紅外弱小多目標實時處理.pdf

1、紅外成像技術隱蔽性好、抗干擾能力強且能全天候工作，被廣泛應用于民用和軍事領域。但紅外弱小目標的成像距離遠，背景雜波干擾嚴重，使得其成像信噪比低、結構信息不足，對紅外圖像預處理方法、弱小目標檢測以及弱小目標跟蹤方法的研究成為紅外弱小多目標實時處理技術的關鍵，在紅外制導等領域起到關鍵作用。本論文以實際科研項目為研究背景，基于FPGA+DSP架構實現紅外圖像的實時處理方法的設計與優(yōu)化。
　　紅外弱小多目標圖像背景雜波和噪聲干擾嚴重，圖像

2、預處理至關重要，于是本文采用改進中值濾波來適應不同噪聲類型和噪聲密度，在改變滑動窗口長度的同時改變窗口形狀，并保證以較小的窗口進行濾波。基于目標和背景特征，采用改進形態(tài)學背景抑制算法，通過尺度變化的半圈組合型結構元提取起伏變化的圖像背景，實現背景雜波的有效抑制。
　　在弱小多目標檢測方面，結合帶尺度因子的點擴散模型，在拉普拉斯高斯尺度空間下表示圖像，初步確定目標位置和大小，通過各向差異度均值的閾值判斷提取出所有可疑目標，再根據目標

3、大小結合各向差異度實現真實目標的檢測。
　　在弱小多目標的跟蹤方面，為了實現可靠跟蹤，匹配不同數據更新速率的濾波器，對低速運動目標匹配均值漂移卡爾曼濾波器，而高機動運動目標匹配改進均值漂移粒子濾波器，并進行交互式融合，得到目標跟蹤結果，而為了實現多目標的可靠跟蹤，通過結合馬爾可夫隨機網絡，考慮了各個目標的相鄰目標的狀態(tài)，估計出每個目標最大聯合后驗概率，更新濾波器參數和粒子權值，進行多目標位置估計。
　　基于紅外實時圖像處理平

4、臺，通過算法移植，對分辨率為640*512的中波紅外相機連續(xù)拍攝的大量數據進行實時處理，處理結果表明，在圖像預處理方面，本文采用的改進中值濾波噪聲平滑算法和改進形態(tài)學背景抑制算法具有較好的處理效果和實時性;在多目標的檢測方面，本文采用的基于尺度空間的各向差異度檢測算法相比已有算法，魯棒性更好，具有更高的檢測率，同時單幀的平均處理時間小于5ms，滿足處理實時性要求;在多目標的跟蹤方面，對于本文采用的結合馬爾可夫隨機網絡的多模型改進卡爾曼粒