復雜背景下弱目標檢測技術(shù)研究.pdf

1、在弱照度場景下,通過傳感器獲取的圖像背景較為復雜,該圖像主要包含灰度信息,而丟失大部分色度信息,并且圖像的紋理信息不明顯。另外,遠距離運動目標在二維成像平面上通常表現(xiàn)為時域非平穩(wěn)信號。因此,為了檢測復雜背景圖像中的弱目標,不宜采用時域檢測方法,而需要借助圖像的空域信息。邊緣包含圖像空域最基本最豐富的信息,通過提取目標的邊緣信息,就可以分離出目標與背景,從而實現(xiàn)復雜背景下弱目標的檢測。
　　本文對復雜背景下弱目標的檢測技術(shù)進行研究,

2、主要工作如下:
　　1、由于遠距離目標在時域上表現(xiàn)為非平穩(wěn)特性,引入了邊緣提取。在分析一階和二階微分算子的基礎(chǔ)上,重點分析了Canny邊緣提取算子,并對其加以改進。為對比改進前后的性能,分析并實現(xiàn)了形態(tài)學邊緣提取和小波邊緣提取。
　　2、為了精確得到光滑曲線的邊緣信息,引入邊緣跟蹤。在邊緣跟蹤方向的選取方面,對相異性準則進行了改進,將圖像像素點的梯度信息和灰度信息同時加入相異性度量中,使得邊緣像素間的關(guān)聯(lián)性更緊密,從而可以跟

3、蹤到更光滑、定位更準確的邊緣路徑,提高邊緣跟蹤的有效性。此外,針對邊緣路徑的跟蹤結(jié)束條件,使用一種新的斷點判決方法。實驗結(jié)果表明,該判決方法可以有效處理孤立和毛刺邊緣點。
　　3、分析了Hough變換及其檢測圓方法。由于邊緣提取圖像對Hough檢測曲線的影響很大,本文基于Canny算子的思想,創(chuàng)新性地采用相異性準則的邊緣跟蹤法對圖像邊緣段進行跟蹤連接,然后在連接后的邊緣路徑上使用Hough變換進行曲線檢測。實驗表明,該方法可以有效

4、抑制圖像噪聲和雜波背景對檢測的影響,降低目標檢測的虛警點。
　　4、實現(xiàn)了本文改進的算法,并與改進前的效果進行對比。考慮到視頻圖像采集系統(tǒng)易受背景雜波、攝像機抖動以及傳輸線路的影響,分析并實現(xiàn)了幾種預處理方法。此外,為了說明邊緣空域信息在目標檢測中的有效性,對時域檢測方法進行分析、實現(xiàn),并將其與本文改進的算法進行檢測效果對比。實驗結(jié)果表明,當視頻圖像的信噪比較低、目標在時域上的運動特征沒有規(guī)律可循及目標的邊緣灰度值過渡尖銳時,不宜