基于图像融合技术的红外小目标检测
发布时间：2021-11-12 11:44
红外小目标的捕获与跟踪在红外精确制导、遥感、空间探测和航空导航等领域有着广泛的应用。然而,应用环境有时会迫使我们将成像系统与目标保持一定的距离,从而导致在摄像机的视野中出现较小的目标。同时,由于红外成像设备的抖动、成像设备的噪声等因素,微弱目标信号被淹没在复杂的背景中。还有隐身战斗机等向空中辐射的电磁信号越来越微弱,采用反射目标的回波来搜索和定位的雷达等探测设备已不能满足现实的需求。这些存在的问题致使红外图像序列中微弱小目标检测与跟踪工作变得更加困难和具有挑战性。红外热成像技术由于良好的隐蔽性能,全天候昼夜成像的特点、机动性好、配置方便,非常有利于搭载在预警和无人机上。监视系统要是能在早期识别敌方目标,然后锁定目标并跟踪,这样可以给面目标跟踪识别阶段省去检测这一环节而大大延长己方防空系统的反应时间,亦或在面目标阶段二次检测目标,降低检测的虚警概率,并向防空系统发出报警。因此,设计一种鲁棒的红外小目标检测算法具有重要的现实意义和实用价值。本文在前人基础上设计出了两种不同的小目标检测算法:分别是量子遗传算法和局部对比增强的小目标检测和基于双边滤波下局部强度与梯度融合的小目标检测。一种是利用...
【文章来源】：新疆大学新疆维吾尔自治区 211工程院校
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
高斯分布概率密度函数曲线
142.2.4 红外序列图像数学模型介绍三维空间中红外序列图像分布由背景、目标和噪声杂波组成，表示如下[31]：式中 ， ， 分别表示背景、目标和噪声杂波信息， 表示像素点所在坐标位置， 表示帧差间隔。2.3 检测系统的基本结构2.3.1 基于 DBT 和 TBD 检测系统[32]DBT 为单帧检测，算法比较简单，实时性好。TBD 为跟踪检测，复杂度高，算法较难。两种检测系统的结构组成如图 2-4 和 2-5 所示。( x,y)（2-2）B ( x,y,t)T ( x,y,t)N( x,y,t)t图 2-3 加噪图像及其三维分布图(c)(f)I ( x,y,t) B(x,y,t) T(x,y,t) N(x,y,t)
图像预处理：通过特定的滤波方法来达到背景抑制、噪声消除、信噪比提升。多帧检测：先跟踪后检测，目的是消除虚假目标，提高检测率。检测器：通过一定的阈值分隔技术分离杂波提取目标。跟踪确认目标：根据目标特定运动的连续性和相关性设置特定合适的方法进行跟踪目标、记录轨迹，进一步排除虚假目标。2.3.2 检测器阈值设置[33]杂波抑制后，由恒虚警率准则，当阈值为 T 时，则误警率为 ，我们要设定合适的阈值 T 来最大限度的分离残留杂波检测出小目标。为此通过设定 ,由公式（2-3）反求出阈值 T。图像中像素值大于 T 的二值化为 1，保留为可能目图 2-5 TBD 跟踪检测系统fPfP
【参考文献】：
期刊论文
[1]量子遗传算法和局部对比增强的小目标检测[J]. 张国峰,艾斯卡尔·艾木都拉. 电视技术. 2018(12)
[2]基于改进LCM的红外小目标检测算法[J]. 张祥越,丁庆海,罗海波,惠斌,常铮,张俊超. 红外与激光工程. 2017(07)
[3]一种基于方差标记的形态学红外小目标检测算法[J]. 方义强,程正东,樊祥,朱斌,陈晓斯. 电子学报. 2015(02)
[4]基于双边滤波和巴氏距离的红外小目标检测[J]. 田红彬. 核电子学与探测技术. 2014(10)
[5]一种有效的红外小目标检测方法[J]. 崔璇,辛云宏. 光子学报. 2014(02)
[6]基于形态学梯度的红外目标检测[J]. 毋亚北,王卫华,吴巨红,陈曾平. 光电工程. 2012(09)
[7]基于形态学方法的红外小目标检测[J]. 臧传吉,李桂祥,王宇翔. 空军雷达学院学报. 2012(02)
[8]一种改进的多向梯度红外小目标检测方法[J]. 徐胜航. 光学与光电技术. 2012(02)
[9]地基红外系统探测空间目标红外星等的分析[J]. 牟达,李全勇,董家宁. 红外与激光工程. 2011(09)
[10]基于改进的双边滤波的单帧红外弱小目标背景抑制[J]. 曾雅琼,陈钱. 红外技术. 2011(09)
