“低小慢”目標(biāo)是飛行高度低于2千米且飛行速度小于50千米/小時(shí)的這一類小型航空設(shè)備的統(tǒng)稱^[1]。作為代表的多旋翼無人機(jī)以及遙控航模具備體積較小、質(zhì)量輕以及易于改裝的特點(diǎn),如果在“低小慢”航空器上配備攝像頭或炸藥并用于不正當(dāng)途徑,會(huì)對(duì)我國(guó)公眾安全和空防安全造成潛在威脅,因此類似于“反無人機(jī)群”課題的低空慢速小目標(biāo)檢測(cè)技術(shù)研究已經(jīng)成為熱點(diǎn)問題。為此,本文在充分調(diào)研國(guó)內(nèi)外研究現(xiàn)狀的基礎(chǔ)上,就復(fù)雜背景下低空慢速小目標(biāo)的檢測(cè)問題進(jìn)行了研究,具體分析了復(fù)雜背景中“低小慢”目標(biāo)的成像特征、噪聲特征、目標(biāo)特征以及背景特征,提出了一套具備復(fù)雜空間環(huán)境自適應(yīng)性的“低小慢”目標(biāo)檢測(cè)方法。本文就可見光圖像和紅外圖像針對(duì)性地提出了不同的“低小慢”目標(biāo)檢測(cè)算法。對(duì)于可見光相機(jī)拍攝下的復(fù)雜場(chǎng)景:（1）針對(duì)逆光和局部高亮情況,提出了一種基于不均勻光照校正的背景建模算法。該體系引入二維伽馬函數(shù)自適應(yīng)抑制光照不均勻圖像以及提取顏色特征,并借助擴(kuò)展尺度局部不變算子提取紋理特征,級(jí)聯(lián)至ViBe+背景模型中實(shí)現(xiàn)對(duì)“低小慢”目標(biāo)的有效檢測(cè);（2）針對(duì)復(fù)雜動(dòng)態(tài)場(chǎng)景,提出了一種基于視覺顯著性的目標(biāo)檢測(cè)算法。該算... 

【文章來源】：中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所)吉林省

【文章頁(yè)數(shù)】：123 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

低空慢

第1章引言3年。2017年10月，一名27歲的中國(guó)女游客因在梵蒂岡禁飛區(qū)放飛無人機(jī)，被警方以違反航空禁飛管理法和涉嫌制造恐慌的原因帶回警察局調(diào)查。2018年10月3日，一名來自中國(guó)北京的26歲游客桂關(guān)雄突破印度景區(qū)泰姬陵的安檢，試圖在泰姬陵皇家大門前放飛無人機(jī)，被印度中央工業(yè)安全部隊(duì)制止并帶回調(diào)查。如何對(duì)低空慢速小目標(biāo)進(jìn)行有效地監(jiān)測(cè)預(yù)警，已經(jīng)成為世界各國(guó)在地空防御領(lǐng)域所關(guān)注的熱點(diǎn)問題。在低空探測(cè)系統(tǒng)中，雷達(dá)易受天氣及雜波干擾，探測(cè)盲區(qū)較大且回波較校光學(xué)圖像探測(cè)較雷達(dá)相比成像更為清晰，可以更為直觀地判別虛假目標(biāo)，提高低空慢速小目標(biāo)的發(fā)現(xiàn)幾率。在此基礎(chǔ)上，如果增加相機(jī)數(shù)量可以提高探測(cè)系統(tǒng)的作用范圍，也可以根據(jù)環(huán)境情況配備不同種類相機(jī)（可見光相機(jī)或紅外相機(jī)）優(yōu)化觀測(cè)效果[2]。因此，在光電探測(cè)方面實(shí)現(xiàn)對(duì)“低小慢”目標(biāo)的精準(zhǔn)探測(cè)和攔截具有明顯的優(yōu)勢(shì)�！暗托÷蹦繕�(biāo)預(yù)警系統(tǒng)的工作原理如圖1.2所示。圖1.2“低小慢”目標(biāo)預(yù)警系統(tǒng)的工作原理Figure1.2WorkflowoftheLSSaircraftearlywarningsystem為了檢測(cè)“低小慢”目標(biāo)，美國(guó)NorthropGrumman公司研制出的Venom系統(tǒng)可為低空預(yù)警提供精確的目標(biāo)位置坐標(biāo)，英國(guó)BlighterSurveillanceSystems公司、ChessDynamics公司和EnterpriseControlSystems公司聯(lián)合研制的AUDS可以在15秒左右探測(cè)目標(biāo)并發(fā)射定向的大功率干擾射頻使航空器失效，意大利SelexES公司的FalconShield可以在5千米到10千米的距離內(nèi)評(píng)估潛在威脅，以色列Rafael公司的DroneDome可以360度探測(cè)無人機(jī)，并擾亂無人機(jī)與其操

