复杂天空背景下红外小弱目标检测与跟踪关键技术研究
发布时间：2022-01-22 08:15
远距离红外目标检测与跟踪技术是防空预警系统和战斗机火控制导系统的关键技术,在现代化武器装备发展和国防建设中具有重要作用。然而,远距离目标具有信号空间尺寸小、强度弱等特点,目标特征不明显。同时,复杂天空背景下杂波形态多变、强度较大,严重干扰小弱目标提取能力。因而,如何在复杂天空背景条件下既保持小弱目标检测的高准确率、低虚警率,又确保小弱目标跟踪的高跟踪精度、低跟踪失败率是一个极具挑战性的难题。复杂背景下小弱目标检测跟踪困难的主要原因在于现有算法对信号空间结构和时序结构表征能力不足。本文从提高信号空时结构表征性能的角度考虑,研究了红外小弱目标检测跟踪过程中的背景杂波抑制、小弱目标检测以及小弱目标跟踪等问题:（1）针对起伏杂波表征精度低造成的干扰问题,提出基于分形随机场字典稀疏表征的背景杂波抑制方法。分析云层作为一种自然现象,具有无限细节特性和结构自相似特性,分形随机场与云层杂波具有天然相似性;将分形理论引入到背景杂波过完备字典构造过程,提高了字典的杂波空间结构表征能力;通过分形杂波字典稀疏表征实现了背景杂波的准确重构和抑制。（2）针对远距离红外成像信号表征普适性差、区分性差导致的目标检测不...
【文章来源】：重庆大学重庆市 211工程院校 985工程院校 教育部直属院校
【文章页数】：148 页
【学位级别】：博士
【部分图文】：
本文组织结构
其差值反映了原始图像中高灰度小尺寸区域。Top-hat 白变换实现了类似高通滤波的功能，其结果图中体现了原始信号中的小尺度高峰波形。Top-hat 白变换的小尺度波峰保留特性可用于红外图像中背景杂波的抑制及小目标的检测。如图 2.1 所示，当红外图像中背景平滑、面积较大，而目标信号表现为背景之上的显著性点时，形态学开运算可达到抑制背景信息，而保留高灰度目标信息的效果。但是 Top-hat 白变换算法也具有如下的缺点：（1）结构元的选取对算法性能影响较大，当结构元无法精确匹配杂波的多尺度特性时，算法的鲁棒性差。（2）对于复杂高对比度起伏杂波，由于其平稳性差、纹理复杂，Top-hat白变换的背景杂波抑制效果不稳定，产生残留杂波较多。(a) 平滑背景红外图像 (b) 平滑背景表征估计 (c) 平滑背景抑制结果
重庆大学博士学位论文平滑背景条件下，该方法能有效增强目标信号、抑制背景杂波。但是，从图 2.2(b)可看出，部分小弱目标信号被错误估计为背景杂波，这会导致杂波抑制结果图中的目标信号结构信息丢失，对后续基于目标结构的检测跟踪方法造成不利影响。当背景杂波起伏较大，纹理复杂时，该方法在杂波边缘处产生大量的残留噪声，说明该方法易受到强起伏复杂背景的干扰。(a) 平滑背景红外图像 (b) 平滑背景表征估计 (c) 平滑背景抑制结果
【参考文献】：
期刊论文
[1]一种改进K-奇异值分解稀疏表示图像去噪算法[J]. 孔英会,胡启杨. 科学技术与工程. 2018(01)
[2]基于多滤波算法融合的红外小目标检测[J]. 王东,王敏. 应用光学. 2017(01)
[3]基于全变分理论的红外图像背景抑制[J]. 张贵榕,安玮,林再平,朱然,黄剑斌. 红外技术. 2015(02)
[4]基于K-SVD的低信噪比WMSN视频图像稀疏去噪[J]. 罗晖,褚红亮,王世昌. 计算机工程与科学. 2014(03)
[5]一种基于全变分理论的红外背景杂波抑制算法[J]. 朱然,安玮,龙云利,林再平. 航天电子对抗. 2013(05)
[6]基于环带结构的形态学红外目标检测方法[J]. 陈勇,严高师,余锋. 光电技术应用. 2013(04)
[7]基于多分辨率双边滤波的红外场景杂波抑制[J]. 宗靖国,秦翰林,刘德连,袁胜春,赵小明. 光子学报. 2013(02)
[8]基于似然比检验的红外小弱目标快速航迹起始方法[J]. 李正周,张月华,郑微,田蕾,金钢. 强激光与粒子束. 2012(01)
[9]Infrared small target detection using sparse representation[J]. Jiajia Zhao 1,*,Zhengyuan Tang 1,Jie Yang 1,and Erqi Liu 2 1.Institute of Image Processing and Pattern Recognition,Shanghai Jiaotong University,Shanghai 200240,P.R.China;2.China Aerospace Science and Industry Corporation,Beijing 100074,P.R.China. Journal of Systems Engineering and Electronics. 2011(06)
