遠距離成像弱小目標檢測技術(shù)及性能評估.pdf

1、近年來，遠距離弱小目標檢測技術(shù)變得越來越熱門。在現(xiàn)代戰(zhàn)爭中，紅外傳感器的應(yīng)用極其廣泛，但其限制也很明顯—作用距離短。通過改善檢測算法的檢測性能，可以達到增大紅外傳感器使用距離的目的。遠距離弱小目標檢測技術(shù)的難點在于：目標面積小，信噪比低，背景復(fù)雜。
　　本文在充分研究空中紅外弱小目標圖像特性的基礎(chǔ)上，對基于背景抑制的弱小目標檢測方法進行了較為深入的研究，并對紅外弱小目標檢測算法的性能評估方法進行了探索。本論文的主要研究工作如下：<

2、br>　　1.為了擴大論文的數(shù)據(jù)集范圍，以便在更大的數(shù)據(jù)支撐域內(nèi)對算法的性能進行全方位的測試，本文引入了圖像數(shù)據(jù)生成。該方法通過把多個小目標以不同的局部信雜比隨機嵌入到天空背景的紅外圖像之中，生成測試環(huán)節(jié)所需的圖像數(shù)據(jù)。該方法可以有效解決真實數(shù)據(jù)源不足所帶來的測試瓶頸。
　　2.通過將紅外小目標圖像在某一個像素點的領(lǐng)域內(nèi)擬合為一個小平面，利用平面的梯度算子可以快速判斷出平面極值點的特性，改進了原始的基于小波變換的背景抑制算法，將其

3、與平面擬合的預(yù)處理算法結(jié)合，并以此改進算法為核心構(gòu)建了一套以單幀標記多幀確認為結(jié)構(gòu)的針對紅外空中弱小目標的檢測流程。改進后的流程有效的降低了序列紅外弱小目標圖像的虛警概率，并且改善了序列紅外弱小目標圖像的檢測效果。
　　3.支持向量回歸（Support Vector Regression，SVR）是研究小樣本情況下機器學習規(guī)律的有效理論之一。本文將SVR應(yīng)用于紅外弱小目標檢測算法的性能評估之中，用SVR完成了對四種紅外弱小目標檢測