn)則的觀測矩陣,并利用該觀測矩陣設(shè)計(jì)兩層目標(biāo)檢測框架;在系統(tǒng)無法獲取先驗(yàn)知識的情況下,利用包含目標(biāo)的分塊與不包含目標(biāo)的背景分塊之間的特征差異來檢測目標(biāo)所在分塊。結(jié)合被標(biāo)記分塊的原始采樣結(jié)果,只對被標(biāo)記的分塊和其周邊分塊進(jìn)行重構(gòu),得到目標(biāo)及其周邊局部背景區(qū)域的原始圖像并在局部區(qū)域的原始圖像內(nèi)獲取目標(biāo)的精確位置和尺寸,將目標(biāo)的精確信息輸入追蹤器和分塊采樣的控制設(shè)備,由追蹤器持續(xù)輸出目標(biāo)狀態(tài)作為最終計(jì)算結(jié)果。為了更好的展示本章提出的處理框架的邏輯,用偽代碼算法2-1展現(xiàn)。

【參考文獻(xiàn)】：
期刊論文
[1]一種用于非制冷紅外焦平面陣列的低噪聲高均勻性讀出電路（英文）[J]. 周同,何勇,趙健,姜波,蘇巖.  紅外與毫米波學(xué)報(bào). 2018(03)
[2]紅外焦平面信號讀出及處理技術(shù)[J]. 李敬國,卓毅.  激光與紅外. 2018(04)
[3]改進(jìn)Sobel算子的單幀紅外弱小目標(biāo)檢測[J]. 苗曉孔,王春平.  光電工程. 2016(12)
[4]并行可見光焦平面壓縮成像系統(tǒng)[J]. 歐陽瑤,陳靖.  激光與光電子學(xué)進(jìn)展. 2017(02)
[5]利用大氣修正因子提高目標(biāo)紅外輻射特性測量精度[J]. 郭立紅,郭漢洲,楊詞銀,李寧.  光學(xué)精密工程. 2016(08)
[6]基于壓縮感知的道路交通圖像處理及重構(gòu)算法研究[J]. 張曉東,董唯光,湯旻安.  蘭州交通大學(xué)學(xué)報(bào). 2016(04)
[7]結(jié)合目標(biāo)提取和壓縮感知的紅外與可見光圖像融合[J]. 王昕,吉桐伯,劉富.  光學(xué)精密工程. 2016(07)
[8]基于不同積分時間幀累加的紅外圖像超幀方法[J]. 洪聞青,姚立斌,姬榮斌,劉傳明.  光學(xué)精密工程. 2016(06)
[9]美軍典型機(jī)載光電觀瞄設(shè)備發(fā)展現(xiàn)狀及趨勢[J]. 梁巍巍,郭正紅,陳潔.  飛航導(dǎo)彈. 2015(03)
[10]一種基于時空域累積差分的紅外小目標(biāo)融合檢測算法[J]. 于強(qiáng),黃樹彩,趙煒,黃孝文.  彈箭與制導(dǎo)學(xué)報(bào). 2014(06)

博士論文
[1]紅外紋理生成方法研究[D]. 邵曉鵬.西安電子科技大學(xué) 2005

碩士論文
[1]復(fù)雜背景下紅外小目標(biāo)實(shí)時檢測與跟蹤[D]. 周曉瑋.華中科技大學(xué) 2007



本文編號：2950280