本文關(guān)鍵詞：空中平臺(tái)大視場(chǎng)紅外小目標(biāo)實(shí)時(shí)探測(cè)技術(shù)研究　出處：《中國(guó)科學(xué)院上海技術(shù)物理研究所》2017年博士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 紅外 小目標(biāo)檢測(cè) 空中平臺(tái) 大視場(chǎng) 候選區(qū)域 局部對(duì)比度 背景類別估計(jì) 深度卷積神經(jīng)網(wǎng)絡(luò)

【摘要】：隨著技術(shù)的發(fā)展,紅外小目標(biāo)探測(cè)系統(tǒng)可靈活部署在不同的平臺(tái)中。對(duì)于空中運(yùn)動(dòng)平臺(tái)下大視場(chǎng)紅外小目標(biāo)探測(cè)系統(tǒng),紅外場(chǎng)景表現(xiàn)出復(fù)雜性并且變化劇烈。此時(shí),傳統(tǒng)的基于多幀的檢測(cè)算法或者對(duì)場(chǎng)景假設(shè)過于簡(jiǎn)單的算法均難以適用。因此,本文深入研究該應(yīng)用場(chǎng)景下的目標(biāo)檢測(cè)問題。本文研究了單幀小目標(biāo)檢測(cè)算法,以適應(yīng)系統(tǒng)場(chǎng)景變化劇烈的特性。具體地,對(duì)單幀檢測(cè)時(shí)圖像背景造成的兩大干擾地物干擾和云干擾展開了針對(duì)性的研究。為抑制背景中的地面干擾和云干擾,本文提出了一種基于局部對(duì)比度特征的小目標(biāo)檢測(cè)方法。首先利用基于改進(jìn)型Top Hat變換的背景估計(jì)方法從圖像中提取局部的灰度尖峰做為目標(biāo)候選區(qū)域,然后綜合考慮候選區(qū)域的目標(biāo)強(qiáng)度和局部鄰域構(gòu)造對(duì)比度特征NTHC,最后利用分類器根據(jù)特征判定區(qū)域類別。算法對(duì)背景干擾具有一定的適應(yīng)性,對(duì)微弱目標(biāo)也有一定的檢測(cè)靈敏度。另外,算法還有構(gòu)造簡(jiǎn)單,計(jì)算效率高的特點(diǎn)。在結(jié)合了候選區(qū)域的幾何特征后,性能也能進(jìn)一步提升。為進(jìn)一步提高計(jì)算效率,滿足系統(tǒng)實(shí)時(shí)性要求,提出了一種分解方法對(duì)候選區(qū)域提取階段基于空心矩形結(jié)構(gòu)元素的形態(tài)學(xué)濾波進(jìn)行加速。該方法能夠?qū)⒖招木匦谓Y(jié)構(gòu)元素的膨脹腐蝕運(yùn)算分解為一維實(shí)心結(jié)構(gòu)元素的膨脹腐蝕運(yùn)算。再結(jié)合形態(tài)學(xué)濾波的快速算法,不管結(jié)構(gòu)元素大小,最終計(jì)算每個(gè)像素最多需要進(jìn)行15次比較。在結(jié)構(gòu)元素較大時(shí),計(jì)算復(fù)雜度下降顯著。在系統(tǒng)計(jì)算資源相對(duì)豐富,檢測(cè)準(zhǔn)確率優(yōu)先級(jí)高于實(shí)時(shí)性時(shí),為進(jìn)一步抑制地物干擾,本文提出一種結(jié)合目標(biāo)特性和局部背景類別預(yù)測(cè)的小目標(biāo)檢測(cè)算法。由于真實(shí)目標(biāo)和地物干擾的局部背景分別為天空和地面,具有一定的差異性,因此可將局部鄰域背景類別當(dāng)做一種判決的依據(jù)。具體地,首先利用對(duì)比度和幾何特征描述候選區(qū)域的目標(biāo)特性,然后對(duì)候選區(qū)域的局部空心鄰域,提取一種基于無監(jiān)督學(xué)習(xí)的高維特征向量KMFEAT進(jìn)行描述,根據(jù)這兩部分信息分別得到候選區(qū)域的類別度量后,訓(xùn)練分類器做最后的決策。最終的測(cè)試結(jié)果表明,與基于簡(jiǎn)單特征的方法相比,算法分類性能提升顯著。類似地,為了進(jìn)一步抑制背景中的云干擾,本文提出一種基于深度卷積神經(jīng)網(wǎng)絡(luò)的小目標(biāo)檢測(cè)算法。通過訓(xùn)練,深度網(wǎng)絡(luò)能從數(shù)據(jù)中自動(dòng)學(xué)習(xí)到數(shù)據(jù)的表達(dá)方法,無需人工設(shè)計(jì)特征。提出的模型有9個(gè)卷積層,基于其強(qiáng)大的學(xué)習(xí)能力,能夠直接輸入候選區(qū)域的局部鄰域內(nèi)的原始像素,經(jīng)過模型處理后,最終輸出候選區(qū)域的類別判決。雖然特征完全從數(shù)據(jù)中學(xué)習(xí)得到,對(duì)于難以區(qū)分的云干擾,算法取得了很高的準(zhǔn)確率。最后本文提出兩種算法集成方案結(jié)合前述分立算法,組成高性能的紅外小目標(biāo)檢測(cè)算法。測(cè)試時(shí),主要采用空中運(yùn)動(dòng)平臺(tái)采集的紅外圖像。結(jié)果表明,雖然測(cè)試數(shù)據(jù)表現(xiàn)出復(fù)雜性,綜合后的算法能夠從分立的算法中得到互補(bǔ)性,取得很高的檢測(cè)性能,滿足實(shí)際應(yīng)用場(chǎng)景下的需求。
【學(xué)位授予單位】：中國(guó)科學(xué)院上海技術(shù)物理研究所
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP391.41;TN215

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前3條

1 劉士建;吳瀅躍;蔡能斌;;低SNR海天線提取算法[J];紅外與激光工程;2013年12期

2 劉松濤;周曉東;王成剛;;復(fù)雜�？毡尘跋卖敯舻暮Ｌ炀�檢測(cè)算法研究[J];光電工程;2006年08期

3 余農(nóng),吳常泳,湯心溢,李范鳴;紅外目標(biāo)檢測(cè)的自適應(yīng)背景感知算法[J];電子學(xué)報(bào);2005年02期

，

本文編號(hào)：1312329