復(fù)雜背景條件下紅外弱小點(diǎn)目標(biāo)實(shí)時(shí)檢測(cè)技術(shù)研究.pdf

1、遠(yuǎn)距離紅外弱小目標(biāo)的檢測(cè)，是紅外搜索與跟蹤系統(tǒng)、精確制導(dǎo)系統(tǒng)、紅外預(yù)警系統(tǒng)、大視場(chǎng)目標(biāo)監(jiān)視系統(tǒng)、衛(wèi)星遙感系統(tǒng)等的一項(xiàng)核心技術(shù)。紅外系統(tǒng)因其能晝夜工作、被動(dòng)探測(cè)、抗干擾、隱蔽性強(qiáng)和能識(shí)別偽裝目標(biāo)等特性，在軍事領(lǐng)域中得到十分廣泛的應(yīng)用。研究低信噪比圖像中小目標(biāo)的實(shí)時(shí)檢測(cè)算法，對(duì)于增大作戰(zhàn)距離和增加反應(yīng)時(shí)間，提高己方的生存概率具有重要的意義。 就國(guó)內(nèi)外目前對(duì)紅外弱小目標(biāo)檢測(cè)及紅外目標(biāo)識(shí)別的研究而言，主要存在著以下問(wèn)題: （1）

2、 對(duì)于單幀檢測(cè)，目前大多數(shù)研究者采用固定結(jié)構(gòu)元素的形態(tài)學(xué)濾波器進(jìn)行濾波的方法。這些濾波器僅僅在所對(duì)應(yīng)的某類圖像模型中具有較好的濾波性能。但通常情況下圖像信號(hào)極為復(fù)雜且處于不斷變化之中。因此固定結(jié)構(gòu)元素的濾波檢測(cè)方法不能很好的檢測(cè)遠(yuǎn)距離紅外弱小目標(biāo)，從而導(dǎo)致漏檢及虛警的發(fā)生。 （2） 弱小目標(biāo)檢測(cè)通常是利用多幀信息，目前采用的多幀關(guān)聯(lián)檢測(cè)的方法主要包括“K-out-of-N”規(guī)則關(guān)聯(lián)檢測(cè)算法和多假設(shè)檢驗(yàn)算法?！癒-out-of-N

3、”規(guī)則關(guān)聯(lián)檢測(cè)算法雖然算法簡(jiǎn)單但檢測(cè)性能不足；而MHT方法雖然可以獲得較好的關(guān)聯(lián)檢測(cè)性能，但計(jì)算上的組合爆炸影響了其實(shí)用性。因此需求一種兼顧檢測(cè)性能和算法復(fù)雜度的實(shí)用算法就成為當(dāng)前多幀檢測(cè)的關(guān)鍵。 本文對(duì)低信噪比紅外圖像序列中弱小目標(biāo)的檢測(cè)從單幀檢測(cè)和多幀關(guān)聯(lián)檢測(cè)角度分別進(jìn)行了深入、系統(tǒng)的研究，主要研究成果如下： 一、針對(duì)單幀圖像點(diǎn)目標(biāo)檢測(cè)，分別將數(shù)學(xué)形態(tài)學(xué)濾波器與神經(jīng)網(wǎng)絡(luò)和遺傳算法相結(jié)合，利用神經(jīng)網(wǎng)絡(luò)和遺傳算法優(yōu)化訓(xùn)練

4、形態(tài)學(xué)濾波器的結(jié)構(gòu)元素及形態(tài)學(xué)算法。使形態(tài)學(xué)濾波過(guò)程融入特有的智能，以實(shí)現(xiàn)對(duì)復(fù)雜背景條件下的弱小點(diǎn)目標(biāo)的最優(yōu)化處理。同時(shí)，對(duì)單幀濾波的結(jié)果采用自適應(yīng)門限進(jìn)行分割，以提高單幀檢測(cè)的檢測(cè)性能。 二、在單幀檢測(cè)的基礎(chǔ)上，引入信息融合的思想，深入研究了“K-out-of-N”序列圖像關(guān)聯(lián)檢測(cè)算法。針對(duì)以往的研究中采用試湊K﹑N進(jìn)行優(yōu)化這一問(wèn)題，首次引入牛頓插值法，使得該算法的檢測(cè)融合性能達(dá)到最優(yōu)。并研究了在該算法中引入可信度，局部關(guān)聯(lián)及