大視場(chǎng)紅外搜索系統(tǒng)目標(biāo)檢測(cè)關(guān)鍵技術(shù)研究.pdf

1、現(xiàn)代高技術(shù)戰(zhàn)爭(zhēng)中，紅外成像探測(cè)已成為在復(fù)雜電磁干擾對(duì)抗環(huán)境下，輔助或替代雷達(dá)進(jìn)行目標(biāo)監(jiān)視預(yù)警的重要方式，也是未來非對(duì)稱作戰(zhàn)環(huán)境下戰(zhàn)場(chǎng)防御主要途徑?，F(xiàn)階段發(fā)展第三代紅外探測(cè)系統(tǒng)的主要方向是，利用上千像元的大規(guī)格焦平面陣列進(jìn)行遠(yuǎn)距離、大視場(chǎng)、高分辨的目標(biāo)探測(cè)及成像識(shí)別。該類系統(tǒng)主要特點(diǎn)是：高精度探測(cè)、快速掃描、水平方向360度全景覆蓋和大俯仰角度的搜索警戒。由此，大視場(chǎng)紅外圖像處理、實(shí)時(shí)目標(biāo)檢測(cè)算法等問題就突顯出來。本文以“十二五”裝備預(yù)先

2、研究項(xiàng)目為支撐，以新一代高性能大視場(chǎng)紅外搜索系統(tǒng)的應(yīng)用需求為依據(jù)，針對(duì)大視場(chǎng)紅外圖像的目標(biāo)探測(cè)技術(shù)開展研究。論文共分為四個(gè)部分：
　　第一部分針對(duì)高動(dòng)態(tài)范圍的紅外圖像，在動(dòng)態(tài)拉伸過程中由于大視場(chǎng)內(nèi)背景成分較復(fù)雜，導(dǎo)致無法有效保留細(xì)節(jié)及信雜比下降的問題，提出了一種動(dòng)態(tài)范圍壓縮及細(xì)節(jié)增強(qiáng)(DRCDDE)算法。首先，采用雙邊濾波將原始圖像分解為包含大尺度結(jié)構(gòu)的基底圖像和包含高頻信息的細(xì)節(jié)圖像。然后，建立起局部對(duì)比度保持的動(dòng)態(tài)范圍壓縮的算

3、子模型，并提出一種新的非線性亮度轉(zhuǎn)移函數(shù)，實(shí)現(xiàn)對(duì)基底圖像的自適應(yīng)動(dòng)態(tài)范圍壓縮。對(duì)于細(xì)節(jié)圖像，根據(jù)圖像局部統(tǒng)計(jì)特性構(gòu)建合適的灰度擴(kuò)展準(zhǔn)則，實(shí)現(xiàn)低對(duì)比度的細(xì)節(jié)增強(qiáng)及噪聲的抑制。最后，將兩部分結(jié)果進(jìn)行加權(quán)融合。論文用真實(shí)的紅外數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，并提出聯(lián)合度量標(biāo)準(zhǔn)與其它算法進(jìn)行定量的比較。結(jié)果表明，本文的算法不僅能實(shí)現(xiàn)各種紅外場(chǎng)景下的動(dòng)態(tài)范圍壓縮，很好的增強(qiáng)不同溫度背景中的微小溫差細(xì)節(jié)；同時(shí)還可以有效的增強(qiáng)弱小目標(biāo)抑制噪聲，即提高了圖像的顯示效果又

4、利于進(jìn)一步的目標(biāo)提取。
　　第二部分針對(duì)大視場(chǎng)紅外圖像單幀數(shù)據(jù)量大、背景干擾成分繁雜、目標(biāo)信雜比低等特點(diǎn)，提出了兩種滿足實(shí)時(shí)處理要求的興趣區(qū)快速提取算法：基于傅里葉頻譜濾波的紅外圖像顯著性檢測(cè)和基于分塊圖像加權(quán)熵值矩陣的興趣區(qū)提取，并構(gòu)造基于多特征融合的綜合分類器以實(shí)現(xiàn)目標(biāo)確認(rèn)和虛警剔除。首先，受人眼視覺系統(tǒng)能快速形成對(duì)顯著區(qū)域注意的啟發(fā)，論文提出了基于離散傅里葉頻譜濾波的紅外圖像顯著圖生成算法。算法利用二維Gabor濾波器對(duì)紅外

