紅外弱小目標(biāo)檢測(cè)技術(shù)是紅外監(jiān)視、紅外預(yù)警以及紅外搜索與跟蹤等系統(tǒng)中的關(guān)鍵技術(shù),在交通、安防及軍事領(lǐng)域應(yīng)用廣泛。在這類(lèi)應(yīng)用場(chǎng)景中,由于成像距離遠(yuǎn),目標(biāo)在圖像中的尺寸小;考慮到成像系統(tǒng)噪聲及背景雜波干擾,目標(biāo)在圖像中的信雜比低;故目標(biāo)在遠(yuǎn)距離紅外成像后呈現(xiàn)為弱小目標(biāo)。紅外弱小目標(biāo)具有特征少、強(qiáng)度低、成像環(huán)境復(fù)雜、運(yùn)動(dòng)狀態(tài)復(fù)雜等特點(diǎn),這些因素給檢測(cè)任務(wù)帶來(lái)了巨大的困難和挑戰(zhàn)。經(jīng)過(guò)幾十年的發(fā)展,紅外弱小目標(biāo)檢測(cè)技術(shù)已經(jīng)取得了長(zhǎng)足的進(jìn)步,但是在復(fù)雜背景條件下,或是在差異較大的多個(gè)場(chǎng)景中,現(xiàn)有檢測(cè)方法仍然難以穩(wěn)定地消除虛警,實(shí)際表現(xiàn)仍有待提升。本文開(kāi)展了時(shí)空譜多特征聯(lián)合紅外弱小目標(biāo)檢測(cè)方法研究。該研究致力于在空間域、時(shí)間域以及變換域中搜尋和構(gòu)建特征以增強(qiáng)目標(biāo)和背景的區(qū)分性,并根據(jù)各域特征的特點(diǎn)和優(yōu)勢(shì),對(duì)多域特征進(jìn)行綜合分析和利用,從而提升紅外弱小目標(biāo)檢測(cè)的質(zhì)量和穩(wěn)定性。具體而言,本文的主要內(nèi)容包括以下幾個(gè)方面:（1）對(duì)紅外弱小目標(biāo)檢測(cè)基礎(chǔ)理論進(jìn)行了梳理和介紹。本文分析了遠(yuǎn)距離紅外成像后的目標(biāo)和背景特性,并通過(guò)與可見(jiàn)光目標(biāo)檢測(cè)任務(wù)進(jìn)行對(duì)比,給出了紅外弱小目標(biāo)檢測(cè)任務(wù)的具體描述,描繪了紅外弱小目標(biāo)檢測(cè)... 

【文章來(lái)源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：149 頁(yè)

