運動目標紅外圖像智能識別跟蹤技術研究.pdf

1、基于紅外探測技術的目標檢測和跟蹤系統(tǒng),屬于無源被動探測系統(tǒng),在探測過程中不向外界發(fā)射任何能量,使其具有反偵查能力強、工作時間長和適應復雜環(huán)境的優(yōu)勢,在防空預警和導彈制導等軍事領域得到了廣泛的應用。因此,研究在復雜背景下紅外圖像目標的智能跟蹤和檢測的算法,不但可以在理論層面上實現(xiàn)算法的突破,也可應用到實際戰(zhàn)場中成為尖兵利器。
　　本論文在深入研究國內(nèi)外紅外圖像目標檢測和跟蹤技術的研究現(xiàn)狀和研究發(fā)展的基礎上,提出了一套在復雜背景下對弱

2、小目標進行有效檢測和跟蹤的算法方案。在研究過程中所做的工作包括以下幾個方面:
　　首先,通過對紅外光譜的分析,掌握紅外光的概念;在此基礎上研究紅外成像系統(tǒng)的組成和工作原理,進而總結出紅外成像系統(tǒng)特性;與可見光圖像對比分析,通過直方圖歸納總結紅外圖像的特性;對各類紅外小目標以及背景的輻射特性進行分析;對影響紅外圖像質量的成像系統(tǒng)中的噪聲進行歸納總結。
　　然后,在對紅外圖像中目標和背景的特性分析前提下,建立了紅外圖像的數(shù)學模型

3、,提出圖像預處理的思路;在此基礎上研究了時間域、變換域和空間域三大理論體系下的紅外圖像預處理算法,對其中應用較多的算法進行仿真,通過仿真實驗比較分析各算法的濾波性能,并得出本文所采用的預處理算法。
　　接著,研究紅外目標檢測中的兩大類方法,比較分析兩類算法的優(yōu)缺點;結合本文中的目標特性,對先檢測后跟蹤方法中的閾值分割檢測算法進行研究;結合遺傳算法在尋優(yōu)方面的優(yōu)勢,提出了改進的最大類間方差分割算法,利用遺傳算法求解類間方差判決函數(shù)得

4、到最優(yōu)閾值,解決了原算法在尋求閾值過程中計算量大的問題。實驗結果證明本文算法在保證檢測精度的前提下,優(yōu)化了閾值計算的復雜程度。
　　最后,建立機動目標跟蹤框架;研究貝葉斯理論、線性濾波技術以及非線性濾波技術;提出了一種改進的粒子濾波算法,在交互式模型框架下,建立三種目標運動模型覆蓋目標所有可能的運動狀態(tài),并對不同模型匹配相應的濾波器,實現(xiàn)對算法結構的簡化。仿真結果證明本文算法降低了跟蹤過程中的均方根誤差,提升了目標跟蹤的精度,并具