基于多方向环形梯度法的红外小目标检测技术研究
发布时间：2021-01-19 18:18
复杂背景下的红外小目标检测是精确制导武器系统与空中侦查的关键技术,受到了越来越多的重视。由于目标与红外传感器之间的距离比较远,导致目标成像面积小,图像信噪比低,图像中目标物体的轮廓和纹理模糊,可用信息少。同时,由于复杂背景下的红外图像中存在大量的高亮背景区域和背景边缘,导致误检率比较高,严重影响检测算法的效果。因此,复杂背景下的红外小目标检测极具挑战。1.本文在国内外红外小目标检测研究的基础上,首先对红外小目标特性进行分析,并对目前常用的几种小目标检测算法进行仿真。针对红外小目标检测所面临的一些难点,本文以梯度算法为基础,通过对目标的梯度特性进行分析,得出目标在邻域周围具有360o梯度快速下降的特性,而疑似目标仅在少数方向具有梯度下降的特性。为解决普通的检测算法检测率低的问题,本文采用多级联合的方式。首先,提出了一种基于多方向环形梯度法的检测算法用来提取ROI,构建图像高斯金字塔进行多尺度提取ROI,解决目标的尺度问题;其次,为了使目标分割与特征提取更加准确,提出一种自适应多方向的新型Top-Hat变换进行背景抑制;最后采用自适应阈值算法对目标进行分割。2.基于单帧算法的检测结果,结合...
【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校
【文章页数】：95 页
【学位级别】：硕士
【部分图文】：
Haar特征模板
开发周期长、难度大、维护成本高。相反，ARM 比较擅长执行逻辑复杂的计算，适合做控制类操作，在系统中完成复杂的运算。系统的实物图如图 5.2 所示：图5.2 系统实物图
图5.3 FX3 结构框图5.1.3 算法移植首先，红外传感器通过 CameraLink 将红外图像数据送入 FPGA，完成图像数据的获取。其次，FPGA 对传来的图像数据分流处理，一路数据缓存到 DDR2 中，用于系统
【参考文献】：
期刊论文
[1]基于类Haar特征和自适应提升算法的前车识别[J]. 曹景胜,李刚,石晶,王冬霞,郭银景. 科学技术与工程. 2019(07)
[2]基于最大中值滤波和K-means聚类红外弱小目标检测[J]. 岳付昌. 光电技术应用. 2018(05)
[3]尺度及主方向改正的ORB特征匹配算法[J]. 柴江龙,樊彦国,王斌,韩志聪. 计算机工程与应用. 2019(13)
[4]基于边缘梯度特征的目标定位算法[J]. 陈志彭. 电子世界. 2018(17)
[5]基于Haar-like和AdaBoost的车脸检测[J]. 朱善玮,李玉惠. 电子科技. 2018(08)
[6]基于内容推荐算法和余弦相似度算法的领导决策辅助信息系统[J]. 骆亮. 广西科学院学报. 2018(02)
[7]基于多假设的目标检测跟踪算法[J]. 楼晓祥. 电子技术与软件工程. 2018(10)
[8]一种改进Haar-like特征的车辆识别算法[J]. 罗瑞奇,钟忺,钟珞,李琳. 武汉大学学报(理学版). 2018(03)
[9]红外目标测量图像高精度定位方法[J]. 李晓冰. 兵工自动化. 2018(05)
[10]基于国产化ARM平台的Ceph分布式存储集群设计[J]. 周浩宇,李含辉,樊荣,肖威. 舰船电子工程. 2018(02)
博士论文
[1]基于人类视觉特性的复杂背景红外小目标检测研究[D]. 韩金辉.华中科技大学 2016
[2]复杂背景下的红外弱小目标检测与跟踪技术研究[D]. 汪大宝.西安电子科技大学 2010
硕士论文
[1]红外目标实时检测系统设计[D]. 陈星.西安电子科技大学 2018
[2]基于深度学习的人脸身份认证方法研究[D]. 刘炎锴.西安理工大学 2017
[3]红外弱小多目标实时处理[D]. 孙慧婷.苏州科技大学 2017
[4]基于嵌入式系统的实时成像处理研究[D]. 孙超.西安电子科技大学 2017
[5]文本语义相似度计算方法研究及应用[D]. 杨萌.苏州大学 2017
