發(fā)布時(shí)間：2023-05-31 18:52

　　成像目標(biāo)檢測、識別與跟蹤是計(jì)算機(jī)視覺領(lǐng)域的研究熱點(diǎn),無論在軍事還是民用領(lǐng)域都有著極其廣泛的應(yīng)用。尤其在軍事領(lǐng)域,微弱成像目標(biāo)檢測在雷達(dá)探測及光電探測系統(tǒng)中均具有?分重要的作用,對圖像中目標(biāo)的檢測精度將直接影響系統(tǒng)的探測性能。實(shí)際應(yīng)用中,需要捕獲目標(biāo)場景的諸多細(xì)節(jié)信息,便于圖像解析及對各類運(yùn)動(dòng)軍事目標(biāo)的探測與識別。由于容易受到光照條件、場景復(fù)雜度、目標(biāo)運(yùn)動(dòng)速度及可能發(fā)生的遮擋等眾多因素影響,目前現(xiàn)有的目標(biāo)檢測算法還存在魯棒性不強(qiáng)、精度不高、實(shí)時(shí)性及適應(yīng)性較差等諸多局限性,這將直接影響成像探測系統(tǒng)的目標(biāo)探測性能。本文圍繞復(fù)雜成像探測中的微弱目標(biāo)檢測方法,開展相關(guān)基礎(chǔ)理論及應(yīng)用研究,旨在進(jìn)一步提高目標(biāo)檢測精度、降低虛警率和滿足工程應(yīng)用的實(shí)時(shí)性要求,以期提高成像探測系統(tǒng)的性能。本文主要工作包括以下幾個(gè)方面:(1)對復(fù)雜成像探測系統(tǒng)中的目標(biāo)檢測基礎(chǔ)理論進(jìn)行了研究和算法仿真,包括幀差法、背景減除法、光流法以及基于這些理論的擴(kuò)展和改進(jìn)算法。重點(diǎn)針對復(fù)雜紅外場景下的弱小目標(biāo)檢測涉及到的特有算法和理論進(jìn)行了研究,如紅外圖像預(yù)處理、紅外圖像高分辨率重建及紅外圖像稀疏表示方法等,并進(jìn)行仿真測試�？偨Y(jié)了各種算...

【文章頁數(shù)】：149 頁

【學(xué)位級別】：博士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀及發(fā)展動(dòng)態(tài)分析
        1.2.1 成像目標(biāo)檢測技術(shù)
        1.2.2 紅外成像弱小目標(biāo)檢測
    1.3 主要研究內(nèi)容及技術(shù)路線
    1.4 論文的結(jié)構(gòu)安排
第二章 成像目標(biāo)視覺檢測基礎(chǔ)理論
    2.1 紅外成像特性分析
        2.1.1 紅外成像機(jī)理
        2.1.2 紅外圖像的特點(diǎn)
        2.1.3 典型紅外背景及目標(biāo)特性分析
    2.2 紅外圖像預(yù)處理
        2.2.1 圖像增強(qiáng)
        2.2.2 紅外圖像高分辨重建
    2.3 成像目標(biāo)檢測技術(shù)
        2.3.1 幀間差分
        2.3.2 背景減除法
        2.3.3 光流法
        2.3.4 動(dòng)態(tài)規(guī)劃
    2.4 紅外弱小目標(biāo)檢測
        2.4.1 空時(shí)濾波法
        2.4.2 視覺顯著性檢測
        2.4.3 基于稀疏表示的弱小目標(biāo)檢測
    2.5 本章小結(jié)
第三章 基于背景建模的目標(biāo)檢測算法
    3.1 概述
    3.2 高斯背景模型
        3.2.1 單高斯背景模型
        3.2.2 混合高斯背景模型
    3.3 核密度估計(jì)背景模型
        3.3.1 非參數(shù)估計(jì)方法
        3.3.2 基于核密度估計(jì)的背景建模
    3.4 實(shí)驗(yàn)結(jié)果與算法分析
        3.4.1 實(shí)驗(yàn)結(jié)果
        3.4.2 性能分析
    3.5 本章小結(jié)
第四章 基于多尺度幾何分析的紅外目標(biāo)檢測算法
    4.1 概述
    4.2 多尺度幾何分析
        4.2.1 多尺度幾何分析理論
        4.2.2 Contourlet變換
        4.2.3 Shearlet變換
    4.3 基于NSST的紅外弱小目標(biāo)檢測
        4.3.1 多特征融合與Kurtosis最大化
        4.3.2 基于最大對比度準(zhǔn)則的閾值分割
    4.4 實(shí)驗(yàn)結(jié)果與性能分析
        4.4.1 實(shí)驗(yàn)設(shè)置
        4.4.2 實(shí)驗(yàn)結(jié)果
        4.4.3 性能分析
    4.5 本章小結(jié)
第五章 基于視覺顯著性的紅外弱小目標(biāo)檢測方法
    5.1 概述
    5.2 視覺顯著性模型
    5.3 紅外弱小目標(biāo)視覺顯著性檢測
        5.3.1 局部對比度檢測模型
        5.3.2 紅外目標(biāo)HB-MLCM檢測算法
    5.4 基于MDMSHB模型的紅弱小目標(biāo)檢測方法
        5.4.1 方向?yàn)V波器
        5.4.2 改進(jìn)的高提升響應(yīng)濾波器
        5.4.3 多方向及多尺度分析
        5.4.4 自適應(yīng)閾值分割
    5.5 實(shí)驗(yàn)結(jié)果與算法分析
        5.5.1 實(shí)驗(yàn)設(shè)置
        5.5.2 實(shí)驗(yàn)結(jié)果與分析
    5.6 本章小結(jié)
第六章 基于分?jǐn)?shù)域最優(yōu)時(shí)頻特征的SAR目標(biāo)檢測
    6.1 SAR圖像及其特性分析
        6.1.1 SAR成像概述
        6.1.2 SAR圖像特性分析
    6.2 時(shí)頻分析理論
        6.2.1 信號的展開
        6.2.2 短時(shí)傅里葉變換
        6.2.3 Gabor變換及展開
        6.2.4 Wigner-Ville時(shí)頻分布
    6.3 分?jǐn)?shù)階傅里葉變換
        6.3.1 FrFT的定義
        6.3.2 FrFT的特性
    6.4 基于最優(yōu)FrGT時(shí)頻譜特征的SAR目標(biāo)檢測
        6.4.1 二維分?jǐn)?shù)階Gabor變換
        6.4.2 最優(yōu)窗函數(shù)設(shè)計(jì)
        6.4.3 最優(yōu)階決策
        6.4.4 能量衰減梯度特征
    6.5 實(shí)驗(yàn)結(jié)果與算法分析
        6.5.1 實(shí)驗(yàn)設(shè)置
        6.5.2 實(shí)驗(yàn)結(jié)果與分析
    6.6 本章小結(jié)
第七章 總結(jié)與展望
    7.1 全文總結(jié)
        7.1.1 工作總結(jié)
        7.1.2 創(chuàng)新點(diǎn)及主要貢獻(xiàn)
    7.2 后續(xù)工作展望
致謝
參考文獻(xiàn)
攻讀博士學(xué)位期間取得的成果



本文編號：3825829