發(fā)布時(shí)間：2021-04-20 10:29

　　紅外成像具備探測距離遠(yuǎn)、隱蔽性高、可穿透煙霧以及全天候工作等優(yōu)勢,在光電探測領(lǐng)域受到了廣泛的重視、研究和應(yīng)用。在紅外探測系統(tǒng)中,目標(biāo)識別與檢測能夠?yàn)閳D像中的潛在目標(biāo)提供類別判斷和坐標(biāo)定位,是后續(xù)跟蹤任務(wù)的基礎(chǔ),也是后續(xù)決策系統(tǒng)的有力支撐。近年來,隨著計(jì)算能力和大數(shù)據(jù)的推進(jìn),深度學(xué)習(xí)模型已經(jīng)在計(jì)算機(jī)視覺領(lǐng)域取得了異常矚目的進(jìn)展,在很多大型數(shù)據(jù)集上,一些算法的認(rèn)知水平甚至超過了人類的分辨能力。然而,這些算法之所以性能強(qiáng)大,很大程度上依賴于訓(xùn)練數(shù)據(jù)的充分程度。在紅外空中目標(biāo)的識別問題上,獲取樣本數(shù)據(jù)的代價(jià)十分昂貴,某些少見機(jī)型的數(shù)據(jù)樣本甚至僅有個(gè)位數(shù),很難建立充分的樣本庫來對各種型號的飛機(jī)紅外數(shù)據(jù)進(jìn)行分析。本文圍繞少量樣本場景下的紅外空中目標(biāo)識別問題,結(jié)合圖像處理、模式識別、稀疏表示、深度學(xué)習(xí)等領(lǐng)域進(jìn)行了深入研究,主要工作與創(chuàng)新點(diǎn)如下。（1）提出了一種基于稀疏表示的紅外條狀噪聲校正方法。首先利用K-SVD字典學(xué)習(xí)算法對無噪聲干擾的紅外圖像進(jìn)行訓(xùn)練,提高字典對紅外圖像的表達(dá)能力;然后利用OMP算法對噪聲圖像進(jìn)行稀疏求解和圖像重建;隨后利用重建圖像與噪聲圖像,根據(jù)最小二乘法逐行求取校正系數(shù);最后... 

