一種紅外序列圖像小目標(biāo)檢測新方法研究.pdf

1、隨著導(dǎo)彈技術(shù)的發(fā)展和紅外技術(shù)的進步，紅外成像制導(dǎo)技術(shù)越來越受到研究人員的重視。紅外小目標(biāo)的檢測技術(shù)是紅外成像系統(tǒng)中的核心技術(shù)之一，如何在紅外圖像中檢測和識別圖像中的紅外小目標(biāo)是當(dāng)前和今后一個熱門的問題。紅外圖像中包含了大面積連續(xù)的背景、紅外小目標(biāo)以及噪聲等幾個部分。在紅外圖像小目標(biāo)的檢測過程中，存在著信噪比低、可用的信息量少、背景信息復(fù)雜以及信息處理量大等問題。目前的檢測方法主要分為基于單幀圖像檢測和基于序列圖像檢測兩種?；趩螏瑘D像處

2、理方法僅僅利用了圖像的一些基本特征，比如：像素的灰度等。此類方法很難從比較復(fù)雜的圖像中檢測出小目標(biāo)來，因此，大多數(shù)檢測方法都是基于紅外序列圖像來進行檢測。粒子群優(yōu)化(ParticleSwarmOptimization)算法是一類啟發(fā)式隨機全局優(yōu)化技術(shù)，是一種基于群智能（SwarmIntelligence）方法的演化計算技術(shù)。PSO算法通過粒子間的相互作用發(fā)現(xiàn)復(fù)雜搜索空間中的最優(yōu)區(qū)域。PSO的優(yōu)勢在于只涉及簡單計算，易于實現(xiàn)，適用范圍廣泛

3、。本文介紹了基本的PSO算法、若干類改進的PSO算法。本文提出了一種紅外序列圖像小目標(biāo)檢測的新方法：基于粒子群算法的紅外序列運動小目標(biāo)檢測算法。檢測步驟主要分為兩個部分：首先通過圖像預(yù)處理去除背景和少許的噪聲干擾。圖像預(yù)處理包括高通濾波、灰度門限分離和根據(jù)目標(biāo)運動特性進一步預(yù)處理。然后對所得的候選目標(biāo)點進行候選軌跡的構(gòu)造。最后利用粒子群算法檢測出真正的運動軌跡，并最終確認(rèn)紅外運動小目標(biāo)。仿真實驗表明，該方法能夠有效、可靠地從紅外序列圖像