復(fù)雜背景下紅外弱小目標(biāo)檢測算法研究.pdf

1、紅外弱小目標(biāo)檢測技術(shù)是紅外預(yù)警系統(tǒng)中的核心技術(shù)，這類武器系統(tǒng)對國家安全起著極為重要的作用。為此，本文就紅外弱小目標(biāo)檢測問題進(jìn)行了深入的分析與討論，提出了新的檢測方法與算法研究思路，并從系統(tǒng)實(shí)現(xiàn)角度對武器系統(tǒng)的設(shè)計進(jìn)行了詳細(xì)的論述，提出了兩種紅外搜索與跟蹤系統(tǒng)的組網(wǎng)構(gòu)想，為紅外預(yù)警系統(tǒng)的設(shè)計提供了相關(guān)依據(jù)。
　　 本文從不同角度對紅外弱小目標(biāo)圖像進(jìn)行分析，提出了新的弱小目標(biāo)檢測方法：
　　 利用圖像方差加權(quán)信息熵對紅外弱小

2、目標(biāo)圖像進(jìn)行分析，并將其作為對圖像復(fù)雜度定量描述，深入討論了不同類別區(qū)域復(fù)雜度特征值的本質(zhì)成因，并基于此構(gòu)造了新的圖像預(yù)處理方法與自適應(yīng)門限分割方法，進(jìn)而實(shí)現(xiàn)了對紅外弱小目標(biāo)圖像的自適應(yīng)門限分割完成目標(biāo)檢測。
　　 利用模糊分類的思想對紅外弱小目標(biāo)圖像進(jìn)行分析，根據(jù)紅外弱小目標(biāo)圖像中不同區(qū)域灰度分布情況，將圖像分為多個類別區(qū)域，并定義了類別特征矢量，同時依據(jù)模糊分類準(zhǔn)則定義了類別相似系數(shù)，進(jìn)而對圖像中不同區(qū)域進(jìn)行類屬性判別，最后

3、通過對弱小目標(biāo)類別進(jìn)行提取從而實(shí)現(xiàn)弱小目標(biāo)檢測。
　　 對基于分類模型的模糊分類弱小目標(biāo)檢測方法進(jìn)行擴(kuò)展：重新構(gòu)造分類模型，根據(jù)類別核及其類別特征矢量，結(jié)合模糊分類理論定義了類別相似系數(shù)，并定義了類別貼近度來實(shí)現(xiàn)不同類別區(qū)域的類別歸并，從而解決了因紅外弱小目標(biāo)圖像中包含本文建立的類別區(qū)域不全而帶來的誤分類問題，得到了一種全新的弱小目標(biāo)檢測思路。對上述兩種基于模糊分類目標(biāo)檢測方法進(jìn)行了進(jìn)一步的推廣，得到了基于分類算法的算法框圖。<

4、br>　　 對傳統(tǒng)的空域背景抑制算法對復(fù)雜背景抑制效果較差的本質(zhì)原因進(jìn)行了分析，首次將區(qū)域方向直方圖概念引入弱小目標(biāo)檢測領(lǐng)域，并基于此構(gòu)造了背景抑制改進(jìn)方法：根據(jù)背景區(qū)域的灰度分布特點(diǎn)針對性的構(gòu)造背景抑制算法，引入了區(qū)域方向直方圖作為不同區(qū)域的類別判別依據(jù)，并定義了每類類別共性模板與共性背景預(yù)測系數(shù)模板，將局部二值模式(LBP)作為類別區(qū)域的結(jié)構(gòu)表達(dá)方式，利用其對不同區(qū)域的背景預(yù)測系數(shù)模板進(jìn)行修正以得到適應(yīng)每個區(qū)域的系數(shù)模板，由此，實(shí)