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]序列图像红外小目标检测与跟踪算法研究[D]. 孙继刚.中国科学院研究生院(长春光学精密机械与物理研究所) 2014
硕士论文
[1]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
[2]基于移动管道的红外弱小目标检测算法与仿真验证研究[D]. 卢跃.浙江大学 2015
[3]小目标红外图像检测技术[D]. 酒乐.电子科技大学 2012
本文编号：3490846
【文章来源】：新疆大学新疆维吾尔自治区 211工程院校
【文章页数】：66 页
【学位级别】：硕士
【部分图文】：
高斯分布概率密度函数曲线
142.2.4 红外序列图像数学模型介绍三维空间中红外序列图像分布由背景、目标和噪声杂波组成，表示如下[31]：式中 ， ， 分别表示背景、目标和噪声杂波信息， 表示像素点所在坐标位置， 表示帧差间隔。2.3 检测系统的基本结构2.3.1 基于 DBT 和 TBD 检测系统[32]DBT 为单帧检测，算法比较简单，实时性好。TBD 为跟踪检测，复杂度高，算法较难。两种检测系统的结构组成如图 2-4 和 2-5 所示。( x,y)（2-2）B ( x,y,t)T ( x,y,t)N( x,y,t)t图 2-3 加噪图像及其三维分布图(c)(f)I ( x,y,t) B(x,y,t) T(x,y,t) N(x,y,t)
图像预处理：通过特定的滤波方法来达到背景抑制、噪声消除、信噪比提升。多帧检测：先跟踪后检测，目的是消除虚假目标，提高检测率。检测器：通过一定的阈值分隔技术分离杂波提取目标。跟踪确认目标：根据目标特定运动的连续性和相关性设置特定合适的方法进行跟踪目标、记录轨迹，进一步排除虚假目标。2.3.2 检测器阈值设置[33]杂波抑制后，由恒虚警率准则，当阈值为 T 时，则误警率为 ，我们要设定合适的阈值 T 来最大限度的分离残留杂波检测出小目标。为此通过设定 ,由公式（2-3）反求出阈值 T。图像中像素值大于 T 的二值化为 1，保留为可能目图 2-5 TBD 跟踪检测系统fPfP
【参考文献】：
期刊论文
[1]量子遗传算法和局部对比增强的小目标检测[J]. 张国峰,艾斯卡尔·艾木都拉. 电视技术. 2018(12)
[2]基于改进LCM的红外小目标检测算法[J]. 张祥越,丁庆海,罗海波,惠斌,常铮,张俊超. 红外与激光工程. 2017(07)
[3]一种基于方差标记的形态学红外小目标检测算法[J]. 方义强,程正东,樊祥,朱斌,陈晓斯. 电子学报. 2015(02)
[4]基于双边滤波和巴氏距离的红外小目标检测[J]. 田红彬. 核电子学与探测技术. 2014(10)
[5]一种有效的红外小目标检测方法[J]. 崔璇,辛云宏. 光子学报. 2014(02)
[6]基于形态学梯度的红外目标检测[J]. 毋亚北,王卫华,吴巨红,陈曾平. 光电工程. 2012(09)
[7]基于形态学方法的红外小目标检测[J]. 臧传吉,李桂祥,王宇翔. 空军雷达学院学报. 2012(02)
[8]一种改进的多向梯度红外小目标检测方法[J]. 徐胜航. 光学与光电技术. 2012(02)
[9]地基红外系统探测空间目标红外星等的分析[J]. 牟达,李全勇,董家宁. 红外与激光工程. 2011(09)
[10]基于改进的双边滤波的单帧红外弱小目标背景抑制[J]. 曾雅琼,陈钱. 红外技术. 2011(09)
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]序列图像红外小目标检测与跟踪算法研究[D]. 孙继刚.中国科学院研究生院(长春光学精密机械与物理研究所) 2014
硕士论文
[1]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
[2]基于移动管道的红外弱小目标检测算法与仿真验证研究[D]. 卢跃.浙江大学 2015
[3]小目标红外图像检测技术[D]. 酒乐.电子科技大学 2012
本文编号：3490846
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/3490846.html
