低信噪比紅外弱小運動目標先跟蹤后檢測（TBD）的檢測方法研究.pdf

1、十幾年來,紅外低信噪比小目標檢測問題一直是紅外圖象領域的研究熱點.研究低信噪比圖象中小目標的實時檢測算法,可以在現(xiàn)代高科技戰(zhàn)爭中取得優(yōu)勢,擴展各種傳感器的作用距離,盡可能早的發(fā)現(xiàn)目標、捕捉目標.低信噪比小目標檢測困難在于:目標信噪比低,無紋理特征可以利用,供可靠檢測目標的信息太少,那些以單幀檢測為基礎的先檢測后跟蹤(DBT)的檢測方法的性能將難以保證,只有依靠序列圖象的三維信息來提取目標,這就是先跟蹤后檢測的小目標檢測思想(TBD).作

2、者在參與基于先檢測后跟蹤小目標檢測算法的紅外成像跟蹤系統(tǒng)設計任務的基礎上,針對未來背景制導技術要求,開展了對先跟蹤后檢測算法的研究.紅外圖象理想目標背景模型是先跟蹤后檢測算法的理論基礎,然而實際的紅外場景卻與之相差甚遠,只有通過原始圖象預處理減少兩者之間的差距,因此預處理算法是紅外小目標檢測系統(tǒng)的一個重要環(huán)節(jié).它的目的是為了抑制各幀圖象中的背景噪聲,削弱其對紅外弱目標的影響,提高信噪比,減少后續(xù)處理的計算量.本文詳細介紹了三種預處理方法

3、,分別為高通濾波、自適應濾波和形態(tài)學濾波,每種方法都有各自的優(yōu)缺點,只有根據(jù)實際的場景和檢測需求來選擇.動態(tài)規(guī)劃算法和多級假設檢驗算法都是先跟蹤后檢測思想的典型代表.動態(tài)規(guī)劃算法把最優(yōu)化原理同彈道積分原理結合起來,將小目標檢測問題轉化成為在一系列軌跡中尋找灰度累加值最大的線路的問題;多級假設檢驗則是根據(jù)圖象信息和系統(tǒng)的要求得到的多級門限對形如"樹"一樣的軌跡進行不斷修剪,目標所在的樹枝將會保存下來.本文詳細解析這兩種算法的同時,通過實驗

4、仿真證明了其確實具有準確檢測小目標的特性.但是對于DBT檢測算法很難解決的低信噪比小目標問題,先跟蹤后檢測算法是犧牲系統(tǒng)的計算量和存儲量來實現(xiàn)的.現(xiàn)有硬件水平尚未滿足TBD算法實時應用的要求.因此,要將此種算法應用于實際工程中還需要進一步的改進.在本文的第五章,作者提出了一種改進的動態(tài)規(guī)劃算法,在原有動態(tài)規(guī)劃算法的基礎上加入了多級假設檢驗的多級門限判斷,實驗證明,門限的加入不但沒有影響原有算法的正確性,還大大減少了整個檢測過程的計算量和