復雜背景下紅外小目標檢測算法研究.pdf

1、隨著數(shù)字圖像處理技術和計算機的飛速發(fā)展，紅外目標檢測技術開始廣泛應用于天文觀測、跟蹤、遙感、制導等諸多鄰域。但由于紅外弱小目標具有成像面積小、距離遠、細節(jié)特征缺失、形狀特征微弱、信噪比低等特點，因此紅外弱小目標檢測技術一直都是紅外制導系統(tǒng)中的關鍵技術難題。
　　由于紅外弱小目標有著這樣一些特點，因此，對于紅外目標檢測理論和方法的研究方向都集中在提高信噪比、檢測算法的探測概率、運算效率、適用范圍、可靠性等方面。對紅外弱小目標檢測方法

2、的研究依然是一個很具有挑戰(zhàn)性的課題。對此，本文對復雜背景下紅外小目標檢測的算法進行了系統(tǒng)的研究。主要研究內(nèi)容如下:
　　(1)給出了紅外小目標的一些相關概念和紅外圖像的數(shù)學描述，在此基礎上圍繞紅外弱小目標檢測問題對紅外圖像中目標、背景和噪聲三個要素進行了相應的分析。小目標在圖像中的灰度不一定是整幅圖像中最高的，但是在目標所在的局部背景中往往是較為突出的，也就是說小目標在局部背景中應具有一定的對比度，且?guī)缀鯖]有形狀信息。
　　

3、(2)通過對紅外弱小目標圖像進行分析，提取了紅外圖像區(qū)域復雜度的定量描述，深入討論了不同類別區(qū)域復雜度特征值的本質(zhì)成因，分別分析討論了圖像的方差加權信息熵，梯度方向特征以及局部對比度特征。采用多特征融合的方法，將圖像的方差加權信息熵特征，梯度方向特征以及局部對比度特征定義為圖像的復雜度特征，進而實現(xiàn)了對紅外弱小目標圖像的有效特征提取和分割，完成目標檢測。
　　(3)由于單幀檢測很難保證檢測結果，對此本文提出的基于三維小波變換的序列

4、圖像檢測算法。該算法首先采用多尺度三維小波分解，并濾去低頻分量，除去細節(jié)信息，保留運動信息和邊緣信息，其次運用圖像形態(tài)學的方法剔除背景邊緣的干擾而獲得目標候選點，最后檢測每幀候選目標點的灰度值，確定閾值排除虛警點并分割目標。實驗結果表明，該方法能夠很好的檢測復雜背景的運動小目標。
　　綜上所述，本論文對紅外圖像目標檢測相關技術進行了深入的研究，對提出的算法均利用實拍的紅外圖像進行了試驗驗證，試驗結果表明本文提出的算法獲得了很好的檢