紅外圖像中的目標檢測是紅外制導、跟蹤及預警的關鍵。因攝像距離遠、設備干擾強等因素影響,使得紅外圖像具有目標信號弱、雜波信息多的特點,這增加了紅外圖像中弱小目標檢測的難度,同時也使紅外圖像目標檢測成為國內外學者研究的難點。圖像中的目標檢測主要是根據目標信號的奇異性對其進行分離,目標信號的這種奇異性使得信號是非平穩(wěn)的,而經驗模態(tài)分解算法就是針對非平穩(wěn)信號處理同時可以根據信號自身特征對其進行分解處理。因此本文深入研究了經驗模態(tài)分解算法及紅外圖像特性,將經驗模態(tài)分解算法應用到單幀、序列紅外圖像目標檢測中。本文主要工作如下:1.分析現有的一維、二維經驗模態(tài)分解算法的理論、問題及性質,提出三維經驗模態(tài)分解理論及實現流程。2.總結幾種現有的圖像預處理方法,包括基于二維經驗模態(tài)分解的預處理方法,同時陳述圖像中目標檢測的原理,包括目標的特性分析及目標閾值分割。隨后將經驗模態(tài)分解算法與單幀圖像目標檢測相結合,提出一種基于經驗模態(tài)分解的單幀圖像目標檢測算法,該算法通過二維經驗模態(tài)分解對圖像進行預處理,使用一維經驗模態(tài)分解算法對圖像進行行列分解及變換,并通過閾值分割分離目標信號。最后通過實驗仿真驗證本算法的檢... 

【文章來源】：西安電子科技大學陜西省 211工程院校 教育部直屬院校

【文章頁數】：84 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號對照表
縮略語對照表
第一章 緒論
    1.1 研究背景及意義
    1.2 國內外研究現狀
    1.3 論文主要工作及內容安排
第二章 經驗模態(tài)分解概論
    2.1 引言
    2.2 一維經驗模態(tài)分解概論
        2.2.1 一維經驗模態(tài)分解
        2.2.2 分解問題分析
        2.2.3 希爾伯特黃變換
    2.3 二維經驗模態(tài)分解概論
        2.3.1 二維經驗模態(tài)分解
        2.3.2 分解問題分析
    2.4 三維經驗模態(tài)分解分析
        2.4.1 三維經驗模態(tài)分解
        2.4.2 分解問題分析
    2.5 本章小結
第三章 基于經驗模態(tài)分解的單幀紅外圖像檢測
    3.1 引言
    3.2 圖像預處理方法分析
        3.2.1 中值濾波
        3.2.2 均值濾波
        3.2.3 高通濾波
        3.2.4 基于二維經驗模態(tài)分解的濾波器
    3.3 圖像目標檢測原理
        3.3.1 目標特性分析
        3.3.2 閾值分割
    3.4 基于經驗模態(tài)分解的單幀圖像目標檢測
        3.4.1 算法原理
        3.4.2 算法分析
        3.4.3 實驗結果與分析
    3.5 本章小結
第四章 基于經驗模態(tài)分解的紅外圖像序列目標檢測
    4.1 引言
    4.2 紅外圖像序列時域特性分析
    4.3 基于一維EMD的圖像序列檢測
        4.3.1 算法原理
        4.3.2 算法分析
        4.3.3 實驗結果與分析
    4.4 基于三維EMD的圖像序列檢測
        4.4.1 算法原理
        4.4.2 算法分析
        4.4.3 實驗結果與分析
    4.5 本章小結
第五章 總結與展望
    5.1 全文總結
    5.2 存在的問題與研究展望
參考文獻
致謝
作者簡介


【參考文獻】：
期刊論文
[1]基于Otsu閾值分割的邊緣快速圖像插值算法[J]. 王震,杜進楷,寇宏玉,陳世國.  現代電子技術. 2019(02)
[2]基于雙峰法的紗線圖像閾值分割研究[J]. 張增康,馬衛(wèi)紅.  化纖與紡織技術. 2018(03)
[3]基于混合高斯模型的運動目標檢測[J]. 王薇薇.  電腦迷. 2018(09)
[4]一種基于圖像序列的水下運動目標檢測方式[J]. 張榮榮,劉曉陽,王金鵬.  微型機與應用. 2017(13)
[5]基于經驗模態(tài)分解的SVM-KNN高光譜圖像分類方法[J]. 左航.  微型電腦應用. 2016(12)
[6]基于二維本征模態(tài)函數的SAR圖像目標檢測[J]. 黃世奇,黃文準,劉哲.  兵器裝備工程學報. 2016(08)
[7]結合經驗模態(tài)分解和Gabor濾波的高光譜圖像分類[J]. 王立國,宛宇美,路婷婷,楊月霜.  哈爾濱工程大學學報. 2016(02)
[8]基于二維EMD的紅外圖像弱小目標檢測[J]. 邵峰.  電子科技. 2011(10)
[9]局部經驗模態(tài)分解算法[J]. 林婉如,熊盛武,謝嘯虎.  計算機工程與應用. 2011(13)
[10]希爾伯特-黃變換方法的改進[J]. 徐斌,徐德城,朱衛(wèi)平,劉冰野.  西北工業(yè)大學學報. 2011(02)

博士論文
[1]HHT變換及其在腦電信號處理中的應用研究[D]. 朱曉軍.太原理工大學 2012

碩士論文
[1]海面紅外序列圖像的預處理與目標檢測方法研究[D]. 鄒咪.深圳大學 2017
[2]基于信號奇異性分析的紅外弱小目標檢測[D]. 王振華.西安電子科技大學 2017
[3]基于希爾伯特—黃變換的肺音信號識別方法研究[D]. 鄭明杰.江蘇大學 2016
[4]基于經驗模態(tài)分解的紅外小目標檢測算法研究[D]. 黃晟.華中科技大學 2013
[5]地震信號奇異性分析及其應用的研究[D]. 熊晶晶.廣西師范大學 2013
[6]地震數據邊緣奇異性檢測方法及其應用[D]. 楊斌.中國石油大學 2011
[7]基于背景預測的紅外小目標檢測算法研究[D]. 徐茵.西安電子科技大學 2009
[8]復雜云層背景下紅外小目標檢測方法研究[D]. 鄧磊.哈爾濱工程大學 2008
[9]紅外弱小目標檢測方法研究[D]. 徐韶華.華中科技大學 2006



本文編號：3011809