復(fù)雜背景條件下紅外弱小目標(biāo)檢測(cè).pdf

1、復(fù)雜背景條件下的紅外弱小目標(biāo)檢測(cè)一直是紅外圖像處理領(lǐng)域中的一個(gè)難點(diǎn)，但它同時(shí)又是一個(gè)研究的熱點(diǎn)。它不但對(duì)軍事領(lǐng)域有著重要的戰(zhàn)略意義，而且在民用領(lǐng)域的應(yīng)用也越來(lái)越廣泛。因此，復(fù)雜背景條件下的紅外弱小目標(biāo)的檢測(cè)是一項(xiàng)既頗具挑戰(zhàn)性而又富有意義的工作。
　　 由于成像距離遠(yuǎn)、背景噪聲以及探測(cè)器內(nèi)部噪聲的影響，復(fù)雜背景條件下的紅外弱小目標(biāo)信噪比非常低，沒有明顯的形狀、紋理等特征，往往被復(fù)雜的背景和噪聲所淹沒，這對(duì)小目標(biāo)的正確檢測(cè)造成很大的

2、干擾。為了解決上述問題，本文對(duì)復(fù)雜背景條件下的紅外弱小目標(biāo)檢測(cè)進(jìn)行了研究，本文的主要研究工作如下:
　　 首先，本文分析了紅外圖像成像原理及特性，然后給出了紅外小目標(biāo)圖像的模型，并分別對(duì)紅外圖像模型的三個(gè)組成部分進(jìn)行了詳細(xì)的分析，接著對(duì)紅外小目標(biāo)檢測(cè)的整個(gè)流程進(jìn)行了介紹和分析，總結(jié)了各個(gè)組成部分的一些常用的基本方法，為后續(xù)的研究工作奠定了理論基礎(chǔ)。
　　 其次，本文提出了一種基于核主成分分析(KPCA)的紅外弱小目標(biāo)檢測(cè)

3、方法，它是由核函數(shù)方法和主成分分析結(jié)合的一個(gè)方法。這個(gè)方法概括起來(lái)分為三步:首先，用高斯函數(shù)生成一些小目標(biāo)訓(xùn)練樣本;然后，通過(guò)一個(gè)非線性的核函數(shù)將小目標(biāo)樣本映射到一個(gè)高維的特征空間，在這個(gè)高維的特征空間中進(jìn)行主成分分析處理，接著通過(guò)計(jì)算訓(xùn)練樣本投影向量和待檢測(cè)紅外圖像每一模塊的投影向量的距離，我們就可以得到目標(biāo)增強(qiáng)了的紅外圖像;最后，通過(guò)分割目標(biāo)增強(qiáng)了的紅外圖像來(lái)檢測(cè)目標(biāo)。實(shí)驗(yàn)結(jié)果表明該方法能夠有效地抑制紅外圖像中的背景雜波。
　

4、　 最后，本文利用張量代數(shù)理論，提出了一種基于高階張量的紅外弱小目標(biāo)檢測(cè)方法。首先，我們用小目標(biāo)的目標(biāo)灰度分布、目標(biāo)對(duì)比度和目標(biāo)局部背景灰度分布三種特性構(gòu)建了小目標(biāo)多特性的訓(xùn)練樣本數(shù)據(jù)庫(kù);然后，在利用建立的多特性樣本數(shù)據(jù)庫(kù)基礎(chǔ)上，實(shí)現(xiàn)了基于高階張量的紅外小目標(biāo)檢測(cè)算法。實(shí)驗(yàn)結(jié)果表明該方法可以有效地抑制紅外圖像中的背景雜波。與一些傳統(tǒng)的抑制背景的方法相比，該方法的普適性較好，特別是當(dāng)紅外圖像的背景比較復(fù)雜時(shí)，該方法的優(yōu)勢(shì)比較明顯。