红外序列图像中远距离末段弹丸目标自动识别算法研究

发布时间：2021-03-06 09:13

　　针对暗环境等复杂背景下的弱运动小目标识别的难题,提出了轨迹跟踪预测与模糊理论相结合的小目标跟踪算法。首先利用高通滤波和帧相减技术将背景和目标初步分离,然后利用轨迹跟踪法对目标点的位置进行预测,在动态搜索范围内寻找目标点进行图像序列分析,并结合模糊理论进行记忆更新来确定目标的可信度,最终通过多帧图像的轨迹跟踪找出真实的目标。实验结果表明:该算法能够获取热像仪拍摄的小目标弹丸落地前的运动轨迹曲线图,验证了该算法能够对低信噪比的运动小目标进行可靠检测。 

【文章来源】：弹箭与制导学报. 2020,40(03)北大核心

【文章页数】：5 页

【部分图文】：

中波热像仪拍摄的红外序列图像

图1 中波热像仪拍摄的红外序列图像由图1、图2可看出,利用中波红外图像比长波图像效果好,因此中波热像仪拍摄的红外图像中目标和背景区分较为明显,具有较佳的测试效果。同时可以看出,当目标远离地面时,由于背景是天空,目标和背景信噪比大,但是当目标越接近地面时,目标的红外辐射能量由于受到地面自身红外辐射以及大气水蒸汽的吸收和散射,导致目标的红外辐射能量减弱,噪声加大,信噪比降低,真伪目标难以区分。在这种情况下,用图像匹配、傅里叶分析方法、差分图像等方法难以处理出真实的目标。

因而,通过使用背景像素间灰度级的相关性、目标和背景的独立性,先用帧减法去除大量的背景信息,然后利用高通滤波去除一部分白噪声点,剩下一些高频噪声点和目标点,这样实现目标与背景的初步分离。空间域高通滤波器脉冲响应函数为式(3)所示的5×5高通卷积模板A。通过分析可知,模板中心像素所占权重相对较大,容易通过;而周围部分权值均为-1,权值小,不易通过。因此,目标点和孤立的噪声点通过滤波器相对容易;而对于有大面积成像的背景则不容易通过[7]。3 运动目标的轨迹跟踪算法

【参考文献】：
期刊论文
[1]基于PCNN和改进邻域判决的红外弱小目标检测算法[J]. 李云,宋勇,赵宇飞,赵尚男,李旭,郝群.  兵器装备工程学报. 2018(01)
[2]基于多特征直方图的红外图像目标跟踪[J]. 王杰,孙艳丽,周伟.  兵器装备工程学报. 2017(08)
[3]模糊理论的应用与研究[J]. 郑圆圆,陈再良.  苏州大学学报(工科版). 2011(01)
[4]基于小波变换的弱小目标检测[J]. 樊晓兵.  吉首大学学报(自然科学版). 2008(01)
[5]发展中的红外成像制导技术[J]. 张中南,王富宾,李晓.  飞航导弹. 2006(01)

博士论文
[1]红外弱小多目标实时检测跟踪技术研究[D]. 龚俊亮.中国科学院研究生院（长春光学精密机械与物理研究所） 2013

硕士论文
[1]飞行器红外特征分析与红外热成像系统作用距离的预估算方法[D]. 高思峰.南京航空航天大学 2007
[2]基于时域背景预测检测与跟踪红外图像序列中的小目标[D]. 徐剑峰.南京航空航天大学 2007
[3]红外图像预处理算法及实现[D]. 贾贻鲁.天津大学 2006



本文编号：3066828