【學(xué)位級(jí)別】：博士

【部分圖文】：

本文技術(shù)路線圖

圖2-1展示了一組典型的紅外弱小目標(biāo)圖像,圖中的目標(biāo)均用紅色矩形框標(biāo)出。圖2-1(a)展示了一個(gè)在天空?qǐng)鼍爸械娜跣∧繕?biāo)。在該圖中,雖然天空背景較為純凈,幾乎沒(méi)有云層干擾,但圖像下方產(chǎn)生的光暈使圖像下部區(qū)域的灰度值普遍升高,使目標(biāo)與背景之間的對(duì)比度將降低,對(duì)檢測(cè)產(chǎn)生了不利的影響。圖2-1(b)展示了一個(gè)低信噪比天空?qǐng)鼍爸械娜跣∧繕?biāo)。該圖中的天空?qǐng)鼍巴瑯記](méi)有云層的干擾,但由于探測(cè)器成像質(zhì)量的不足,該圖中的噪聲水平較高,造成目標(biāo)信號(hào)的信噪比降低,目標(biāo)與背景間的對(duì)比度下降,給檢測(cè)任務(wù)帶來(lái)了困難。圖2-1(c)展示了一個(gè)處在視場(chǎng)邊緣的小目標(biāo)。該圖同樣是對(duì)天空?qǐng)鼍斑M(jìn)行成像,圖中有少量的云霧,但目標(biāo)相對(duì)于云霧而言,二者的灰度值具有明顯差異,目標(biāo)相對(duì)于背景的對(duì)比度較高,利于檢測(cè)。該圖主要的挑戰(zhàn)是目標(biāo)位于圖像的邊緣部分,這可能對(duì)一些基于顯著性的方法帶來(lái)挑戰(zhàn)(部分顯著性方法假設(shè)圖像中心區(qū)域的顯著性高,圖像邊緣區(qū)域的顯著性低)。圖2-1(d)展示了一個(gè)在低空?qǐng)鼍爸械娜跣∧繕?biāo)。該圖左右兩側(cè)均存在一定強(qiáng)度的光暈,圖像的下部區(qū)域存在著一片樹(shù)林,光暈的高灰度值以及樹(shù)木的不規(guī)則形態(tài)都會(huì)對(duì)目標(biāo)檢測(cè)任務(wù)造成干擾。此外,該場(chǎng)景中,目標(biāo)在運(yùn)動(dòng)時(shí)經(jīng)常被樹(shù)枝的頂部遮擋,這進(jìn)一步加大了檢測(cè)難度。綜合上述分析,可以看出,紅外弱小目標(biāo)在圖中所占的面積小,輻射總能量低。目標(biāo)包含的信息有限,紅外圖像中的目標(biāo)沒(méi)有顏色信息,我們也幾乎不能辨認(rèn)出圖像中目標(biāo)的形態(tài),更難以識(shí)別出目標(biāo)的具體型號(hào)。事實(shí)上,目標(biāo)在圖中是否存在,目標(biāo)在圖像中的什么位置,才是更加切合實(shí)際、更應(yīng)該被關(guān)注的問(wèn)題�；卮疬@些問(wèn)題同樣困難重重:目標(biāo)的大小、強(qiáng)弱、灰度分布是變化的,很難用特定的數(shù)學(xué)模型進(jìn)行描述;背景是多樣的,不同背景的輻射強(qiáng)度、大小、形態(tài)、噪聲水平有著巨大的差異,這給背景抑制帶來(lái)了巨大的挑戰(zhàn)。下面我們將對(duì)三種典型的場(chǎng)景進(jìn)行紅外成像特性分析,進(jìn)一步闡明不同場(chǎng)景的成像特點(diǎn)和在檢測(cè)任務(wù)中的難點(diǎn)。