5、圖像進(jìn)行不同頻率、朝向的多通道特征提取；進(jìn)而建立了基于頻譜濾波的顯著性檢測(cè)（FSFS)模型。它在頻域上建立視覺注意模型獲取圖像的顯著性信息，可以引導(dǎo)計(jì)算資源的分配，快速、高效的實(shí)現(xiàn)興趣區(qū)提取。此外，結(jié)合實(shí)測(cè)大視場(chǎng)圖像的特點(diǎn)，論文還提出一種基于分塊圖像加權(quán)熵值矩陣的快速興趣區(qū)提取算法。它提出一種加權(quán)熵特征判別函數(shù)，建立子圖像塊的加權(quán)熵值矩陣；通過自適應(yīng)閾值選取方法對(duì)背景分類并快速提取目標(biāo)興趣區(qū)。
　　第三部分針對(duì)大視場(chǎng)紅外搜索系統(tǒng)在

6、大范圍、全景監(jiān)視時(shí)，無法自動(dòng)預(yù)知目標(biāo)尺度信息；而不同距離的目標(biāo)成像尺寸差異引起的特征變化，使傳統(tǒng)小視場(chǎng)目標(biāo)檢測(cè)算法難以自適應(yīng)的問題，提出了一種可實(shí)現(xiàn)紅外圖像中典型目標(biāo)定位及自動(dòng)尺度選擇的算法。利用多尺度分析并基于離散尺度空間理論，算法流程為：首先，用 blob-like結(jié)構(gòu)對(duì)圖像中飛機(jī)目標(biāo)進(jìn)行特征建模，并基于Lindeberg的公理化結(jié)論數(shù)值實(shí)現(xiàn)了紅外圖像二維離散尺度空間的構(gòu)造。然后，引入離散導(dǎo)數(shù)近似的概念，推導(dǎo)出能穩(wěn)定提取離散尺度空間

7、中 blob-like特征點(diǎn)的微分組合，稱為歸一化的拉普拉斯的離散相似(NDAL)算子。檢測(cè)離散尺度空間中NDAL的26鄰域極大值得到圖像初始的關(guān)鍵點(diǎn)。最后，通過分析目標(biāo)的多尺度奇異性設(shè)計(jì)冗余關(guān)鍵點(diǎn)的聯(lián)合抑制準(zhǔn)則，實(shí)現(xiàn)真實(shí)目標(biāo)點(diǎn)的提取及尺度選擇。利用尺度信息，指導(dǎo)多特征融合的綜合分類器的設(shè)計(jì)，獲取較高的目標(biāo)與虛警的識(shí)別準(zhǔn)確率。仿真數(shù)據(jù)和多種復(fù)雜背景及目標(biāo)尺寸的真實(shí)數(shù)據(jù)進(jìn)行實(shí)驗(yàn)，結(jié)果都證明了本文算法檢測(cè)和尺度選擇的能力。算法最大優(yōu)勢(shì)在于可

8、在沒有任何先驗(yàn)知識(shí)的條件下提供目標(biāo)的尺度信息，以指導(dǎo)真實(shí)目標(biāo)的確認(rèn)和虛警剔除。
　　第四部分針對(duì)大視場(chǎng)紅外搜索系統(tǒng)工程實(shí)現(xiàn)的大數(shù)據(jù)量圖像實(shí)時(shí)處理、高速率數(shù)據(jù)傳輸以及并行體系構(gòu)建等關(guān)鍵技術(shù)進(jìn)行了研究。論文設(shè)計(jì)了一種基于多核DSP+FPGA架構(gòu)的高性能處理的平臺(tái)，實(shí)現(xiàn)了多核協(xié)同并行處理、Rocket IO高速串行互聯(lián)和基于SmartReflex技術(shù)的動(dòng)態(tài)功率監(jiān)視。在該平臺(tái)上，進(jìn)一步基于可重構(gòu)并行技術(shù)完成算法的實(shí)時(shí)處理。測(cè)試表明，設(shè)計(jì)的