[6]复杂云层背景下红外小目标检测算法研究[D]. 孙学超.哈尔滨工程大学 2017
[7]纸币多光谱高分辨率图像采集系统的设计与实现[D]. 周春然.华中科技大学 2016
[8]基于视觉注意机制的红外弱小目标检测方法研究[D]. 崔娜.西安电子科技大学 2015
[9]云背景下红外弱小目标背景抑制方法研究[D]. 梅丽斐.南昌航空大学 2015
[10]低分辨率下的车牌识别技术研究[D]. 龚小伟.中山大学 2015
本文编号：2987483
【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校
【文章页数】：95 页
【学位级别】：硕士
【部分图文】：
Haar特征模板
开发周期长、难度大、维护成本高。相反，ARM 比较擅长执行逻辑复杂的计算，适合做控制类操作，在系统中完成复杂的运算。系统的实物图如图 5.2 所示：图5.2 系统实物图
图5.3 FX3 结构框图5.1.3 算法移植首先，红外传感器通过 CameraLink 将红外图像数据送入 FPGA，完成图像数据的获取。其次，FPGA 对传来的图像数据分流处理，一路数据缓存到 DDR2 中，用于系统
【参考文献】：
期刊论文
[1]基于类Haar特征和自适应提升算法的前车识别[J]. 曹景胜,李刚,石晶,王冬霞,郭银景. 科学技术与工程. 2019(07)
[2]基于最大中值滤波和K-means聚类红外弱小目标检测[J]. 岳付昌. 光电技术应用. 2018(05)
[3]尺度及主方向改正的ORB特征匹配算法[J]. 柴江龙,樊彦国,王斌,韩志聪. 计算机工程与应用. 2019(13)
[4]基于边缘梯度特征的目标定位算法[J]. 陈志彭. 电子世界. 2018(17)
[5]基于Haar-like和AdaBoost的车脸检测[J]. 朱善玮,李玉惠. 电子科技. 2018(08)
[6]基于内容推荐算法和余弦相似度算法的领导决策辅助信息系统[J]. 骆亮. 广西科学院学报. 2018(02)
[7]基于多假设的目标检测跟踪算法[J]. 楼晓祥. 电子技术与软件工程. 2018(10)
[8]一种改进Haar-like特征的车辆识别算法[J]. 罗瑞奇,钟忺,钟珞,李琳. 武汉大学学报(理学版). 2018(03)
[9]红外目标测量图像高精度定位方法[J]. 李晓冰. 兵工自动化. 2018(05)
[10]基于国产化ARM平台的Ceph分布式存储集群设计[J]. 周浩宇,李含辉,樊荣,肖威. 舰船电子工程. 2018(02)
博士论文
[1]基于人类视觉特性的复杂背景红外小目标检测研究[D]. 韩金辉.华中科技大学 2016
[2]复杂背景下的红外弱小目标检测与跟踪技术研究[D]. 汪大宝.西安电子科技大学 2010
硕士论文
[1]红外目标实时检测系统设计[D]. 陈星.西安电子科技大学 2018
[2]基于深度学习的人脸身份认证方法研究[D]. 刘炎锴.西安理工大学 2017
[3]红外弱小多目标实时处理[D]. 孙慧婷.苏州科技大学 2017
[4]基于嵌入式系统的实时成像处理研究[D]. 孙超.西安电子科技大学 2017
[5]文本语义相似度计算方法研究及应用[D]. 杨萌.苏州大学 2017
[6]复杂云层背景下红外小目标检测算法研究[D]. 孙学超.哈尔滨工程大学 2017
[7]纸币多光谱高分辨率图像采集系统的设计与实现[D]. 周春然.华中科技大学 2016
[8]基于视觉注意机制的红外弱小目标检测方法研究[D]. 崔娜.西安电子科技大学 2015
[9]云背景下红外弱小目标背景抑制方法研究[D]. 梅丽斐.南昌航空大学 2015
[10]低分辨率下的车牌识别技术研究[D]. 龚小伟.中山大学 2015
本文编号：2987483
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/2987483.html
