背景雜波抑制與弱小目標(biāo)的檢測技術(shù).pdf

1、由于在軍事和民用諸多領(lǐng)域的應(yīng)用，利用圖像序列對弱小運(yùn)動(dòng)目標(biāo)進(jìn)行檢測、跟蹤成為當(dāng)前的一個(gè)熱門課題。由于距離較遠(yuǎn)或者其本身較微小，同時(shí)加上復(fù)雜的強(qiáng)背景雜波干擾，目標(biāo)幾乎完全淹沒在背景及噪聲之中，在成像系統(tǒng)中表現(xiàn)為弱小目標(biāo)特性，要直接檢測出目標(biāo)變得異常困難。本文研究的正是弱小目標(biāo)檢測與跟蹤系統(tǒng)中的兩項(xiàng)關(guān)鍵技術(shù)：強(qiáng)背景雜波抑制與基于多幀的弱小目標(biāo)檢測技術(shù)。 本文首先引入序列圖像中檢測強(qiáng)背景雜波下弱小目標(biāo)這一問題，然后在其典型應(yīng)用——視頻

2、成像系統(tǒng)中將問題展開，討論了背景雜波、噪聲和目標(biāo)的特征，分析了該類檢測的特點(diǎn)與難點(diǎn)，給出了一種基于背景雜波抑制的弱小目標(biāo)檢測系統(tǒng)模型。即采用先對序列圖像進(jìn)行背景雜波抑制，再進(jìn)行基于多幀的目標(biāo)檢測策略。背景雜波抑制的任務(wù)為：抑制背景雜波能量、改善信雜比；對原始圖像數(shù)據(jù)進(jìn)行分布變換——由復(fù)雜、未知分布轉(zhuǎn)化為簡單、已知分布。同時(shí)，研究了背景雜波抑制效果的評價(jià)體系，給出了四項(xiàng)檢驗(yàn)標(biāo)準(zhǔn)：殘余噪聲正態(tài)性、殘余噪聲白化程度、信雜比增益以及單幀檢測性能

3、。 本文討論了基于圖像準(zhǔn)平穩(wěn)區(qū)域劃分的自適應(yīng)雜波估計(jì)與抑制方法，并進(jìn)行了詳細(xì)的計(jì)算機(jī)仿真實(shí)驗(yàn)。由于原始復(fù)雜圖像灰度數(shù)據(jù)的全域非平穩(wěn)特征造成自適應(yīng)算法對背景雜波的跟蹤性能較差，因此考慮將原始圖像劃分為多個(gè)準(zhǔn)平穩(wěn)的圖像子塊，然后在每個(gè)子塊內(nèi)利用自適應(yīng)算法對背景雜波進(jìn)行估計(jì)與抑制。針對基于四叉樹分割的準(zhǔn)平穩(wěn)區(qū)域劃分方法精度不高的問題，給出了一種基于分水嶺分割的準(zhǔn)平穩(wěn)子域劃分方法。對原始圖像數(shù)據(jù)進(jìn)行平滑處理后作為自適應(yīng)空域非因果濾波器的

4、輸入數(shù)據(jù)，避免了由于目標(biāo)空域擴(kuò)展帶來的背景估計(jì)失準(zhǔn)。采用RLS算法估計(jì)背景雜波，收斂性好，數(shù)據(jù)穩(wěn)定性高，對特定樣本數(shù)據(jù)估計(jì)比LMS算法精確。對以上研究點(diǎn)進(jìn)行了相應(yīng)的實(shí)驗(yàn)仿真，并獲得了較好的結(jié)果。 討論了圖像序列中的弱小運(yùn)動(dòng)目標(biāo)檢測技術(shù)。針對基于TBD和DBT兩種思想的多幀檢測技術(shù)，詳細(xì)討論了目標(biāo)分割與檢測方法?；贒BT思想的檢測方案中，主要討論全域閾值法、局域閾值法和恒虛警門限法幾種目標(biāo)分割方法?；赥BD思想的目標(biāo)分割已融合

5、在目標(biāo)檢測中，因此接下來本文詳細(xì)討論了幾種基于TBD思想的目標(biāo)檢測方法，如三維匹配濾波法、投影變換法、基于多級假設(shè)檢驗(yàn)的方法、高階相關(guān)法和基于全局搜索的目標(biāo)檢測方法。最后針對強(qiáng)背景雜波下圖像序列中的弱小運(yùn)動(dòng)目標(biāo)檢測問題，本文給出了一種基于時(shí)域軌跡集成的多幀檢測方案：首先采基于分水嶺分割的RLS算法對圖像背景雜波進(jìn)行抑制，然后利用恒虛警門限法對單幀圖像進(jìn)行二值化分割，此時(shí)再利用八鄰域判決法對候選目標(biāo)進(jìn)行檢測?？傊?，本論文不僅達(dá)到了相關(guān)課題