第1章引言5四個(gè)角度來對(duì)檢測(cè)方法進(jìn)行概述，同時(shí)會(huì)對(duì)各種算法的優(yōu)勢(shì)與不足進(jìn)行分析，為低空慢速小目標(biāo)檢測(cè)算法的深入研究奠定基矗圖1.4“低小慢”目標(biāo)檢測(cè)算法分類Figure1.4“Lowslowandsmall”targetdetectionalgorithmclassification1.2.1基于不同圖像屬性的檢測(cè)算法根據(jù)圖像屬性不同，可以將圖像檢測(cè)分為可見光背景下的“低小慢”目標(biāo)檢測(cè)和紅外背景下的“低小慢”目標(biāo)檢測(cè)兩類。（1）基于可見光相機(jī)圖像的目標(biāo)檢測(cè)算法可見光相機(jī)拍攝的圖像一般具有清晰的紋理、邊緣以及較高的空間分辨率，其高成像質(zhì)量有利于目標(biāo)檢測(cè)，但是相機(jī)的工作受天氣變化和光照變化制約，夜間和陰雨天氣檢測(cè)效率低，且無法識(shí)別偽裝目標(biāo)。針對(duì)可見光圖像，同濟(jì)大學(xué)的葉利華等人針對(duì)野外飛行場(chǎng)景，提出了一種基于深度學(xué)習(xí)的無人機(jī)識(shí)別方法，該算法使用方向梯度直方圖（HOG）提取特征，通過ImageNet數(shù)據(jù)集在Caffe框架下對(duì)圖像進(jìn)行訓(xùn)練，并使用支持向量機(jī)（SVM）對(duì)目標(biāo)進(jìn)行分類，該方法具有較高的檢測(cè)準(zhǔn)確率，但是深度特征提取需要較大的計(jì)算量，訓(xùn)練時(shí)間較長(zhǎng)[3]。南京理工大學(xué)的樓競(jìng)等人引入人類視覺顯著性和區(qū)域穩(wěn)定性計(jì)算圖像的特征，并通過分段門限閾值提取目標(biāo)，該方法具有較高的檢測(cè)準(zhǔn)確率，但由于其使用先驗(yàn)知識(shí)對(duì)目標(biāo)進(jìn)行分割，故算法不具有普適性，難以適用于復(fù)雜場(chǎng)景[4]。（2）基于紅外相機(jī)圖像的目標(biāo)檢測(cè)算法紅外相機(jī)按波段劃分又可以分為短波紅外（ShortWavelengthInfraredBand，SWIR）相機(jī)、中波紅外（MiddleWavelengthInfraredBand,MWIR）相機(jī)以及長(zhǎng)波紅外（LongWavelengthInfraredBand,LWIR）相機(jī)三種。相機(jī)主要依賴于目標(biāo)與景物之間的輻射溫差來產(chǎn)生景物的圖像，其灰度分布動(dòng)態(tài)范圍較大。紅外圖像

【參考文獻(xiàn)】：
期刊論文
[1]低對(duì)比度圖像的清晰化與增強(qiáng)[J]. 陳子妍.  科技視界. 2019(14)
[2]基于雙邊伽馬校正的保亮度圖像增強(qiáng)方法[J]. 胡鈺,李甜甜,黃梁松,李玉霞.  計(jì)算機(jī)應(yīng)用與軟件. 2019(05)
[3]基于統(tǒng)計(jì)信息的改進(jìn)滑動(dòng)平均目標(biāo)檢測(cè)算法[J]. 李大維,孫海江,劉偉寧,劉培勛.  液晶與顯示. 2018(06)
[4]基于一維最大熵的視頻圖像運(yùn)動(dòng)背景減除[J]. 李亞,王穎.  計(jì)算機(jī)與現(xiàn)代化. 2018(03)
[5]基于空時(shí)混沌分析的海面小弱目標(biāo)檢測(cè)[J]. 李正周,曹雷,邵萬興,陳文豪,劉冰.  光學(xué)精密工程. 2018(01)
[6]基于粒子濾波和背景減除的多目標(biāo)檢測(cè)與跟蹤算法[J]. 李明杰,劉小飛,張福泉,翟萍.  計(jì)算機(jī)應(yīng)用研究. 2018(08)
[7]基于SLIC分層分割的無人機(jī)圖像極小目標(biāo)檢測(cè)方法[J]. 趙坤,張羽君,張建龍,王勇.  數(shù)據(jù)采集與處理. 2017(04)
[8]低小慢無人機(jī)降落野外場(chǎng)景識(shí)別方法[J]. 葉利華,王磊,趙利平.  計(jì)算機(jī)應(yīng)用. 2017(07)
[9]視覺顯著性預(yù)測(cè)綜述[J]. 孫夏,石志儒.  電子設(shè)計(jì)工程. 2017(09)
[10]改進(jìn)各向異性擴(kuò)散模型在圖像濾波去噪中的應(yīng)用[J]. 張長(zhǎng)勝,馮廣,劉子裕,李川,錢斌.  傳感器與微系統(tǒng). 2017(04)

博士論文
[1]復(fù)雜天空背景下紅外小弱目標(biāo)檢測(cè)與跟蹤關(guān)鍵技術(shù)研究[D]. 劉德鵬.重慶大學(xué) 2018
[2]視覺注意建模及其在圖像分析中的應(yīng)用[D]. 方芳.哈爾濱工業(yè)大學(xué) 2012

碩士論文
[1]基于Retinex理論的非均勻光照?qǐng)D像增強(qiáng)研究[D]. 劉敏.廣西師范大學(xué) 2019
[2]視覺注意機(jī)制下的紅外弱小目標(biāo)顯著性檢測(cè)[D]. 周偉.西安電子科技大學(xué) 2017
[3]海上紅外小目標(biāo)檢測(cè)及跟蹤技術(shù)研究[D]. 段鵬.電子科技大學(xué) 2013
[4]視覺注意機(jī)制相關(guān)研究及其中視覺顯著度與重要度間關(guān)系的量化分析[D]. 王君樂.華南理工大學(xué) 2010
[5]基于多級(jí)假設(shè)的紅外小目標(biāo)檢測(cè)算法[D]. 張紅.中國(guó)科學(xué)院研究生院（西安光學(xué)精密機(jī)械研究所） 2006



本文編號(hào)：3328771