本文關(guān)鍵詞：基于移動管道的紅外弱小目標(biāo)檢測算法與仿真驗證研究，由筆耕文化傳播整理發(fā)布。

【摘要】：自人類文明產(chǎn)生起,戰(zhàn)爭就伴隨著而來。工業(yè)技術(shù)的不斷發(fā)展,戰(zhàn)爭的形式也從面對面的對抗變成遠(yuǎn)程攻擊(空襲)。對于一個國家,防空的重要性不言而喻。導(dǎo)彈的關(guān)鍵技術(shù)在于弱小目標(biāo)的檢測和跟蹤,紅外弱小目標(biāo)的檢測技術(shù)因其具有成像質(zhì)量高、反應(yīng)速度快、抗干擾能力強(qiáng)、隱蔽性號、結(jié)構(gòu)緊湊等優(yōu)點,是繼雷達(dá)之后的一個重要的突破。紅外弱小目標(biāo)的檢測具有的兩個特點,分別為“弱”、“小”�！叭酢笔侵改繕�(biāo)被探測器接受到的能量很弱小�！靶　敝改繕�(biāo)和背景等被探測器接收后,在成像系統(tǒng)中所呈現(xiàn)的圖像目標(biāo)所占的面積較小,反映到實際采集到的圖像上指的是目標(biāo)所占的像素個數(shù)較少。近幾年,國內(nèi)外許多專家學(xué)者也都提出了許多優(yōu)秀的紅外小目標(biāo)檢測算法,如卡爾曼濾波算法、均值偏移算法、信息熵算法、高斯核回歸算法等,這些算法在實際的應(yīng)用中都取得了很好的效果。通過數(shù)值仿真平臺對這些主流算法進(jìn)行了性能的對比,得到的結(jié)論是最新提出的主曲率濾波算法在總體性能上優(yōu)于其他算法,因此本文是基于學(xué)術(shù)中最新提出的主曲率濾波算法的基礎(chǔ)上進(jìn)行改進(jìn),提出了一種新型的結(jié)合移動管道的主曲率濾波算法理論,并在數(shù)值仿真和硬件仿真中對時間性能、檢測概率、虛警率這三類指標(biāo)進(jìn)行評價,驗證本文提出的算法在性能上的提高。具體的研究與實踐內(nèi)容如下：(1) 本文首先對主曲率函數(shù)濾波算法進(jìn)行了詳細(xì)的分析,得出了主曲率濾波算法中尚存的一些缺陷,并針對這些缺陷介紹了在濾波算法中常用的管道濾波,結(jié)合了目標(biāo)具有運動連續(xù)的特性以及軌跡一致的特性,提出了結(jié)合普通管道的主曲率濾波算法。該算法是以上一幀目標(biāo)點的位置作為中心創(chuàng)建合適的管道區(qū)域,在下一幀目標(biāo)檢測時只在該區(qū)域進(jìn)行檢測。這使得算法在時間性能上有了很大的提升,同時由于加入了距離的判斷,排除了一些虛警點的干擾,降低了虛警率。(2) 提出了一種結(jié)合移動管道的主曲率濾波算法。移動管道濾波算法更好地利用了目標(biāo)運動的連續(xù)性和軌跡的一致性,同時采用了管道中hessian矩陣的最大值和次大值的特征,去除了一些固定噪聲的干擾,在設(shè)定管道長度后,使得在幾幀或者幾十幀的圖像檢測之后能夠探測出含有真正目標(biāo)點的管道。并在檢測過程中當(dāng)碰到目標(biāo)點被短暫遮擋或消失的情況下,通過管道內(nèi)直線擬合的算法預(yù)測當(dāng)前幀的真實目標(biāo)的所在位置。最后,通過時間曲線和ROC曲線驗證了結(jié)合移動管道的主曲率濾波算法在時間、檢測概率和虛警率上都有很大的提升；(3) 本文不僅僅通過matlab進(jìn)行驗證仿真,而且在實際的硬件上也進(jìn)行了模擬驗真。通過攝像頭對紅外目標(biāo)進(jìn)行了圖像的采集,并分析計算圖像的主曲率特性,通過基于移動管道的主曲率算法計算出圖像中真實目標(biāo)點的位置,并通過黑色標(biāo)點標(biāo)記處檢測到位置,并與真實目標(biāo)點做對比。
【關(guān)鍵詞】：紅外 弱小目標(biāo) 主曲率 普通管道 移動管道 仿真
【學(xué)位授予單位】：浙江大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP391.41
【目錄】：

