復(fù)雜背景抑制及弱小目標(biāo)檢測算法研究.pdf

1、紅外預(yù)警系統(tǒng)依靠被動(dòng)地接受紅外輻射實(shí)現(xiàn)檢測、識別和跟蹤來襲目標(biāo),相比雷達(dá)預(yù)警系統(tǒng),它所具有的隱蔽性好、角分辨率高、抗電磁干擾能力強(qiáng)等優(yōu)點(diǎn),已受到各國軍方的高度重視。由于紅外預(yù)警系統(tǒng)還具備體積小、重量輕、機(jī)動(dòng)性強(qiáng)等優(yōu)點(diǎn),它已逐漸成為現(xiàn)代化信息對抗體系中的一個(gè)重要組成部分。隨著導(dǎo)彈、飛機(jī)等進(jìn)攻性兵器速度的不斷提高,要求紅外預(yù)警系統(tǒng)能在較遠(yuǎn)的距離處搜索到來襲目標(biāo),以為我方對抗系統(tǒng)提供足夠的預(yù)警時(shí)間。然而,當(dāng)目標(biāo)較遠(yuǎn)時(shí),系統(tǒng)接收的是一種復(fù)雜背景

2、中的微弱信號,即其不僅背景復(fù)雜、目標(biāo)信號微弱、信噪比低,而且尺寸小、無形狀、紋理信息,很難將其從背景中檢測出來,以致如何實(shí)現(xiàn)復(fù)雜背景下紅外弱小目標(biāo)的可靠檢測,成了當(dāng)今國內(nèi)外同仁廣為研究的熱門課題,它是一個(gè)具有重要理論意義和工程應(yīng)用價(jià)值的研究課題。
　　 本文主要研究天空復(fù)雜背景下的紅外弱小目標(biāo)檢測問題,首先分析了紅外圖像中弱小目標(biāo)及其背景特性,然后利用矩陣論、仿生學(xué)理論、多尺度幾何分析、局部濾波、非線性濾波等理論工具,研究了相應(yīng)

3、的算法,主要包括紅外弱小目標(biāo)背景抑制和紅外弱小目標(biāo)多幀檢測兩方面的算法。本文主要研究成果有:
　　 1、提出了兩種背景抑制算法。針對天空中可能出現(xiàn)的大面積云層背景,提出了基于奇異值分解的人工蟻群背景抑制算法。該算法利用圖像矩陣中奇異值在代數(shù)和幾何上的不變性原理,對圖像進(jìn)行奇異值分解,用人工蟻群對分解結(jié)果優(yōu)化。實(shí)驗(yàn)證明,該算法能有效抑制復(fù)雜多變的云層背景,提高了圖像的信噪比和對比度,且適應(yīng)性強(qiáng),但是運(yùn)算量偏大。為提高算法的實(shí)時(shí)性提

4、出了一種基于多尺度奇異值分解背景抑制算法,該算法利用àtrous小波的多尺度和平移不變性等優(yōu)勢,對小波分解后的子帶進(jìn)行特征值截?cái)鄟碚{(diào)整系數(shù),達(dá)到了抑制背景的目的。仿真結(jié)果表明該算法對一般的背景結(jié)構(gòu)都能取得較好的抑制效果,有效地增強(qiáng)了目標(biāo)信號。
　　 2、針對天空背景中可能出現(xiàn)的結(jié)構(gòu)化背景和強(qiáng)起伏云層,提出了一種改進(jìn)的雙邊濾波算法和基于雙邊濾波的非抽樣輪廓波背景抑制算法。利用目標(biāo)和背景與其周圍鄰域相關(guān)性差異的特點(diǎn),對像素的灰度和幾

5、何結(jié)構(gòu)與其局部鄰域之間的關(guān)系進(jìn)行分析,提出了一種改進(jìn)的雙邊濾波算法。該算法通過對背景圖像的預(yù)測實(shí)現(xiàn)目標(biāo)與背景的分離。利用非抽樣輪廓波變換所具有的多尺度、多方向和平移不變性特點(diǎn),采用雙邊濾波對各子帶系數(shù)在空間距離、幾何結(jié)構(gòu)和灰度關(guān)系進(jìn)行調(diào)整,提出了一種基于雙邊濾波的非抽樣輪廓波背景抑制算法。實(shí)驗(yàn)證明,所提算法能對空空系統(tǒng)中的結(jié)構(gòu)化背景進(jìn)行有效抑制,提高圖像整體的信噪比,使紅外圖像中復(fù)雜背景的抑制效果得到很大的提高。
　　 3、提出

6、了兩種基于序列圖像處理的弱小目標(biāo)檢測算法。利用目標(biāo)圖像的幀間相關(guān)特性和運(yùn)動(dòng)軌跡的連續(xù)性,構(gòu)造了相關(guān)系數(shù),針對機(jī)動(dòng)性弱的常規(guī)線性運(yùn)動(dòng)目標(biāo),提出了一種基于卡爾曼濾波的幀間相關(guān)檢測算法。當(dāng)目標(biāo)機(jī)動(dòng)性較大時(shí),其運(yùn)動(dòng)模型具有較強(qiáng)的非線性,針對這種情況提出了Unsecured粒子濾波的序列檢測算法,實(shí)現(xiàn)了對該類目標(biāo)的快速準(zhǔn)確檢測,并將該算法成功地應(yīng)用于紅外預(yù)警系統(tǒng)中。仿真結(jié)果表明,兩種算法在不同運(yùn)動(dòng)模型下對目標(biāo)的檢測效果更加準(zhǔn)確,減少了目標(biāo)檢測過程

7、中虛假目標(biāo)和漏檢目標(biāo)的數(shù)目,提高了對序列圖像中弱小目標(biāo)的檢測能力。
　　 4、紅外弱小目標(biāo)檢測算法性能分析。紅外弱小目標(biāo)檢測算法的性能與多種因素有關(guān),就圖像質(zhì)量而言其評價(jià)指標(biāo)包括信噪比和對比度等,就檢測要求而言其評價(jià)指標(biāo)包括檢測概率和虛警概率等。本文對上述幾個(gè)重要指標(biāo)進(jìn)行了綜合、詳細(xì)地分析,從理論上闡述了虛警概率和檢測門限之間的關(guān)系、檢測概率和信噪比之間的關(guān)系以及檢測概率和虛警概率之間的關(guān)系。從工程實(shí)際出發(fā),詳細(xì)地分析了ROC曲