圖2-2展示了一組典型的天空?qǐng)鼍凹t外成像示意圖�？梢钥闯�,在天空?qǐng)鼍爸?云層往往灰度值較大。這是由于云層對(duì)太陽(yáng)輻射具有吸收、散射、反射的作用,因此紅外探測(cè)器接收的來(lái)自云層的紅外輻射強(qiáng)度較大,成像后云層的灰度值較高,進(jìn)而對(duì)目標(biāo)檢測(cè)造成干擾。圖2-2(a)展示了一個(gè)低云量的天空?qǐng)鼍�。在該圖中,云層區(qū)域的灰度值沒(méi)有明顯高于其他區(qū)域,云層均勻地分布在圖像中,沒(méi)有呈現(xiàn)出明顯的形狀;因此,可以將該圖中的云層視為平滑背景。平滑背景容易被抑制,不會(huì)給檢測(cè)帶來(lái)嚴(yán)重干擾。圖2-2(b)展示了一個(gè)存在積云的天空?qǐng)鼍�。在該圖中,云層呈現(xiàn)出明顯的聚集性,以團(tuán)簇的形式存在于圖像上。主要的團(tuán)簇區(qū)域尺寸較大,團(tuán)簇內(nèi)部可以視為平滑區(qū)域;但在主要團(tuán)簇周?chē)?還零星分布著尺寸較小的云層團(tuán)簇,它們與弱小目標(biāo)更為相似。積云區(qū)域灰度值較高,具有不規(guī)則的形態(tài),屬于復(fù)雜背景,會(huì)對(duì)目標(biāo)檢測(cè)產(chǎn)生不利影響。圖2-2(c)展示了一個(gè)高云量的天空?qǐng)鼍�。在該圖中,云層占據(jù)了圖像中的大部分區(qū)域,云層區(qū)域的灰度值較高。雖然云量較大,但云層并沒(méi)有聚集成一個(gè)整體,在圖像的下部,存在著大量的小型云層團(tuán)塊,這些團(tuán)塊與弱小目標(biāo)較為相似,它們?cè)鰪?qiáng)了背景的非均勻性,給目標(biāo)檢測(cè)增加了難度。圖2-2(d)展示了一個(gè)存在厚積云的天空?qǐng)鼍啊Ｔ谠搱D中,云量較大,且云層呈聚集性分布,分布于圖像上方;云層區(qū)域的灰度值明顯高于其他區(qū)域,二者之間有一條清晰的分界線。云層的灰度分布較為均勻,可以大體看作平滑區(qū)域。在該場(chǎng)景中,云層很厚,容易對(duì)目標(biāo)造成遮擋,云層的強(qiáng)邊緣也容易對(duì)檢測(cè)造成干擾,因此,該場(chǎng)景中的厚積云同樣屬于復(fù)雜背景。綜上所述,在天空?qǐng)鼍爸?不同氣象條件下形成的云呈現(xiàn)出不同的空間分布、輻射強(qiáng)度與形態(tài)特點(diǎn)。高云量通常會(huì)對(duì)目標(biāo)檢測(cè)造成干擾。碎片狀的小型云層團(tuán)塊與弱小目標(biāo)的相似度高,是典型的復(fù)雜背景,也是紅外弱小目標(biāo)檢測(cè)任務(wù)中的難點(diǎn)。圖2-3展示了一組典型的海面場(chǎng)景紅外成像示意圖。從中可以看出,不同環(huán)境下的海面場(chǎng)景具有明顯差異。圖2-3(a)展示了一個(gè)純凈的海天場(chǎng)景。該圖中的背景組成比較簡(jiǎn)單,圖像上部是天空背景,圖像下部是海面背景,沒(méi)有其他的背景輻射源。在海面內(nèi)部以及天空內(nèi)部,灰度分布較為均勻,因此,可以將海面和天空看作平滑背景。該圖像中存在著一條明顯的海天線,同時(shí)還存在一定強(qiáng)度的噪聲,這些是目標(biāo)檢測(cè)的不利因素。圖2-3(b)展示了一個(gè)海面正在波動(dòng)的場(chǎng)景。在該場(chǎng)景中,紅外探測(cè)器沿斜下方對(duì)海面進(jìn)行觀測(cè),由于成像距離較近,圖中只有海面的影像。該圖中的海面背景總體上較為純凈,但海面上起伏的波浪以及圖像中的噪聲會(huì)對(duì)目標(biāo)檢測(cè)產(chǎn)生一定干擾。圖2-3(c)展示了一個(gè)遠(yuǎn)距離成像后的積云-海面場(chǎng)景。該圖像上部是天空背景,下部是海面背景,中部存在著一條明顯的海天線。在該場(chǎng)景中,天空中聚集著大量積云,并形成了大小不一的團(tuán)塊;云層處在較低的高度,并占據(jù)了圖中大部分天空背景。海面較為平靜,由于探測(cè)視角的原因,部分海面反射太陽(yáng)輻射,使其呈現(xiàn)為高灰度區(qū)域。該圖像中的背景成分較為復(fù)雜,給檢測(cè)任務(wù)帶來(lái)了一定困難。圖2-3(d)展示了一個(gè)靠近海岸的海面場(chǎng)景。該圖像由天空、海面、海岸三種背景成分組成。天空中聚集著少量的云,由于成像距離遠(yuǎn),圖像中的云尺寸較小。天空與海面之間具有明顯的交界線。海面較為平靜,由于陰影的緣故,海面上具有明顯的明暗變化。圖像左側(cè)是海岸部分,海岸區(qū)域的灰度值普遍較高,且有著復(fù)雜的紋理信息。該圖的背景細(xì)節(jié)豐富,是典型的復(fù)雜海面場(chǎng)景。綜上所述,在海面場(chǎng)景中,海天交界線、海上波浪通常會(huì)給紅外圖像帶來(lái)線條型的雜波;而天空中的云與岸邊的巖石具有不規(guī)則的形態(tài),是更加復(fù)雜的雜波;這些問(wèn)題需要在檢測(cè)算法的設(shè)計(jì)過(guò)程中重點(diǎn)關(guān)注。

