小目標檢測與識別技術(shù)研究.pdf

1、小目標檢測與識別技術(shù)一直以來都是光電探測跟蹤系統(tǒng)的關(guān)鍵技術(shù)之一。本論文圍繞低信噪比、低對比度背景下小目標檢測與識別技術(shù)，展開深入細致的研究，旨在提出一些有效的技術(shù)路線和方法，以解決當前該領(lǐng)域中的一些難點和關(guān)鍵問題。 論文在分析了小目標成像特性的基礎(chǔ)上，對小目標和背景雜波進行了理論模型的研究，描述了檢測概率與虛警概率之間的關(guān)系，以及雜波像素在時域和空域的分布特性。 在小目標圖像的預處理方面，提出了多項新的技術(shù)和方法。提出了

2、能根據(jù)圖像灰度分部局部平穩(wěn)性特征選擇不同方案的自適應背景預測技術(shù)，它良好的自適應特性避免了在不同背景區(qū)域交界處的高虛警率，在提高殘留信號信噪比能力上優(yōu)于傳統(tǒng)的方法；構(gòu)造了小目標的多尺度梯度特征，在新的特征空間中，目標與強雜波原本微弱的灰度和形態(tài)差別被差異明顯的梯度特征所代替，從而能有效的抑制強雜波背景：根據(jù)小目標的運動特性，采用新的幀間相關(guān)方式改進了原高階相關(guān)方法，新方法在提高目標能量累積速度、削弱雜波等方面的能力得到明顯提升，并運用馬

3、爾可夫鏈的理論深入分析了雜波高階相關(guān)的性質(zhì)，揭示了背景雜波和目標在高階相關(guān)運算中存在的本質(zhì)差異，通過回歸分析對改進方法和原方法的檢測性能進行了進一步的分析；針對小目標面積小、與背景灰度差極小的特點，提出了兩種小目標圖像增強方法，利用對圖像的多尺度分析掌握目標和背景在不同尺度下的動態(tài)變化規(guī)律，捕捉二者之間只有幾個像素的灰度過渡區(qū)，為拉伸目標、背景抑制提供了準確的分段點，還引入了原本應用于擴展目標圖像增強的粗糙集方法，發(fā)揮其優(yōu)異的抑制噪聲能

4、力，結(jié)合本文專門針對小目標提出的閾值求取方法和擴展直方圖分析，對原低對比度圖像實現(xiàn)了有效的增強。 對低信噪比、低對比度背景小目標的檢測和識別開展了有針對性的研究。對強光強噪聲背景下的小目標，驗證了強噪聲在短時間內(nèi)可視作正態(tài)噪聲過程，在粗精兩級分割的策略中運用幀間差分、目標填充、噪聲投影檢測等多項技術(shù)，避免了直接閾值分割所帶來的目標能量損失；對運動速度較快的小目標，則通過劃分每個點的運動區(qū)域，將動態(tài)規(guī)劃方法在幀間的能量累加局限在一

5、個比較小的范圍之內(nèi)，起到改善能量累加效果的作用，同時根據(jù)像素點在幀間的運動速度信息，用截斷序貫策略逐步淘汰掉在幀間運動速度較慢的點，提高了目標檢測的速度，并采用極值理論對其性能進存了分析；在小目標識別方面，細致分析了小目標在時域、空域、頻域的多項特征，并選取了幀間相關(guān)特征、面積特征及聚類特征用傳統(tǒng)的單特征識別法對小目標進行了識別，顯示了單特征識別手段在面對復雜場景下的局限性，進一步提出了基于數(shù)據(jù)融合思想的目標識別方法，分別用決策級融合層

6、中的“與”邏輯、“或”邏輯和“K秩”方法以及特征級融合層中基于模糊思想的多特征融合方法對實際圖像進行了處理，論證了基于數(shù)據(jù)融合思想的目標識別方法所具有的優(yōu)越性，并指出基于多特征融合的目標識別是小目標識別領(lǐng)域未來發(fā)展的方向。 論文細致分析了小目標檢測與跟蹤實時圖像處理平臺的系統(tǒng)組成與結(jié)構(gòu)特點，著重對低對比度小目標的檢測和跟蹤算法的DSP實現(xiàn)進行了研究，通過對系統(tǒng)硬件和軟件上的合理分配、算法的簡化和優(yōu)化措施，實現(xiàn)了目標的實時檢測與跟