紅外序列圖像中運(yùn)動(dòng)弱小目標(biāo)時(shí)域檢測(cè)方法.pdf

1、運(yùn)動(dòng)弱小目標(biāo)的檢測(cè)是成像制導(dǎo)和告警系統(tǒng)的核心技術(shù)之一，是提高系統(tǒng)作用距離和檢測(cè)概率的重要技術(shù)手段，探索和研究新的運(yùn)動(dòng)弱小目標(biāo)檢測(cè)理論以及如何將最新的檢測(cè)理論應(yīng)用于運(yùn)動(dòng)弱小目標(biāo)檢測(cè)仍是一項(xiàng)重要的課題，對(duì)現(xiàn)代戰(zhàn)爭(zhēng)以及未來(lái)戰(zhàn)爭(zhēng)都有重要的軍事意義。當(dāng)目標(biāo)距離較遠(yuǎn)時(shí)，目標(biāo)成像較小，可利用的空間分布信息缺乏，檢測(cè)困難。針對(duì)紅外序列圖像中的運(yùn)動(dòng)弱小目標(biāo)檢測(cè)問(wèn)題，本文開(kāi)展了如下工作：
　　 1.分析了紅外序列圖像中像素點(diǎn)的時(shí)域特性。依據(jù)紅外序列

2、圖像中所有像素點(diǎn)的時(shí)域變化情況，討論了目標(biāo)、晴空背景以及云雜波的時(shí)域剖面變化規(guī)律，比較了目標(biāo)、晴空背景以及云雜波均值和方差特性的差別。隨后，以傅立葉變換為手段，進(jìn)一步討論了不同像素點(diǎn)時(shí)域剖面的頻譜特性，通過(guò)設(shè)置不同的帶通濾波器對(duì)時(shí)域剖面進(jìn)行濾波，研究了晴空背景、云雜波和目標(biāo)時(shí)域剖面在不同頻譜范圍內(nèi)的幅頻特性。
　　 2.提出了一種基于時(shí)域剖面濾波的運(yùn)動(dòng)弱小目標(biāo)檢測(cè)方法。針對(duì)時(shí)域目標(biāo)檢測(cè)算法中跟蹤數(shù)據(jù)量大，實(shí)時(shí)實(shí)現(xiàn)難度高的缺點(diǎn)，給

3、出一種背景移除的方法減少時(shí)域檢測(cè)算法的跟蹤數(shù)據(jù)量。在此基礎(chǔ)上，采用時(shí)域剖面濾波的方法，去除云雜波時(shí)域剖面中較大的起伏。重點(diǎn)分析了下駐點(diǎn)連線(CLSP)濾波法、最小值濾波法、中值濾波法、數(shù)學(xué)形態(tài)學(xué)濾波法、均值濾波法、線性濾波法和Savitzky-Golay濾波法等幾種時(shí)域剖面濾波方法。并進(jìn)一步分析了時(shí)域剖面偏離濾波所得基準(zhǔn)的分布特性，得到了一個(gè)合適的目標(biāo)檢測(cè)量度。最后，還給出了新算法的序貫執(zhí)行方程。
　　 3.研究了空域和時(shí)域結(jié)合

4、濾波對(duì)紅外序列圖像運(yùn)動(dòng)弱小目標(biāo)檢測(cè)的改進(jìn)。首先，介紹了幾種典型的基于空域?yàn)V波的弱小目標(biāo)檢測(cè)方法。其次，將空域目標(biāo)檢測(cè)算法中的背景預(yù)測(cè)算法與提出的基于時(shí)域剖面濾波的運(yùn)動(dòng)弱小目標(biāo)檢測(cè)算法相結(jié)合，提出了一種空時(shí)域結(jié)合濾波的運(yùn)動(dòng)弱小目標(biāo)檢測(cè)算法。最后，依據(jù)紅外序列圖像中運(yùn)動(dòng)弱小目標(biāo)的運(yùn)動(dòng)連續(xù)性，構(gòu)造了一組濾波模板，利用這組模板對(duì)檢測(cè)結(jié)果進(jìn)行濾波，確定出弱小目標(biāo)可能的運(yùn)動(dòng)軌跡。并進(jìn)一步結(jié)合時(shí)域特征，實(shí)現(xiàn)了運(yùn)動(dòng)弱小目標(biāo)的進(jìn)一步累積增強(qiáng)。