复杂地面背景下目标检测算法研究

发布时间：2020-10-25 23:54

　　 由于红外探测系统具有机动性好、抗干扰能力强和全天时工作等优点,使得红外探测技术成为目标检测领域常用的手段,如红外火灾检测、红外告警和红外制导等。然而,在对地面目标进行检测时,地面场景复杂程度高、干扰多,且当目标成像距离较远时,目标成像的对比度和信噪比降低,使得复杂地面背景下目标检测的难度增大。因此,复杂地面背景下的目标检测技术研究有着十分重要的理论意义和工程应用价值。本文对复杂地面背景下的目标检测算法进行了深入研究,主要开展了如下工作。首先,对红外成像机理和红外图像的数学模型进行了研究分析,并采用真实的地面红外目标图像,从目标信噪比、目标局部邻域特性和目标尺度等方面对红外目标以及背景的成像特性进行了分析,同时分析红外图像中常见噪声。其次,研究提出一种改进的自适应奇异值分解(IASVD)算法,该算法利用两幅相邻图像的奇异值矩阵更新得到改进的奇异值矩阵,使预测的背景图像中包含更多的背景信息,从而提高了差分图像中目标的信噪比。然后,针对图像序列中运动目标检测问题,根据相关滤波理论,研究提出一种改进的时空上下文(ISTC)检测算法。该算法充分利用图像序列中的时空关系和图像中的灰度信息,为上下文提供了有效的模板,以增强目标与上下文区域的关联性,实现了有效的目标检测。最后,通过仿真的红外目标序列图像和真实的红外目标序列图像对研究提出的算法进行了仿真实验,实验结果验证了所研究提出的算法能够有效地实现复杂地面背景下红外运动目标的检测。
【学位单位】：西安电子科技大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TP391.41;TN215
【部分图文】：

理想高通滤波器3D图

第一组复杂地面背景下目标特性分析

（c）原始图像三维图 （d）目标局部三维图图 2.3 第二组复杂地面背景下目标特性分析过上述分析可知，在整幅图像中，弱小目标在图像中的灰度值并不一定景中存在与目标灰度值接近或者比目标灰度值大的像素点，目标可能淹
【相似文献】

相关期刊论文 前10条

1 舒朗;郭春生;;基于回归与深度强化学习的目标检测算法[J];软件导刊;2018年12期

2 王钤;张穗华;雷丝雨;邓博文;;一种基于数据聚类的目标检测算法[J];机电产品开发与创新;2016年06期

3 孙林;鲍金河;刘一超;;高光谱图像目标检测算法分析[J];测绘科学;2012年01期

4 张桂林，熊艳，曹伟，李强;一种评价自动目标检测算法性能的方法[J];华中理工大学学报;1994年05期

5 许云;李彬;;基于背景遗传模型的运动目标检测算法[J];自动化技术与应用;2017年03期

6 杜佳;宋春林;;一种改进的毫米波雷达多目标检测算法[J];通信技术;2015年07期

7 诸葛霞;向健勇;;基于分形特征的目标检测算法概述及仿真[J];红外技术;2006年10期

8 方路平;何杭江;周国民;;目标检测算法研究综述[J];计算机工程与应用;2018年13期

9 尚海林;;复杂场景下弱小目标检测算法的FPGA实现[J];航空兵器;2007年04期

10 施泽浩;;基于特征金字塔网络的目标检测算法[J];现代计算机(专业版);2018年03期

相关博士学位论文 前10条

1 李健;星载宽幅SAR及目标检测算法研究[D];西安电子科技大学;2018年

2 张丽丽;基于空谱联合特性的高光谱图像异常目标检测算法研究[D];哈尔滨工程大学;2018年

3 赵红燕;被动多基站雷达目标检测算法研究[D];西安电子科技大学;2017年

4 郭小路;多通道雷达干扰抑制与目标检测算法研究[D];西安电子科技大学;2017年

5 王志虎;基于显著性的运动目标检测算法研究[D];国防科学技术大学;2015年

6 郭明玮;基于视觉记忆的目标检测算法：一个特征学习与特征联想的过程[D];中国科学技术大学;2014年

7 王俊强;图像中人体目标检测算法研究[D];北京邮电大学;2012年

8 李凡;复杂背景抑制及弱小目标检测算法研究[D];西安电子科技大学;2010年

9 种劲松;合成孔径雷达图像舰船目标检测算法与应用研究[D];中国科学院研究生院（电子学研究所）;2002年

10 崔国龙;多天线配置雷达系统的目标检测算法研究[D];电子科技大学;2012年

相关硕士学位论文 前10条

1 吉爱萍;运动目标检测算法研究[D];沈阳化工大学;2018年

2 钱进;复杂地面背景下目标检测算法研究[D];西安电子科技大学;2018年

3 肖尧;小型飞行平台视频目标检测与跟踪技术研究[D];西安电子科技大学;2018年

4 李明月;基于背景建模的运动目标检测算法的研究与实现[D];西安电子科技大学;2018年

5 高丽清;高频地波雷达船舶目标检测算法研究[D];内蒙古大学;2018年

6 李梦莹;复杂背景下的红外小目标检测算法研究[D];吉林大学;2018年

7 王东京;基于TMS320C6678平台的红外运动目标检测算法设计[D];南京理工大学;2018年

8 李芝憬;海面回波分形特性分析与微弱目标检测[D];国防科学技术大学;2016年

9 舒朗;基于强化学习的目标检测算法研究[D];杭州电子科技大学;2018年

10 王哲峰;移动端目标检测系统的设计与实现[D];浙江大学;2018年

本文编号：2856156