【參考文獻(xiàn)】：
期刊論文
[1]基于深度卷積神經(jīng)網(wǎng)絡(luò)的紅外小目標(biāo)檢測(cè)[J]. 吳雙忱,左崢嶸.  紅外與毫米波學(xué)報(bào). 2019(03)
[2]局部對(duì)比度結(jié)合區(qū)域顯著性紅外弱小目標(biāo)檢測(cè)[J]. 王曉陽(yáng),彭真明,張萍,孟曄銘.  強(qiáng)激光與粒子束. 2015(09)
[3]強(qiáng)雜波背景紅外弱小目標(biāo)檢測(cè)算法[J]. 武自剛,彭真明,張萍.  強(qiáng)激光與粒子束. 2015(04)
[4]紅外弱小目標(biāo)檢測(cè)技術(shù)研究現(xiàn)狀與發(fā)展趨勢(shì)[J]. 侯旺,孫曉亮,尚洋,于起峰.  紅外技術(shù). 2015(01)
[5]基于改進(jìn)的剪切波變換和引導(dǎo)濾波的紅外弱小目標(biāo)背景抑制方法[J]. 榮生輝,劉剛,周慧鑫,秦翰林,錢(qián)琨,延翔,趙東.  光子學(xué)報(bào). 2015(02)
[6]改進(jìn)的非下采樣Contourlet變換紅外弱小目標(biāo)檢測(cè)方法[J]. 馬科,彭真明,何艷敏,高原,張萍.  強(qiáng)激光與粒子束. 2013(11)
[7]各向異性SUSAN濾波紅外弱小目標(biāo)檢測(cè)[J]. 景亮,彭真明,何艷敏,蒲恬.  強(qiáng)激光與粒子束. 2013(09)
[8]基于運(yùn)動(dòng)方向估計(jì)的管道濾波算法[J]. 董維科,張建奇,劉德連,王曉蕊.  光子學(xué)報(bào). 2013(04)
[9]基于小波變換和管道濾波的紅外空中小目標(biāo)檢測(cè)[J]. 劉剛,梁曉庚.  計(jì)算機(jī)工程與應(yīng)用. 2011(30)
[10]基于紅外目標(biāo)局部灰度特性分析的管道濾波方法[J]. 連可,王厚軍,李丹.  彈箭與制導(dǎo)學(xué)報(bào). 2011(04)

博士論文
[1]基于稀疏動(dòng)態(tài)反演的紅外弱小目標(biāo)檢測(cè)理論及方法研究[D]. 王曉陽(yáng).電子科技大學(xué) 2018

碩士論文
[1]基于稀疏表示的紅外與可見(jiàn)光圖像融合方法研究[D]. 許曉偉.電子科技大學(xué) 2017
[2]基于空時(shí)顯著性的紅外弱小目標(biāo)檢測(cè)[D]. 韓演.電子科技大學(xué) 2017
[3]基于“譜”反演的紅外圖像增強(qiáng)與重建方法研究[D]. 張帆.電子科技大學(xué) 2016
[4]復(fù)雜背景下紅外弱小目標(biāo)的正演模擬與仿真技術(shù)研究[D]. 鐘露.電子科技大學(xué) 2016
[5]成像探測(cè)系統(tǒng)中的紅外弱小目標(biāo)跟蹤點(diǎn)漂移抑制方法研究[D]. 孟曄銘.電子科技大學(xué) 2015
[6]紅外圖像的多尺度幾何分析理論及應(yīng)用研究[D]. 馬科.電子科技大學(xué) 2014
[7]基于多尺度幾何分析的紅外弱小目標(biāo)檢測(cè)方法研究[D]. 魏芳.電子科技大學(xué) 2012
[8]遠(yuǎn)距離前視紅外多目標(biāo)跟蹤方法研究[D]. 吳大.電子科技大學(xué) 2012
[9]復(fù)雜環(huán)境下紅外弱小目標(biāo)檢測(cè)方法研究[D]. 史漫麗.電子科技大學(xué) 2011



本文編號(hào)：2929197