小目標(biāo)檢測與識(shí)別技術(shù)研究.pdf

1、小目標(biāo)檢測與識(shí)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(duì)比度背景下小目標(biāo)檢測與識(shí)別技術(shù)，展開深入細(xì)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(dāng)前該領(lǐng)域中的一些難點(diǎn)和關(guān)鍵問題。 論文在分析了小目標(biāo)成像特性的基礎(chǔ)上，對(duì)小目標(biāo)和背景雜波進(jìn)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(shí)域和空域的分布特性。 在小目標(biāo)圖像的預(yù)處理方面，提出了多項(xiàng)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(yīng)背景預(yù)測技術(shù)，它良好的自適應(yīng)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(hào)信噪比能力上優(yōu)于傳統(tǒng)的方法；構(gòu)造了小目標(biāo)的多尺度梯度特征，在新的特征空間中，目標(biāo)與強(qiáng)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(qiáng)雜波背景：根據(jù)小目標(biāo)的運(yùn)動(dòng)特性，采用新的幀間相關(guān)方式改進(jìn)了原高階相關(guān)方法，新方法在提高目標(biāo)能量累積速度、削弱雜波等方面的能力得到明顯提升，并運(yùn)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(biāo)在高階相關(guān)運(yùn)算中存在的本質(zhì)差異，通過回歸分析對(duì)改進(jìn)方法和原方法的檢測性能進(jìn)行了進(jìn)一步的分析；針對(duì)小目標(biāo)面積小、與背景灰度差極小的特點(diǎn)，提出了兩種小目標(biāo)圖像增強(qiáng)方法，利用對(duì)圖像的多尺度分析掌握目標(biāo)和背景在不同尺度下的動(dòng)態(tài)變化規(guī)律，捕捉二者之間只有幾個(gè)像素的灰度過渡區(qū)，為拉伸目標(biāo)、背景抑制提供了準(zhǔn)確的分段點(diǎn)，還引入了原本應(yīng)用于擴(kuò)展目標(biāo)圖像增強(qiáng)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(duì)小目標(biāo)提出的閾值求取方法和擴(kuò)展直方圖分析，對(duì)原低對(duì)比度圖像實(shí)現(xiàn)了有效的增強(qiáng)。 對(duì)低信噪比、低對(duì)比度背景小目標(biāo)的檢測和識(shí)別開展了有針對(duì)性的研究。對(duì)強(qiáng)光強(qiáng)噪聲背景下的小目標(biāo)，驗(yàn)證了強(qiáng)噪聲在短時(shí)間內(nèi)可視作正態(tài)噪聲過程，在粗精兩級(jí)分割的策略中運(yùn)用幀間差分、目標(biāo)填充、噪聲投影檢測等多項(xiàng)技術(shù)，避免了直接閾值分割所帶來的目標(biāo)能量損失；對(duì)運(yùn)動(dòng)速度較快的小目標(biāo)，則通過劃分每個(gè)點(diǎn)的運(yùn)動(dòng)區(qū)域，將動(dòng)態(tài)規(guī)劃方法在幀間的能量累加局限在一

5、個(gè)比較小的范圍之內(nèi)，起到改善能量累加效果的作用，同時(shí)根據(jù)像素點(diǎn)在幀間的運(yùn)動(dòng)速度信息，用截?cái)嘈蜇灢呗灾鸩教蕴粼趲g運(yùn)動(dòng)速度較慢的點(diǎn)，提高了目標(biāo)檢測的速度，并采用極值理論對(duì)其性能進(jìn)存了分析；在小目標(biāo)識(shí)別方面，細(xì)致分析了小目標(biāo)在時(shí)域、空域、頻域的多項(xiàng)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(shí)別法對(duì)小目標(biāo)進(jìn)行了識(shí)別，顯示了單特征識(shí)別手段在面對(duì)復(fù)雜場景下的局限性，進(jìn)一步提出了基于數(shù)據(jù)融合思想的目標(biāo)識(shí)別方法，分別用決策級(jí)融合層

6、中的“與”邏輯、“或”邏輯和“K秩”方法以及特征級(jí)融合層中基于模糊思想的多特征融合方法對(duì)實(shí)際圖像進(jìn)行了處理，論證了基于數(shù)據(jù)融合思想的目標(biāo)識(shí)別方法所具有的優(yōu)越性，并指出基于多特征融合的目標(biāo)識(shí)別是小目標(biāo)識(shí)別領(lǐng)域未來發(fā)展的方向。 論文細(xì)致分析了小目標(biāo)檢測與跟蹤實(shí)時(shí)圖像處理平臺(tái)的系統(tǒng)組成與結(jié)構(gòu)特點(diǎn)，著重對(duì)低對(duì)比度小目標(biāo)的檢測和跟蹤算法的DSP實(shí)現(xiàn)進(jìn)行了研究，通過對(duì)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(shí)現(xiàn)了目標(biāo)的實(shí)時(shí)檢測與跟