• 致謝5-7
• 摘要7-9
• Abstract9-15
• 第1章 緒論15-24
• 1.1 課題背景及研究意義15-16
• 1.2 紅外弱小目標(biāo)檢測技術(shù)的發(fā)展現(xiàn)狀和趨勢16-22
• 1.2.1 紅外弱小目標(biāo)圖像預(yù)處理16-18
• 1.2.2 紅外弱小目標(biāo)的檢測18-22
• 1.3 本文主要的研究內(nèi)容和結(jié)構(gòu)安排22-24
• 第2章 紅外弱小目標(biāo)特性分析24-32
• 2.1 紅外成像概述24-26
• 2.2 紅外圖像特征簡介26-29
• 2.3 紅外弱小目標(biāo)的定義29-31
• 2.4 評價指標(biāo)31
• 2.5 本章小結(jié)31-32
• 第3章 結(jié)合普通管道的主曲率濾波紅外弱小目標(biāo)檢測算法32-45
• 3.1 主曲率概述32-33
• 3.2 主曲率函數(shù)濾波33-39
• 3.2.1 主曲率函數(shù)濾波推導(dǎo)33-34
• 3.2.2 高斯濾波函數(shù)的σ取值的選取34-38
• 3.2.3 實際圖像上的仿真實驗38-39
• 3.3 管道概述39-41
• 3.4 傳統(tǒng)管道濾波軌跡判定方法41-42
• 3.4.1 傳統(tǒng)管道濾波介紹41
• 3.4.2 傳統(tǒng)管道濾波原理41-42
• 3.5 傳統(tǒng)管道濾波與主曲率結(jié)合檢測仿真42-44
• 3.6 本章小結(jié)44-45
• 第4章 結(jié)合改進(jìn)的管道濾波的主曲率檢測算法45-55
• 4.1 改進(jìn)的管道濾波方法背景45-46
• 4.2 改進(jìn)的管道濾波方法原理與設(shè)計46-50
• 4.2.1 目標(biāo)像素的提取46-47
• 4.2.2 基于移動管道濾波的紅外弱小目標(biāo)序列檢測47-50
• 4.3 仿真實驗與分析50-54
• 4.4 本章小結(jié)54-55
• 第5章 硬件仿真驗證55-63
• 5.1 硬件與系統(tǒng)介紹55
• 5.1.1 硬件介紹55
• 5.1.2 嵌入式系統(tǒng)介紹55
• 5.2 仿真程序?qū)崿F(xiàn)55-59
• 5.2.1 整體流程介紹55-57
• 5.2.2 視頻模塊流程介紹57-59
• 5.3 硬件仿真實驗展示59-62
• 5.4 本章小結(jié)62-63
• 第6章 總結(jié)和展望63-65
• 6.1 主要工作與創(chuàng)新點63
• 6.2 后續(xù)研究工作63-65
• 附錄一 硬件仿真平臺介紹65-71
• 附錄二 弱小目標(biāo)檢測算法流程及主要函數(shù)介紹71-79
• 攻讀學(xué)位期間主要研究成果79-80
• 參考文獻(xiàn)80-85

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 袁德明;;預(yù)檢測紅外弱小目標(biāo)的灰度迭代法(英文)[J];科學(xué)技術(shù)與工程;2007年19期

2 劉文;劉朝暉;熊仁生;;一種利用窗口結(jié)構(gòu)提取紅外弱小目標(biāo)的方法[J];光子學(xué)報;2008年03期

3 萬明;張鳳鳴;雷洪利;禚真福;;一種利用十字窗口識別紅外弱小目標(biāo)的新方法[J];光子學(xué)報;2011年05期

4 向健勇,徐軍,劉燕,林曉春,周翔,楊宜禾,劉興運,姜延發(fā),郭瑞冰,萬世平,陳者基;背景預(yù)測法檢識空中紅外弱小目標(biāo)[J];激光與紅外;1997年04期

