時(shí)空非平穩(wěn)強(qiáng)雜波抑制與微弱運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù).pdf

1、隨著其應(yīng)用領(lǐng)域的不斷拓廣，在強(qiáng)雜波干擾下對(duì)圖像序列中的微弱運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)和跟蹤日益受到人們的廣泛關(guān)注，并形成了一個(gè)研究熱點(diǎn)。由于目標(biāo)本身的微弱特性，再加上背景強(qiáng)雜波的干擾，造成對(duì)目標(biāo)的檢測(cè)和跟蹤變得十分困難。而本文的研究正是集中于相關(guān)的兩項(xiàng)關(guān)鍵技術(shù)：背景強(qiáng)雜波抑制技術(shù)和類(lèi)WGN模型下多幀目標(biāo)檢測(cè)技術(shù)。 本文首先明確的提出了強(qiáng)雜波抑制型微弱圖像目標(biāo)檢測(cè)系統(tǒng)，即采用先對(duì)圖像序列進(jìn)行背景強(qiáng)雜波抑制，再進(jìn)行匹配濾波檢測(cè)的兩級(jí)策略。將雜

2、波抑制的任務(wù)明確為：抑制背景能量、改善目標(biāo)信雜比；對(duì)原始圖像進(jìn)行分布變換——由復(fù)雜、未知分布轉(zhuǎn)化為簡(jiǎn)單、已知分布。同時(shí)完備了雜波抑制效果的評(píng)價(jià)體系，提出四項(xiàng)檢驗(yàn)標(biāo)準(zhǔn)：正態(tài)性、白化程度、局域信雜比增益以及單幀檢測(cè)性能。 系統(tǒng)的討論了圖像目標(biāo)微弱特性評(píng)價(jià)和參數(shù)界定，并分別在理論上從人眼視覺(jué)和機(jī)器檢測(cè)角度討論了其評(píng)價(jià)指標(biāo)。給出了局域信雜比LSCR的定義以及其依據(jù)，而且通過(guò)工程實(shí)驗(yàn)獲得了人眼視覺(jué)條件下表征圖像目標(biāo)弱特性的LSCR參數(shù)界定

3、。對(duì)于機(jī)器檢測(cè)條件下的目標(biāo)，則根據(jù)Neyman-Pearson準(zhǔn)則計(jì)算出了不同檢測(cè)概率和虛警概率要求下所需的LSCR參數(shù)。從而較好的解決了微弱圖像目標(biāo)檢測(cè)中的一個(gè)基本問(wèn)題，即究竟?jié)M足什么樣參數(shù)條件的目標(biāo)才可以稱(chēng)為微弱目標(biāo)。 提出了基于圖像準(zhǔn)平穩(wěn)子域劃分的自適應(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)雜圖像數(shù)據(jù)的全域灰度非平穩(wěn)特征造成自適應(yīng)算法對(duì)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)的子圖像，然

4、后在每個(gè)子圖像域內(nèi)利用自適應(yīng)算法對(duì)雜波進(jìn)行估計(jì)與抑制。提出了兩種劃分方法：四叉樹(shù)矩分割法和FCM聚類(lèi)分割法。對(duì)原始數(shù)據(jù)進(jìn)行預(yù)平滑處理后作為自適應(yīng)空域非因果濾波器的輸入數(shù)據(jù)，避免了由于目標(biāo)空域擴(kuò)展帶來(lái)了的背景估計(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(duì)特定樣本數(shù)據(jù)估計(jì)比LMS算法精確。 提出了一種有效的背景雜波預(yù)測(cè)形態(tài)神經(jīng)網(wǎng)絡(luò)模型，用于檢測(cè)圖像數(shù)據(jù)中的弱小目標(biāo)。目標(biāo)被假設(shè)為只有很小的空域擴(kuò)展度，而且淹沒(méi)于強(qiáng)背景

5、雜波干擾之中。通過(guò)形態(tài)神經(jīng)網(wǎng)絡(luò)，雜波背景被準(zhǔn)確的估計(jì)并從輸入數(shù)據(jù)中去除，只剩下殘留噪聲和目標(biāo)信號(hào)。采用擴(kuò)展輸入層數(shù)據(jù)的辦法修正了傳統(tǒng)的形態(tài)開(kāi)、閉運(yùn)算3層前饋BP網(wǎng)絡(luò)模型。為了跟蹤包含不同子結(jié)構(gòu)的復(fù)雜背景，原始圖像被劃分為多個(gè)子塊，并在相應(yīng)的子塊中選擇訓(xùn)練樣本對(duì)結(jié)構(gòu)元進(jìn)行優(yōu)化，提高了雜波的估計(jì)精度。提出了基于空時(shí)自適應(yīng)分類(lèi)的背景雜波快速估計(jì)與抑制方法。當(dāng)圖像序列中沒(méi)有攝像機(jī)運(yùn)動(dòng)造成的全域運(yùn)動(dòng)存在，或者是其全域運(yùn)動(dòng)被估計(jì)和補(bǔ)償?shù)南喈?dāng)好時(shí)，對(duì)

6、輸入圖像幀序列進(jìn)行時(shí)域灰度矩學(xué)習(xí)，并據(jù)此將圖像像素劃分成兩類(lèi)：時(shí)域靜雜波和時(shí)域動(dòng)雜波。前者一般是由無(wú)變化背景疊加上噪聲引起的，而后者則是因?yàn)楸尘暗牟▌?dòng)、變化、攝像機(jī)運(yùn)動(dòng)或者目標(biāo)的存在造成的。對(duì)時(shí)域靜雜波直接采用時(shí)域估計(jì)并抑制，而對(duì)動(dòng)雜波則通過(guò)空域自適應(yīng)濾波方法進(jìn)行去除。它綜合了時(shí)域?yàn)V波和空域?yàn)V波優(yōu)點(diǎn)，既擁有時(shí)域運(yùn)算的快速性，又能體現(xiàn)空域?yàn)V波的準(zhǔn)確性，強(qiáng)適應(yīng)性和幀存少的優(yōu)點(diǎn)。 提出了WGN模型下有利于實(shí)時(shí)實(shí)現(xiàn)的微弱運(yùn)動(dòng)目標(biāo)空時(shí)集成

7、檢測(cè)系統(tǒng)，并進(jìn)行了詳細(xì)的性能分析。主要思想是：根據(jù)先驗(yàn)信息或經(jīng)驗(yàn)盡量在空域(單幀)上集成目標(biāo)能量，改善信噪比，從而通過(guò)單幀圖像的二值化處理獲得足夠的目標(biāo)檢測(cè)概率和虛警概率。然后利用相鄰多幀上目標(biāo)運(yùn)動(dòng)的時(shí)間連續(xù)性在時(shí)域上進(jìn)一步集成目標(biāo)能量從而獲得檢測(cè)結(jié)果。對(duì)于空域集成檢測(cè)，主要分析了線性和非線性合并方式的檢測(cè)性能，而對(duì)于時(shí)域集成檢測(cè)，則著重對(duì)三維軌跡集成和時(shí)域投影集成兩種方式的性能進(jìn)行了討論和分析。 上述各個(gè)技術(shù)研究點(diǎn)均進(jìn)行了相應(yīng)