天空背景下多尺度紅外目標(biāo)檢測(cè).pdf

1、隨著紅外成像技術(shù)與數(shù)字圖像處理技術(shù)的發(fā)展，紅外目標(biāo)檢測(cè)技術(shù)開始廣泛應(yīng)用于制導(dǎo)、跟蹤、自動(dòng)控制、人工智能等諸多領(lǐng)域。但由于目標(biāo)所處場(chǎng)景的復(fù)雜性和目標(biāo)信息量的缺乏，使得紅外目標(biāo)檢測(cè)技術(shù)是一個(gè)復(fù)雜的過(guò)程。 本文針對(duì)同一視場(chǎng)中存在多個(gè)目標(biāo)、且目標(biāo)尺度不定的情況，提出了基于形態(tài)學(xué)濾波預(yù)處理和多幀管道累積的紅外弱小目標(biāo)檢測(cè)算法、基于目標(biāo)邊緣分割與雙窗分割的近距紅外目標(biāo)檢測(cè)算法，并最終在此基礎(chǔ)上提出了針對(duì)多尺度、多目標(biāo)的檢測(cè)算法。 弱

2、小紅外目標(biāo)檢測(cè)有兩個(gè)關(guān)鍵，第一是背景抑制與目標(biāo)增強(qiáng)，第二是閾值分割。針對(duì)第一個(gè)關(guān)鍵，我們分析了常用的均值濾波、一維形態(tài)學(xué)濾波與二維形態(tài)學(xué)濾波，并得出結(jié)論，我們采用的二維形態(tài)學(xué)濾波算法能夠較好的抑制背景突出目標(biāo)。針對(duì)第二個(gè)關(guān)鍵，我們分析了傳統(tǒng)的針對(duì)高斯分布背景的閾值化方法，并根據(jù)形態(tài)學(xué)濾波后背景的分布情況，提出了合適的閾值確定方法。 根據(jù)近距紅外目標(biāo)存在灰度較高、邊緣強(qiáng)烈等特點(diǎn)，我們提出了根據(jù)亮度、邊緣特征先初步分割，再根據(jù)初步分