弱小點目標的檢測.pdf

1、復雜背景下遠距離紅外弱小目標的檢測，是紅外搜索與跟蹤系統(tǒng)、精確制導系統(tǒng)、紅外預警系統(tǒng)、大視場目標監(jiān)視系統(tǒng)、衛(wèi)星遙感系統(tǒng)等的一項核心技術，在軍事領域和民用領域中都有十分廣泛的應用。研究低信噪比圖像中小目標的實時檢測算法，對于增大作戰(zhàn)距離和增加反應時間、監(jiān)測飛機或船只的運行、提高檢測概率等方面具有重要的意義。 就國內外目前對弱小點目標檢測的研究而言，主要存在著以下問題: (1) 弱小點目標檢測的首要問題就是圖像預處理和背景抑

2、制。目前大多數研究者只采用一種固定的背景抑制方法，或者是空域濾波或者是頻域濾波。而針對復雜多變的特定背景，尤其是天空背景和海面背景這兩種典型的情況，單一的方法難以同時滿足檢測要求。 (2) 空域濾波方法中，形態(tài)學是一種被廣泛研究和應用的算法。大多論著選用固定結構元素的形態(tài)學濾波器進行濾波。這些濾波器僅僅在所對應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極為復雜且處于不斷變化之中。因此固定結構元素的濾波檢測方法不能很

3、好的檢測遠距離紅外弱小目標，從而導致漏檢及虛警。 (3) 對于門限分割，大多數檢測技術采用固定門限。固定門限對于簡單、一致背景下的紅外圖像是方便和有效的，但對于復雜多變的對空或海面目標檢測，很有可能目標點的灰度值低于統(tǒng)一的固定門限。所以應該根據局部灰度值分布設定與之相對的門限，可以應用自適應門限技術。而整幅圖像的自適應門限技術又會帶來巨大的計算量。 (4) 利用小波變換技術進行圖像處理是近年來的熱點。傳統(tǒng)和經典的小波變換

4、方法大多以正交小波為小波基，并且多采用已有的小波,如Harr小波和Daubechies小波等。雖然這些小波基被廣泛應用，但針對復雜背景下的紅外圖像，缺少適應性、線性相位等目標檢測領域需要的特點。 本文對低信噪比的紅外序列圖像中弱小目標檢測問題，以復雜背景分別是空域和海域的情況，進行了不同的算法研究，具有針對性強、實時性和檢測概率高的特點，并從單幀檢測到多幀關聯(lián)檢測進行了深入、系統(tǒng)的研究，主要研究成果如下： (1) 針對紅

5、外圖像的復雜背景，把單幀檢測問題分為空中點目標檢測和海面點目標檢測兩種情況?？罩悬c目標檢測的難點是大量云層的灰度值接近或高于目標點，并且背景受大氣和云層的復雜多變而波動很大。對此，本論文利用目標點和云塊在空間結構上的差異采用空域濾波技術——數學形態(tài)學——進行背景抑制。海面點目標檢測的難點是波浪延綿起伏，海面雜波和陸地沙丘的強度接近或高于目標點。對此，本文利用目標點和海面波浪在頻域分布上的差異采用頻域濾波技術——小波變換——進行背景抑制。

6、 (2) 針對空中點目標的檢測，將數學形態(tài)學濾波器與神經網絡相結合，利用神經網絡優(yōu)化訓練形態(tài)學濾波器的結構元素及形態(tài)學算法。使形態(tài)學濾波過程融入特有的智能，以實現對復雜背景條件下的弱小點目標的最優(yōu)化處理。同時，對單幀濾波的結果采用固定門限和自適應門限相結合的多次門限分割技術進行圖像分割和目標檢測，以提高檢測概率和效率。最后，利用神經網絡的非線性學習和處理能力，設計出基于目標點和虛假點之間微弱差別的神經網絡分類器，進一步提高檢測性

7、能。 (3) 針對海面點目標的檢測，首先研究了淹沒于海面的目標特點，并建立了目標模型的解析表達式。然后，將正交小波變換推廣到雙正交小波變換，利用雙正交小波的對稱性和線性相位等優(yōu)點，再結合目標模型的特點，構造出與目標相匹配的B-樣條雙正交小波。圖像經過雙正交小波變換后，目標和海面雜波被分解到不同的子帶上，為圖像分割提供了可能。最后，采用經典門限分割方法檢測到目標。 (4) 在單幀檢測的基礎上，引入檢測前跟蹤和關聯(lián)檢測的思想