[10]基于背景估计的红外图像杂波抑制方法研究[J]. 孙新德,薄树奎,李玲玲. 激光与红外. 2011(05)
博士论文
[1]复杂背景条件下的红外小目标检测与跟踪算法研究[D]. 杨磊.上海交通大学 2006
硕士论文
[1]基于形态学和小波变换的弱小目标检测[D]. 王军敏.电子科技大学 2008
本文编号：3601852
【文章来源】：重庆大学重庆市 211工程院校 985工程院校 教育部直属院校
【文章页数】：148 页
【学位级别】：博士
【部分图文】：
本文组织结构
其差值反映了原始图像中高灰度小尺寸区域。Top-hat 白变换实现了类似高通滤波的功能，其结果图中体现了原始信号中的小尺度高峰波形。Top-hat 白变换的小尺度波峰保留特性可用于红外图像中背景杂波的抑制及小目标的检测。如图 2.1 所示，当红外图像中背景平滑、面积较大，而目标信号表现为背景之上的显著性点时，形态学开运算可达到抑制背景信息，而保留高灰度目标信息的效果。但是 Top-hat 白变换算法也具有如下的缺点：（1）结构元的选取对算法性能影响较大，当结构元无法精确匹配杂波的多尺度特性时，算法的鲁棒性差。（2）对于复杂高对比度起伏杂波，由于其平稳性差、纹理复杂，Top-hat白变换的背景杂波抑制效果不稳定，产生残留杂波较多。(a) 平滑背景红外图像 (b) 平滑背景表征估计 (c) 平滑背景抑制结果
重庆大学博士学位论文平滑背景条件下，该方法能有效增强目标信号、抑制背景杂波。但是，从图 2.2(b)可看出，部分小弱目标信号被错误估计为背景杂波，这会导致杂波抑制结果图中的目标信号结构信息丢失，对后续基于目标结构的检测跟踪方法造成不利影响。当背景杂波起伏较大，纹理复杂时，该方法在杂波边缘处产生大量的残留噪声，说明该方法易受到强起伏复杂背景的干扰。(a) 平滑背景红外图像 (b) 平滑背景表征估计 (c) 平滑背景抑制结果
【参考文献】：
期刊论文
[1]一种改进K-奇异值分解稀疏表示图像去噪算法[J]. 孔英会,胡启杨. 科学技术与工程. 2018(01)
[2]基于多滤波算法融合的红外小目标检测[J]. 王东,王敏. 应用光学. 2017(01)
[3]基于全变分理论的红外图像背景抑制[J]. 张贵榕,安玮,林再平,朱然,黄剑斌. 红外技术. 2015(02)
[4]基于K-SVD的低信噪比WMSN视频图像稀疏去噪[J]. 罗晖,褚红亮,王世昌. 计算机工程与科学. 2014(03)
[5]一种基于全变分理论的红外背景杂波抑制算法[J]. 朱然,安玮,龙云利,林再平. 航天电子对抗. 2013(05)
[6]基于环带结构的形态学红外目标检测方法[J]. 陈勇,严高师,余锋. 光电技术应用. 2013(04)
[7]基于多分辨率双边滤波的红外场景杂波抑制[J]. 宗靖国,秦翰林,刘德连,袁胜春,赵小明. 光子学报. 2013(02)
[8]基于似然比检验的红外小弱目标快速航迹起始方法[J]. 李正周,张月华,郑微,田蕾,金钢. 强激光与粒子束. 2012(01)
[9]Infrared small target detection using sparse representation[J]. Jiajia Zhao 1,*,Zhengyuan Tang 1,Jie Yang 1,and Erqi Liu 2 1.Institute of Image Processing and Pattern Recognition,Shanghai Jiaotong University,Shanghai 200240,P.R.China;2.China Aerospace Science and Industry Corporation,Beijing 100074,P.R.China. Journal of Systems Engineering and Electronics. 2011(06)
[10]基于背景估计的红外图像杂波抑制方法研究[J]. 孙新德,薄树奎,李玲玲. 激光与红外. 2011(05)
博士论文
[1]复杂背景条件下的红外小目标检测与跟踪算法研究[D]. 杨磊.上海交通大学 2006
硕士论文
[1]基于形态学和小波变换的弱小目标检测[D]. 王军敏.电子科技大学 2008
本文编号：3601852
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/3601852.html
