復(fù)雜環(huán)境下光電目標(biāo)探測(cè)若干關(guān)鍵技術(shù)研究.pdf

1、光電假目標(biāo)技術(shù)和光電偽裝技術(shù)越來越普遍的使用，使現(xiàn)代戰(zhàn)場環(huán)境越來越復(fù)雜，嚴(yán)重影響了光電探測(cè)系統(tǒng)的探測(cè)精度和準(zhǔn)度。如何快速準(zhǔn)確的區(qū)分復(fù)雜戰(zhàn)場環(huán)境中的真假目標(biāo)是現(xiàn)代光電探測(cè)系統(tǒng)發(fā)展的重要任務(wù)和迫切需求。本文從紅外輻射光學(xué)特性和偏振反射光學(xué)特性著手，圍繞復(fù)雜環(huán)境下光電目標(biāo)探測(cè)技術(shù)，對(duì)探測(cè)系統(tǒng)非均勻性校正、紅外誘餌假目標(biāo)辨別、偏振偽裝目標(biāo)探測(cè)等三個(gè)方面的內(nèi)容展開了深入研究。
　　非均勻性問題一直是制約紅外探測(cè)器性能的重要難題，偏振多通道探

2、測(cè)系統(tǒng)也面臨著類似的通道響應(yīng)非一致性問題，這些非均勻性問題嚴(yán)重影響了探測(cè)結(jié)果的準(zhǔn)確性。本文首先針對(duì)紅外圖像非均勻性校正算法的鬼影問題，詳細(xì)分析了傳統(tǒng)的基于恒定統(tǒng)計(jì)算法產(chǎn)生鬼影的原因，并利用中值濾波對(duì)處理異常分布信號(hào)的魯棒性，提出了基于場景的時(shí)域中值濾波非均勻性校正算法，明顯改善了鬼影殘留問題。然后，提出了基于場景的鄰間差分信號(hào)統(tǒng)計(jì)非均勻性校正算法，該算法將傳統(tǒng)對(duì)圖像絕對(duì)強(qiáng)度信號(hào)的視角轉(zhuǎn)移到了對(duì)圖像中相鄰像元差分信號(hào)的視角上，利用差分統(tǒng)計(jì)

3、信號(hào)計(jì)算得到圖像非均勻性的補(bǔ)償，算法在保證收斂速度的同時(shí)，使校正結(jié)果殘留鬼影更少。最后，利用多通道偏振探測(cè)系統(tǒng)在隨機(jī)旋轉(zhuǎn)運(yùn)動(dòng)下的場景信息統(tǒng)計(jì)得到通道參數(shù)，提出了基于場景的偏振恒定統(tǒng)計(jì)非一致性校正算法。該算法比現(xiàn)有校正算法的適用條件更普遍，校正結(jié)果更準(zhǔn)確。
　　研究了典型紅外目標(biāo)和誘餌假目標(biāo)在多個(gè)特征角度下的不同輻射特性，由此構(gòu)建了多個(gè)具有針對(duì)性的區(qū)分目標(biāo)和誘餌的新的特征描述:利用目標(biāo)和誘餌的輪廓矩的變化特性，構(gòu)建了動(dòng)態(tài)輪廓矩特征;

4、利用輪廓的分形特性，構(gòu)建邊界矩分形和曲率自相關(guān)分形特征;利用誘餌輻射變化和運(yùn)動(dòng)特性的關(guān)系，構(gòu)建了運(yùn)動(dòng)輻射比特征。根據(jù)構(gòu)建的多個(gè)特征描述，提出了復(fù)雜環(huán)境下基于多特征聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)的動(dòng)態(tài)目標(biāo)探測(cè)模型，對(duì)復(fù)雜環(huán)境下的目標(biāo)和誘餌作最優(yōu)辨別。最后對(duì)紅外目標(biāo)釋放誘餌干擾的過程進(jìn)行了目標(biāo)辨別實(shí)驗(yàn)，證明在誘餌假目標(biāo)干擾的條件下，運(yùn)用基于多特征聯(lián)合概率數(shù)據(jù)關(guān)聯(lián)算法的動(dòng)態(tài)目標(biāo)探測(cè)模型能夠更準(zhǔn)確有效地區(qū)分出目標(biāo)和誘餌，使系統(tǒng)在復(fù)雜環(huán)境下具有更強(qiáng)的抗干擾探測(cè)

5、能力。
　　利用真假目標(biāo)、偽裝目標(biāo)等不同材料的反射偏振特性，在研究了偏振光學(xué)特性的理論以及粗糙表面偏振分布模型的基礎(chǔ)上，提出了基于多角度偏振信息的目標(biāo)探測(cè)方法。該方法利用偏振光不同入射方向和探測(cè)方向的數(shù)據(jù)，反演出目標(biāo)材料的光學(xué)常數(shù)，然后利用不同材料的光學(xué)常數(shù)進(jìn)行目標(biāo)探測(cè)。同時(shí)，提出了基于穆勒矩陣的自適應(yīng)偏振目標(biāo)探測(cè)方法，該方法創(chuàng)新性的將偏振探測(cè)系統(tǒng)中的偏振狀態(tài)視為模式識(shí)別框架中的分類超平面，通過學(xué)習(xí)場景中的目標(biāo)以及非目標(biāo)的穆勒矩陣