復(fù)雜背景下紅外小目標(biāo)探測與跟蹤若干關(guān)鍵技術(shù)研究.pdf

1、復(fù)雜背景下紅外小目標(biāo)探測與跟蹤技術(shù)是一種在軍事和民用諸多領(lǐng)域有著廣泛應(yīng)用前景的技術(shù)。但由于小目標(biāo)在圖像中所占像素少，目標(biāo)的細節(jié)特征丟失，很難與雜波形成有效區(qū)分。致使在復(fù)雜背景下小目標(biāo)跟蹤易出現(xiàn)丟失目標(biāo)或錯跟雜波的現(xiàn)象，這在很大程度上限制了小目標(biāo)跟蹤技術(shù)的發(fā)展與實用化。同時由于大量現(xiàn)有光電跟蹤系統(tǒng)不能對小目標(biāo)形成有效跟蹤，其作用距離自然大打折扣。而如何實現(xiàn)穩(wěn)定可靠的紅外小目標(biāo)跟蹤正是本文所要重點突破與研究的內(nèi)容。本文將從紅外小目標(biāo)探測與跟

2、蹤的一些關(guān)鍵性技術(shù)入手，逐一解決若干難題，最終實現(xiàn)復(fù)雜背景下紅外小目標(biāo)穩(wěn)定可靠的探測與跟蹤。
　　 為提高系統(tǒng)探測與跟蹤能力，本文對復(fù)雜背景中紅外小目標(biāo)探測與跟蹤的相關(guān)技術(shù)進行了深入研究。首先詳細研究了紅外小目標(biāo)跟蹤中的圖像預(yù)處理技術(shù)，尤其對與紅外小目標(biāo)跟蹤相關(guān)的基于場景非均勻性校正和背景抑制兩個方面展開了重點研究。在非均勻性方面提出了空間域低通時域高通非均勻性校正算法、高頻恒定統(tǒng)計非均勻性校正算法、基于最優(yōu)化技術(shù)的條紋非均勻性

3、校正算法，將基于場景非均勻性校正算法的收斂時間從上千幀縮短為只需要幾十幀，同時對條紋非均勻性可以實現(xiàn)單幀的校正。在背景抑制方面提出了復(fù)濾波器組背景自適應(yīng)抑制算法，將復(fù)濾波器的概念引入到了小目標(biāo)圖像檢測中，能夠有效抑制背景雜波，提高目標(biāo)信雜比。
　　 本文建立了紅外小目標(biāo)跟蹤的貝葉斯框架的核心論，構(gòu)建了紅外小目標(biāo)跟蹤的點跡和觀測概率的數(shù)學(xué)模型。該框架與一般貝葉斯框架最大的區(qū)別是本文建立的貝葉斯框架是基于濾波與數(shù)據(jù)關(guān)聯(lián)框架和基于目標(biāo)

4、建模與定位框架的融合。這種融合能有效提高小目標(biāo)跟蹤算法的性能。在該框架的基礎(chǔ)上，本文引入了多特征概念，設(shè)計了多特征觀測概率、多特征航跡似然概率。多特征的引入豐富了數(shù)據(jù)關(guān)聯(lián)的手段，提高了數(shù)據(jù)關(guān)聯(lián)的效率。本文同時提出了組合濾波技術(shù)，該技術(shù)與機動目標(biāo)跟蹤中的多模型法相比，能夠極大降低計算量而不犧牲跟蹤精度。
　　 本文提出了五個完整的復(fù)雜背景下小目標(biāo)跟蹤的算法，包括最大觀測概率法、多特征PDA法、組合濾波最大觀測概率法、粒子多假設(shè)法、

5、轉(zhuǎn)移受限粒子濾波法。這五個算法是貝葉斯框架下紅外小目標(biāo)跟蹤的具體實現(xiàn)。最大觀測概率法、多特征PDA法是將多特征引入到原有的最鄰近法和PDA法中，這些專門針對紅外小目標(biāo)特征的引入，使得跟蹤算法比原有算法在跟蹤效果上獲得很大的提高。組合濾波最大觀測概率法是將組合濾波技術(shù)和最大觀測概率法相結(jié)合的產(chǎn)物，并使得最大觀測概率法能有效跟蹤機動目標(biāo)。粒子多假設(shè)法則是摒棄了原有多假設(shè)法回溯的問題，將多假設(shè)法改進成貝葉斯框架的算法，提高了算法的效率，節(jié)省了

6、計算時間。轉(zhuǎn)移受限粒子濾波法則通過多特征與粒子濾波的結(jié)合，并通過對重要密度函數(shù)進行專門針對紅外小目標(biāo)的改進，使得大量的粒子不再浪費在無用區(qū)域，降低了所需要的粒子數(shù)目，提高了粒子濾波在紅外小目標(biāo)跟蹤中的效率。
　　 本文提出了圖像處理器群接口總線技術(shù)、多處理器多線程技術(shù)。這兩項硬件平臺的關(guān)鍵技術(shù)借助多處理板、多處理器協(xié)同工作使得各種復(fù)雜的紅外小目標(biāo)跟蹤算法在硬件平臺中實時實現(xiàn)成為了可能。
　　 本文正是從復(fù)雜背景下小目標(biāo)探