5 王雪梅;黃自力;王德勝;;紅外弱小目標(biāo)的單幀捕獲[J];紅外與激光工程;2006年S1期

6 任彪;周浩;馬東輝;鄧潘;;一種基于粒子濾波的紅外弱小目標(biāo)跟蹤方法[J];光電技術(shù)應(yīng)用;2008年02期

7 侯曉暉;胡方明;;基于紅外弱小目標(biāo)門限閾值檢測的新方法[J];激光與紅外;2008年04期

8 李翠蕓;姬紅兵;;新遺傳粒子濾波的紅外弱小目標(biāo)跟蹤與檢測[J];西安電子科技大學(xué)學(xué)報;2009年04期

9 武斌;姬紅兵;;基于模糊融合的紅外弱小目標(biāo)快速檢測算法[J];光電工程;2007年12期

10 余鴻銘;萬敏;顧靜良;;數(shù)字信號處理器紅外弱小目標(biāo)搜索算法[J];強(qiáng)激光與粒子束;2012年08期

中國重要會議論文全文數(shù)據(jù)庫 前6條

1 王雪梅;黃自力;王德勝;;紅外弱小目標(biāo)的單幀捕獲[A];2006年全國光電技術(shù)學(xué)術(shù)交流會會議文集（A 光電系統(tǒng)總體技術(shù)專題）[C];2006年

2 張煜婕;王宏飛;王秀春;;紅外弱小目標(biāo)及其場景仿真的改進(jìn)方法[A];2007'儀表，自動化及先進(jìn)集成技術(shù)大會論文集（二）[C];2007年

3 黃倩;金偉其;夏潤秋;王霞;馮亮;彭云糧;;基于人眼時限模型的紅外弱小目標(biāo)探測實驗及其分析[A];中國光學(xué)學(xué)會2010年光學(xué)大會論文集[C];2010年

4 康莉;謝維信;黃敬雄;倪小慧;;一種新的紅外弱小目標(biāo)實時跟蹤方法[A];2007'儀表，自動化及先進(jìn)集成技術(shù)大會論文集（二）[C];2007年

5 王衛(wèi)華;何艷;黃宗福;陳曾平;;一種復(fù)雜云層背景紅外弱小目標(biāo)穩(wěn)健檢測算法[A];第十四屆全國信號處理學(xué)術(shù)年會(CCSP-2009)論文集[C];2009年

6 劉威;何波;張剛;張翠榮;張曄;;紅外弱小目標(biāo)圖像檢測預(yù)處理方法對比研究[A];2008中國儀器儀表與測控技術(shù)進(jìn)展大會論文集（Ⅰ）[C];2008年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前4條

1 張雙壘;空間紅外弱小目標(biāo)高可靠檢測方法研究[D];中國科學(xué)院研究生院(上海技術(shù)物理研究所);2015年

2 武斌;紅外弱小目標(biāo)檢測技術(shù)研究[D];西安電子科技大學(xué);2009年

3 胡永生;復(fù)雜背景中紅外弱小目標(biāo)探測方法研究[D];南京理工大學(xué);2008年

4 汲清波;紅外序列圖像中弱小目標(biāo)檢測方法研究[D];哈爾濱工程大學(xué);2008年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 孟曄銘;成像探測系統(tǒng)中的紅外弱小目標(biāo)跟蹤點漂移抑制方法研究[D];電子科技大學(xué);2015年

2 于海濤;基于DM642的紅外弱小目標(biāo)實時跟蹤及云臺控制系統(tǒng)[D];西安電子科技大學(xué);2014年

3 盧躍;基于移動管道的紅外弱小目標(biāo)檢測算法與仿真驗證研究[D];浙江大學(xué);2015年

4 趙耀;紅外弱小目標(biāo)檢測算法研究[D];浙江大學(xué);2015年

5 代偉;紅外弱小目標(biāo)的檢測與識別[D];浙江大學(xué);2008年

6 楊會民;紅外弱小目標(biāo)的檢測與跟蹤算法研究[D];哈爾濱理工大學(xué);2014年

7 閻兵早;復(fù)雜背景下紅外弱小目標(biāo)圖像仿真技術(shù)研究[D];重慶郵電大學(xué);2013年

8 曾雅瓊;復(fù)雜背景下的紅外弱小目標(biāo)的檢測[D];南京理工大學(xué);2012年

9 劉洋;紅外弱小目標(biāo)圖像預(yù)處理算法設(shè)計與實現(xiàn)[D];哈爾濱工程大學(xué);2008年

10 王傘;紅外弱小目標(biāo)檢測技術(shù)研究[D];哈爾濱工程大學(xué);2005年

  本文關(guān)鍵詞：基于移動管道的紅外弱小目標(biāo)檢測算法與仿真驗證研究，由筆耕文化傳播整理發(fā)布。

，

本文編號：318856