現(xiàn)代軍事戰(zhàn)爭中,打擊敵方地面快速機動時敏目標(biāo)已經(jīng)成為打擊的首要任務(wù),這類目標(biāo)包括裝甲車、導(dǎo)彈發(fā)射車、坦克、指揮車和移動雷達等各種車輛。這類地面時敏小目標(biāo)所處的地面環(huán)境包括城市道路、沙漠戈壁、郊野土路等,在可見光圖像中背景呈現(xiàn)多樣化且復(fù)雜的特性。另外,在成像的過程中,彈載運動平臺為前下視探測,且彈目距離較遠(yuǎn)時,圖像中車輛目標(biāo)尺度小而且細(xì)節(jié)信息不足。此外,圖像中的車輛目標(biāo)特征多樣化,目標(biāo)尺度范圍大且運動狀態(tài)不確定。面向上述復(fù)雜的背景及目標(biāo)特性,傳統(tǒng)的小目標(biāo)檢測技術(shù)無法適用,急需開展相應(yīng)的技術(shù)攻關(guān)。本文首先對可見光圖像中的目標(biāo)特點進行了較深入的分析,設(shè)計了適用于遠(yuǎn)距離復(fù)雜背景中車輛小目標(biāo)的預(yù)處理算法,并結(jié)合實驗數(shù)據(jù)驗證了算法的有效性。作者還通過采用C++AMP這種GPU并行計算技術(shù),將圖像預(yù)處理算法移植到GPU平臺中進行大規(guī)模數(shù)據(jù)的處理,以此縮短圖像預(yù)處理時間,實現(xiàn)效率的提升。然后,在分析目標(biāo)及其鄰域背景特性的基礎(chǔ)上,本文采取基于目標(biāo)尺寸和形狀信息的盒式濾波器進行疑似車輛目標(biāo)的提取。同時,本文提出了一種道路邊緣檢測算法用于輔助目標(biāo)車輛的檢測。最后,本文還給出一種基于飛行平臺測量參數(shù)的虛假目標(biāo)抑制技術(shù)。實驗結(jié)果表明上述新的算法和方法能有效的從復(fù)雜場景中提取車輛小目標(biāo)。
【學(xué)位單位】：華中科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2017
【中圖分類】：TP391.41;E11
【部分圖文】：

虛警率較高幾種典型待檢測車輛小目標(biāo)的實例如圖 2-1 所示，圖 2-2 從左至右所示分別為圖2-1(g)、2-1(h)和圖 2-1(i)目標(biāo)區(qū)域放大示意圖。

(g)、2-1(h)和圖2-1(i)目標(biāo)區(qū)域放大示意圖

(e) (f)圖 2-3 存在干擾的實例圖選擇去最大中值濾波器、形態(tài)學(xué) Top-hat 算子、維納濾波器[21]進行了比對分析，結(jié)果表明除了多級濾波器以外，上述：有的方法只能針對固定模板進行操作，不能處理目標(biāo)有的算法處理的目標(biāo)只能為亮目標(biāo)或暗目標(biāo)，不能同時結(jié)合的目標(biāo)。而多級濾波器對這種目標(biāo)尺度變化較大、具有較好的適應(yīng)能力。方法是基于背景在低頻、目標(biāo)在中頻以及噪聲在高頻這頻域上的帶通濾波方法。多級濾波算法的原理圖如圖 2-
【相似文獻】

相關(guān)期刊論文 前10條

1 李鋼;王雷;張仁斌;;基于特征能量加權(quán)的紅外與可見光圖像融合[J];光電工程;2010年03期

2 郭全民;董亮;李代娣;;紅外與可見光圖像融合的汽車抗暈光系統(tǒng)[J];紅外與激光工程;2017年08期

3 劉坤;郭雷;李暉暉;陳敬松;;基于區(qū)域分割的紅外與可見光圖像融合算法的研究(英文)[J];Chinese Journal of Aeronautics;2009年01期

