復(fù)雜背景下紅外小目標(biāo)探測與跟蹤若干關(guān)鍵技術(shù)研究.pdf

1、復(fù)雜背景下紅外小目標(biāo)探測與跟蹤技術(shù)是一種在軍事和民用諸多領(lǐng)域有著廣泛應(yīng)用前景的技術(shù)。但由于小目標(biāo)在圖像中所占像素少，目標(biāo)的細(xì)節(jié)特征丟失，很難與雜波形成有效區(qū)分。致使在復(fù)雜背景下小目標(biāo)跟蹤易出現(xiàn)丟失目標(biāo)或錯(cuò)跟雜波的現(xiàn)象，這在很大程度上限制了小目標(biāo)跟蹤技術(shù)的發(fā)展與實(shí)用化。同時(shí)由于大量現(xiàn)有光電跟蹤系統(tǒng)不能對小目標(biāo)形成有效跟蹤，其作用距離自然大打折扣。而如何實(shí)現(xiàn)穩(wěn)定可靠的紅外小目標(biāo)跟蹤正是本文所要重點(diǎn)突破與研究的內(nèi)容。本文將從紅外小目標(biāo)探測與跟

2、蹤的一些關(guān)鍵性技術(shù)入手，逐一解決若干難題，最終實(shí)現(xiàn)復(fù)雜背景下紅外小目標(biāo)穩(wěn)定可靠的探測與跟蹤。
　　 為提高系統(tǒng)探測與跟蹤能力，本文對復(fù)雜背景中紅外小目標(biāo)探測與跟蹤的相關(guān)技術(shù)進(jìn)行了深入研究。首先詳細(xì)研究了紅外小目標(biāo)跟蹤中的圖像預(yù)處理技術(shù)，尤其對與紅外小目標(biāo)跟蹤相關(guān)的基于場景非均勻性校正和背景抑制兩個(gè)方面展開了重點(diǎn)研究。在非均勻性方面提出了空間域低通時(shí)域高通非均勻性校正算法、高頻恒定統(tǒng)計(jì)非均勻性校正算法、基于最優(yōu)化技術(shù)的條紋非均勻性

3、校正算法，將基于場景非均勻性校正算法的收斂時(shí)間從上千幀縮短為只需要幾十幀，同時(shí)對條紋非均勻性可以實(shí)現(xiàn)單幀的校正。在背景抑制方面提出了復(fù)濾波器組背景自適應(yīng)抑制算法，將復(fù)濾波器的概念引入到了小目標(biāo)圖像檢測中，能夠有效抑制背景雜波，提高目標(biāo)信雜比。
　　 本文建立了紅外小目標(biāo)跟蹤的貝葉斯框架的核心論，構(gòu)建了紅外小目標(biāo)跟蹤的點(diǎn)跡和觀測概率的數(shù)學(xué)模型。該框架與一般貝葉斯框架最大的區(qū)別是本文建立的貝葉斯框架是基于濾波與數(shù)據(jù)關(guān)聯(lián)框架和基于目標(biāo)

4、建模與定位框架的融合。這種融合能有效提高小目標(biāo)跟蹤算法的性能。在該框架的基礎(chǔ)上，本文引入了多特征概念，設(shè)計(jì)了多特征觀測概率、多特征航跡似然概率。多特征的引入豐富了數(shù)據(jù)關(guān)聯(lián)的手段，提高了數(shù)據(jù)關(guān)聯(lián)的效率。本文同時(shí)提出了組合濾波技術(shù)，該技術(shù)與機(jī)動(dòng)目標(biāo)跟蹤中的多模型法相比，能夠極大降低計(jì)算量而不犧牲跟蹤精度。
　　 本文提出了五個(gè)完整的復(fù)雜背景下小目標(biāo)跟蹤的算法，包括最大觀測概率法、多特征PDA法、組合濾波最大觀測概率法、粒子多假設(shè)法、

5、轉(zhuǎn)移受限粒子濾波法。這五個(gè)算法是貝葉斯框架下紅外小目標(biāo)跟蹤的具體實(shí)現(xiàn)。最大觀測概率法、多特征PDA法是將多特征引入到原有的最鄰近法和PDA法中，這些專門針對紅外小目標(biāo)特征的引入，使得跟蹤算法比原有算法在跟蹤效果上獲得很大的提高。組合濾波最大觀測概率法是將組合濾波技術(shù)和最大觀測概率法相結(jié)合的產(chǎn)物，并使得最大觀測概率法能有效跟蹤機(jī)動(dòng)目標(biāo)。粒子多假設(shè)法則是摒棄了原有多假設(shè)法回溯的問題，將多假設(shè)法改進(jìn)成貝葉斯框架的算法，提高了算法的效率，節(jié)省了

6、計(jì)算時(shí)間。轉(zhuǎn)移受限粒子濾波法則通過多特征與粒子濾波的結(jié)合，并通過對重要密度函數(shù)進(jìn)行專門針對紅外小目標(biāo)的改進(jìn)，使得大量的粒子不再浪費(fèi)在無用區(qū)域，降低了所需要的粒子數(shù)目，提高了粒子濾波在紅外小目標(biāo)跟蹤中的效率。
　　 本文提出了圖像處理器群接口總線技術(shù)、多處理器多線程技術(shù)。這兩項(xiàng)硬件平臺(tái)的關(guān)鍵技術(shù)借助多處理板、多處理器協(xié)同工作使得各種復(fù)雜的紅外小目標(biāo)跟蹤算法在硬件平臺(tái)中實(shí)時(shí)實(shí)現(xiàn)成為了可能。
　　 本文正是從復(fù)雜背景下小目標(biāo)探