基于形態(tài)學(xué)與魯棒主成分分析的紅外小目標(biāo)檢測.pdf

1、紅外圖像弱小目標(biāo)檢測是紅外成像和自動(dòng)目標(biāo)識(shí)別（ATR）系統(tǒng)的關(guān)鍵技術(shù)，在遙感測控、軍事搜索跟蹤、火災(zāi)預(yù)警等領(lǐng)域起著至關(guān)重要的作用。復(fù)雜多變的背景，成因多樣的噪聲和較遠(yuǎn)的成像距離導(dǎo)致待檢測小目標(biāo)占據(jù)極少數(shù)像素點(diǎn)，缺乏紋理、尺寸、形狀等信息，檢測難度極大。已有研究多集中在濾波、神經(jīng)網(wǎng)絡(luò)、小波等方面，所提算法計(jì)算量大，實(shí)時(shí)性不佳，工程實(shí)現(xiàn)較為困難。因此，在不同學(xué)術(shù)領(lǐng)域研究小目標(biāo)檢測的可行性和實(shí)用檢測算法具有重要的科研意義和實(shí)用價(jià)值。本文結(jié)合形

2、態(tài)學(xué)和魯棒主成分分析理論深入探索了紅外小目標(biāo)領(lǐng)域，討論了目標(biāo)檢測的重、難點(diǎn)和國內(nèi)外研究現(xiàn)狀，總結(jié)了現(xiàn)有算法的優(yōu)、缺點(diǎn)和適用范圍。本文的主要工作如下：
　　1.結(jié)合形態(tài)學(xué)和曲面擬合兩者的優(yōu)點(diǎn)，提出了基于 NWTH和橢圓拋物面擬合的小目標(biāo)檢測算法。簡要介紹灰度形態(tài)學(xué)的相關(guān)知識(shí)以及Top-hat算子，總結(jié)出單結(jié)構(gòu)元素對(duì)于小目標(biāo)檢測的不足之處，提出了采用大小不同但形狀一致的扁平多結(jié)構(gòu)元素同時(shí)處理小目標(biāo)和局部背景的思想，專注討論NWTH變換

3、并深入分析該算子較以往所提算子的優(yōu)越之處。探究了紅外成像系統(tǒng)的特性，重點(diǎn)是遠(yuǎn)距離點(diǎn)源的成像規(guī)則，將遠(yuǎn)距離物體在成像平面上的像看作“凸包”，采用數(shù)學(xué)上的橢圓拋物面近似。最后采用最小二乘法擬合橢圓拋物面進(jìn)一步減少背景雜波，突出小目標(biāo)。所提算法后續(xù)只需采用簡單的閾值分割方法即可獲得小目標(biāo)的位置信息。Matlab仿真結(jié)果表明該算法在復(fù)雜背景、強(qiáng)噪聲、目標(biāo)肉眼不可見等極端情況下仍能有效檢測目標(biāo)，實(shí)時(shí)性好，時(shí)間復(fù)雜度低。
　　2.通過簡要介紹

4、高維大數(shù)據(jù)的處理和分析方法，研究了魯棒主成分分析理論在紅外小目標(biāo)檢測領(lǐng)域的可行性和有效性。將紅外圖像看作小目標(biāo)、背景、噪聲三幅圖像的疊加，理論分析證明噪聲圖像的特性符合兩個(gè)條件：1.滿足獨(dú)立同分布的高斯分布；2.稀疏的大噪聲，仿真驗(yàn)證背景圖像的低秩性，得出了紅外圖像滿足魯棒主成分分析恢復(fù)低秩矩陣條件的結(jié)論。在此基礎(chǔ)上，設(shè)計(jì)了一種背景預(yù)測的算法驗(yàn)證有效性，該算法采用魯棒主成分分析的三種低秩矩陣恢復(fù)算法（APG、DUAL和EALM）分別估計(jì)