大視場紅外搜索系統(tǒng)目標(biāo)檢測關(guān)鍵技術(shù)研究.pdf

1、現(xiàn)代高技術(shù)戰(zhàn)爭中，紅外成像探測已成為在復(fù)雜電磁干擾對抗環(huán)境下，輔助或替代雷達進行目標(biāo)監(jiān)視預(yù)警的重要方式，也是未來非對稱作戰(zhàn)環(huán)境下戰(zhàn)場防御主要途徑?，F(xiàn)階段發(fā)展第三代紅外探測系統(tǒng)的主要方向是，利用上千像元的大規(guī)格焦平面陣列進行遠距離、大視場、高分辨的目標(biāo)探測及成像識別。該類系統(tǒng)主要特點是：高精度探測、快速掃描、水平方向360度全景覆蓋和大俯仰角度的搜索警戒。由此，大視場紅外圖像處理、實時目標(biāo)檢測算法等問題就突顯出來。本文以“十二五”裝備預(yù)先

2、研究項目為支撐，以新一代高性能大視場紅外搜索系統(tǒng)的應(yīng)用需求為依據(jù)，針對大視場紅外圖像的目標(biāo)探測技術(shù)開展研究。論文共分為四個部分：
　　第一部分針對高動態(tài)范圍的紅外圖像，在動態(tài)拉伸過程中由于大視場內(nèi)背景成分較復(fù)雜，導(dǎo)致無法有效保留細(xì)節(jié)及信雜比下降的問題，提出了一種動態(tài)范圍壓縮及細(xì)節(jié)增強(DRCDDE)算法。首先，采用雙邊濾波將原始圖像分解為包含大尺度結(jié)構(gòu)的基底圖像和包含高頻信息的細(xì)節(jié)圖像。然后，建立起局部對比度保持的動態(tài)范圍壓縮的算

3、子模型，并提出一種新的非線性亮度轉(zhuǎn)移函數(shù)，實現(xiàn)對基底圖像的自適應(yīng)動態(tài)范圍壓縮。對于細(xì)節(jié)圖像，根據(jù)圖像局部統(tǒng)計特性構(gòu)建合適的灰度擴展準(zhǔn)則，實現(xiàn)低對比度的細(xì)節(jié)增強及噪聲的抑制。最后，將兩部分結(jié)果進行加權(quán)融合。論文用真實的紅外數(shù)據(jù)進行實驗，并提出聯(lián)合度量標(biāo)準(zhǔn)與其它算法進行定量的比較。結(jié)果表明，本文的算法不僅能實現(xiàn)各種紅外場景下的動態(tài)范圍壓縮，很好的增強不同溫度背景中的微小溫差細(xì)節(jié)；同時還可以有效的增強弱小目標(biāo)抑制噪聲，即提高了圖像的顯示效果又

4、利于進一步的目標(biāo)提取。
　　第二部分針對大視場紅外圖像單幀數(shù)據(jù)量大、背景干擾成分繁雜、目標(biāo)信雜比低等特點，提出了兩種滿足實時處理要求的興趣區(qū)快速提取算法：基于傅里葉頻譜濾波的紅外圖像顯著性檢測和基于分塊圖像加權(quán)熵值矩陣的興趣區(qū)提取，并構(gòu)造基于多特征融合的綜合分類器以實現(xiàn)目標(biāo)確認(rèn)和虛警剔除。首先，受人眼視覺系統(tǒng)能快速形成對顯著區(qū)域注意的啟發(fā)，論文提出了基于離散傅里葉頻譜濾波的紅外圖像顯著圖生成算法。算法利用二維Gabor濾波器對紅外

5、圖像進行不同頻率、朝向的多通道特征提??；進而建立了基于頻譜濾波的顯著性檢測（FSFS)模型。它在頻域上建立視覺注意模型獲取圖像的顯著性信息，可以引導(dǎo)計算資源的分配，快速、高效的實現(xiàn)興趣區(qū)提取。此外，結(jié)合實測大視場圖像的特點，論文還提出一種基于分塊圖像加權(quán)熵值矩陣的快速興趣區(qū)提取算法。它提出一種加權(quán)熵特征判別函數(shù)，建立子圖像塊的加權(quán)熵值矩陣；通過自適應(yīng)閾值選取方法對背景分類并快速提取目標(biāo)興趣區(qū)。
　　第三部分針對大視場紅外搜索系統(tǒng)在

6、大范圍、全景監(jiān)視時，無法自動預(yù)知目標(biāo)尺度信息；而不同距離的目標(biāo)成像尺寸差異引起的特征變化，使傳統(tǒng)小視場目標(biāo)檢測算法難以自適應(yīng)的問題，提出了一種可實現(xiàn)紅外圖像中典型目標(biāo)定位及自動尺度選擇的算法。利用多尺度分析并基于離散尺度空間理論，算法流程為：首先，用 blob-like結(jié)構(gòu)對圖像中飛機目標(biāo)進行特征建模，并基于Lindeberg的公理化結(jié)論數(shù)值實現(xiàn)了紅外圖像二維離散尺度空間的構(gòu)造。然后，引入離散導(dǎo)數(shù)近似的概念，推導(dǎo)出能穩(wěn)定提取離散尺度空間

7、中 blob-like特征點的微分組合，稱為歸一化的拉普拉斯的離散相似(NDAL)算子。檢測離散尺度空間中NDAL的26鄰域極大值得到圖像初始的關(guān)鍵點。最后，通過分析目標(biāo)的多尺度奇異性設(shè)計冗余關(guān)鍵點的聯(lián)合抑制準(zhǔn)則，實現(xiàn)真實目標(biāo)點的提取及尺度選擇。利用尺度信息，指導(dǎo)多特征融合的綜合分類器的設(shè)計，獲取較高的目標(biāo)與虛警的識別準(zhǔn)確率。仿真數(shù)據(jù)和多種復(fù)雜背景及目標(biāo)尺寸的真實數(shù)據(jù)進行實驗，結(jié)果都證明了本文算法檢測和尺度選擇的能力。算法最大優(yōu)勢在于可

8、在沒有任何先驗知識的條件下提供目標(biāo)的尺度信息，以指導(dǎo)真實目標(biāo)的確認(rèn)和虛警剔除。
　　第四部分針對大視場紅外搜索系統(tǒng)工程實現(xiàn)的大數(shù)據(jù)量圖像實時處理、高速率數(shù)據(jù)傳輸以及并行體系構(gòu)建等關(guān)鍵技術(shù)進行了研究。論文設(shè)計了一種基于多核DSP+FPGA架構(gòu)的高性能處理的平臺，實現(xiàn)了多核協(xié)同并行處理、Rocket IO高速串行互聯(lián)和基于SmartReflex技術(shù)的動態(tài)功率監(jiān)視。在該平臺上，進一步基于可重構(gòu)并行技術(shù)完成算法的實時處理。測試表明，設(shè)計的