4 葉傳奇;王寶樹;苗啟廣;;一種基于區(qū)域特性的紅外與可見光圖像融合算法[J];光子學(xué)報;2009年06期

5 胡謀法;李超;王書宏;;空時域聯(lián)合差分檢測可見光圖像的運動小目標(biāo)[J];計算機工程與應(yīng)用;2006年21期

6 江靜;張雪松;蘭西柱;;紅外與可見光圖像互信息法自動配準(zhǔn)算法研究[J];華北科技學(xué)院學(xué)報;2006年04期

7 丁文杉;畢篤彥;何林遠(yuǎn);凡遵林;吳冬鵬;;基于剪切波變換和鄰域結(jié)構(gòu)特征的紅外與可見光圖像融合[J];光學(xué)學(xué)報;2017年10期

8 舒久明;;一種自適應(yīng)的紅外與可見光圖像融合算法[J];電子科技;2015年05期

9 趙飛翔;陶忠祥;;基于小波包變換的紅外與可見光圖像融合[J];光學(xué)與光電技術(shù);2013年06期

10 楊陽;胡玉蘭;;主成分分析的紅外與可見光圖像特征融合[J];沈陽理工大學(xué)學(xué)報;2012年04期

相關(guān)博士學(xué)位論文 前10條

1 沈瑜;基于多尺度幾何分析的紅外與可見光圖像融合方法研究[D];蘭州交通大學(xué);2017年

2 陳艷菲;視覺顯著性計算及其在紅外與可見光圖像融合中的應(yīng)用[D];華中科技大學(xué);2017年

3 朱攀;紅外與紅外偏振/可見光圖像融合算法研究[D];天津大學(xué);2017年

4 周渝人;紅外與可見光圖像融合算法研究[D];中國科學(xué)院研究生院(長春光學(xué)精密機械與物理研究所);2014年

5 趙振兵;電氣設(shè)備紅外與可見光圖像的配準(zhǔn)方法研究[D];華北電力大學(xué)（河北）;2009年

6 宋懷波;低質(zhì)量可見光圖像的處理技術(shù)和識別方法研究[D];山東大學(xué);2009年

7 左羽佳;機載光電平臺紅外與可見光圖像融合系統(tǒng)關(guān)鍵技術(shù)研究[D];中國科學(xué)院長春光學(xué)精密機械與物理研究所;2017年

8 余燁;[D];合肥工業(yè)大學(xué);2010年

9 孫巖;基于多分辨率分析的多傳感器圖像融合算法研究[D];哈爾濱工程大學(xué);2012年

10 張蕾;紅外與可見光圖像融合技術(shù)研究[D];中國科學(xué)院研究生院(長春光學(xué)精密機械與物理研究所);2015年

相關(guān)碩士學(xué)位論文 前10條

1 毛航;可見光復(fù)雜背景圖像中地面時敏小目標(biāo)檢測算法研究[D];華中科技大學(xué);2017年

2 趙令令;基于超列的變電設(shè)備紅外與可見光圖像配準(zhǔn)研究[D];華北電力大學(xué);2018年

3 鄒曉光;基于自相似性的紅外和可見光圖像配準(zhǔn)算法研究[D];哈爾濱工業(yè)大學(xué);2017年

4 王凱;多傳感器信息融合的行人跟蹤研究[D];西安工業(yè)大學(xué);2018年

5 周麗萍;動態(tài)光視覺的水面目標(biāo)檢測技術(shù)研究[D];哈爾濱工程大學(xué);2018年

6 顧治峰;紅外與可見光目標(biāo)的融合探測方法研究[D];南京理工大學(xué);2018年

7 張秋實;紅外和可見光圖像的融合分類及紅外目標(biāo)檢測[D];北京化工大學(xué);2018年

8 袁釗;基于紅外與可見光融合的人臉識別研究[D];長春理工大學(xué);2018年

9 李易東;紅外與可見光圖像融合算法研究及實現(xiàn)[D];長春理工大學(xué);2018年

10 吳輝;紅外與可見光圖像的融合方法研究[D];桂林電子科技大學(xué);2018年

本文編號：2838079