【文章來源】：中國科學(xué)院大學(xué)(中國科學(xué)院上海技術(shù)物理研究所)上海市

【文章頁數(shù)】：139 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
abstract
專業(yè)術(shù)語注釋表
第1章 緒論
    1.1 研究背景與意義
    1.2 紅外目標(biāo)檢測算法研究現(xiàn)狀
        1.2.1 紅外圖像預(yù)處理技術(shù)研究現(xiàn)狀
        1.2.2 候選區(qū)域生成技術(shù)研究現(xiàn)狀
        1.2.3 紅外目標(biāo)識別算法研究現(xiàn)狀
    1.3 本文內(nèi)容與章節(jié)安排
        1.3.1 主要研究內(nèi)容
        1.3.2 論文結(jié)構(gòu)安排
第2章 基于稀疏表示的條狀噪聲校正方法
    2.1 引言
    2.2 條狀噪聲的建模分析與評價(jià)指標(biāo)
        2.2.1 噪聲的建模分析
        2.2.2 條狀噪聲消除的評價(jià)指標(biāo)
    2.3 基于稀疏表示的條狀噪聲校正方法
        2.3.1 稀疏表示模型
        2.3.2 l0-稀疏求解算法
        2.3.3 圖像重建
        2.3.4 最小二乘法求取校正系數(shù)
        2.3.5 K-SVD字典學(xué)習(xí)算法
    2.4 實(shí)驗(yàn)與結(jié)果分析
        2.4.1 實(shí)驗(yàn)準(zhǔn)備與數(shù)據(jù)來源
        2.4.2 字典學(xué)習(xí)
        2.4.3 誤差容限對校正結(jié)果的影響
        2.4.4 對比實(shí)驗(yàn)
    2.5 小結(jié)
第3章 基于判別稀疏表示的紅外空中目標(biāo)識別方法
    3.1 引言
    3.2 算法模型
        3.2.1 判別稀疏表示原理
        3.2.2 FDDL字典學(xué)習(xí)
        3.2.3 具有旋轉(zhuǎn)不變性的HOG特征
    3.3 實(shí)驗(yàn)與結(jié)果分析
        3.3.1 實(shí)驗(yàn)準(zhǔn)備與數(shù)據(jù)來源
        3.3.2 梯度統(tǒng)計(jì)劃分區(qū)間
        3.3.3 字典學(xué)習(xí)
        3.3.4 分類結(jié)果分析
        3.3.5 抗噪性能分析
    3.4 小結(jié)
第4章 基于少樣本學(xué)習(xí)的紅外空中目標(biāo)分類方法
    4.1 引言
    4.2 基于元學(xué)習(xí)的少樣本學(xué)習(xí)方法
        4.2.1 與模型無關(guān)的元學(xué)習(xí)方法
        4.2.2 LSTM模型元學(xué)習(xí)
    4.3 基于度量學(xué)習(xí)的少樣本學(xué)習(xí)方法
        4.3.1 匹配網(wǎng)絡(luò)
        4.3.2 原型網(wǎng)絡(luò)
        4.3.3 關(guān)系網(wǎng)絡(luò)
    4.4 多尺度改進(jìn)關(guān)系網(wǎng)絡(luò)
        4.4.1 多尺度改進(jìn)關(guān)系網(wǎng)絡(luò)的結(jié)構(gòu)設(shè)計(jì)
        4.4.2 多尺度改進(jìn)關(guān)系網(wǎng)絡(luò)的學(xué)習(xí)策略
    4.5 實(shí)驗(yàn)與結(jié)果分析
        4.5.1 實(shí)驗(yàn)準(zhǔn)備與數(shù)據(jù)來源
        4.5.2 mini-Image Net少樣本學(xué)習(xí)任務(wù)
        4.5.3 Infra-aircraft少樣本學(xué)習(xí)任務(wù)
    4.6 小結(jié)
第5章 基于少樣本學(xué)習(xí)的小尺寸紅外空中目標(biāo)檢測方法
    5.1 引言
    5.2 特征權(quán)重調(diào)整模型
    5.3 針對紅外空中目標(biāo)的特征權(quán)重調(diào)整模型
        5.3.1 特征提取模塊
        5.3.2 特征權(quán)重調(diào)整模塊
        5.3.3 預(yù)測模塊
        5.3.4 訓(xùn)練策略
    5.4 實(shí)驗(yàn)與結(jié)果分析
        5.4.1 實(shí)驗(yàn)準(zhǔn)備與數(shù)據(jù)來源
        5.4.2 評價(jià)指標(biāo)
        5.4.3 Pascal-VOC數(shù)據(jù)集測試結(jié)果
        5.4.4 紅外數(shù)據(jù)集測試結(jié)果
    5.5 小結(jié)
第6章 總結(jié)與展望
    6.1 全文工作總結(jié)
        6.1.1 主要研究工作
        6.1.2 特色與創(chuàng)新
    6.2 未來研究展望
參考文獻(xiàn)
致謝
作者簡歷及攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文與研究成果


【參考文獻(xiàn)】：
期刊論文
[1]紅外探測器非均勻性校正系統(tǒng)研制[J]. 朱瑞飛,王超,魏群,賈宏光,周文明.  紅外與激光工程. 2013(07)
[2]紅外雙邊濾波時(shí)域高通非均勻性校正[J]. 雷曉杰,顧國華,隋修寶,左超.  激光與紅外. 2012(07)
[3]一種雙閾值紅外行人分割方法[J]. 石祥濱,劉曉娜,劉芳.  計(jì)算機(jī)工程. 2012(12)
[4]高光譜圖像條帶噪聲去除算法研究[J]. 房彩麗,趙雅靚.  計(jì)算機(jī)工程與應(yīng)用. 2012(12)
[5]基于雙平臺直方圖的紅外圖像增強(qiáng)算法[J]. 宋巖峰,邵曉鵬,徐軍.  紅外與激光工程. 2008(02)
[6]飛機(jī)的紅外輻射特征研究[J]. 陳炳峰,方亦浩,徐曉剛.  航空兵器. 2005(05)
[7]紅外焦平面探測器的非均勻性與校準(zhǔn)方法研究[J]. 胡曉梅.  紅外與激光工程. 1999(03)

博士論文
[1]紅外圖像非均勻性校正及增強(qiáng)算法研究[D]. 劉哲.華中科技大學(xué) 2018
[2]機(jī)載大視場高分辨率熱紅外成像系統(tǒng)研究[D]. 劉毓博.中國科學(xué)院大學(xué)(中國科學(xué)院上海技術(shù)物理研究所) 2017
[3]非制冷型紅外成像系統(tǒng)關(guān)鍵技術(shù)研究[D]. 唐艷秋.中國科學(xué)院研究生院(長春光學(xué)精密機(jī)械與物理研究所) 2016
[4]全向IRST系統(tǒng)的圖像處理與信息融合技術(shù)研究[D]. 高國旺.西安電子科技大學(xué) 2013
[5]復(fù)雜背景條件下的紅外小目標(biāo)檢測與跟蹤算法研究[D]. 楊磊.上海交通大學(xué) 2006



本文編號：3149508