紅外弱小目標(biāo)圖像增強與目標(biāo)匹配.pdf

1、紅外弱小目標(biāo)圖像增強是紅外目標(biāo)識別與跟蹤系統(tǒng)中一種重要的預(yù)處理技術(shù)。紅外弱小目標(biāo)圖像的特性是信噪比低、對比度差、目標(biāo)和噪聲極為相似，這些特性對目標(biāo)的識別、跟蹤與檢測等都造成極大的困難。該方向的研究對紅外圖像的處理具有重大的應(yīng)用價值，目前已經(jīng)成為紅外圖像處理領(lǐng)域的研究熱點之一。本文主要研究了兩個部分的內(nèi)容：紅外弱小目標(biāo)圖像的增強處理和紅外圖像面目標(biāo)的搜索匹配。
　　 第一部分從抑制噪聲，提高紅外圖像的信噪比、對比度這三個方面研究了

2、紅外弱小目標(biāo)的增強算法。首先，簡要的介紹了紅外圖像的基本特性和紅外圖像增強效果的評價標(biāo)準(zhǔn)，分析了含弱小目標(biāo)的紅外圖像的基本特性，包括紅外圖像中弱小目標(biāo)的特性和背景的特性。詳細(xì)的介紹了紅外圖像中所含有的幾種主要噪聲，分析了噪聲的成因和目標(biāo)的特點，在抑制噪聲方面分析了幾種常見的濾波器的優(yōu)點和缺點。然后，重點分析了Retinex算法的優(yōu)點和局限性，根據(jù)紅外圖像的特性在原有的Retinex算法的基礎(chǔ)上，提出了一種改進(jìn)算法，使之適應(yīng)紅外圖像的特性

3、，更好的達(dá)到抑制背景突出目標(biāo)的作用。仿真實驗證明，改進(jìn)的算法能夠很好的增強含有弱小目標(biāo)的紅外圖像。最后在DSP上實現(xiàn)了改進(jìn)的增強算法。
　　 第二部分針對紅外圖像中的面目標(biāo)搜索與匹配問題，本文從搜索算法本身出發(fā)，重點研究和分析了量子粒子群（QPSO）算法，結(jié)合Hausdorff距離的特點，提出了一種基于Hausdorff距離和量子粒子群算法的二維圖像匹配算法。仿真試驗證明，不論是搜索效率還是成功率，該算法都要優(yōu)于傳統(tǒng)的遺傳算法。