红外图像目标追踪算法研究

发布时间：2021-01-05 13:05

　　近几年红外目标跟踪不断用于军事和民用方面。但是红外图像本身也存在模糊、对比度低、背景噪声大、细节不清晰等缺点,导致红外目标的特征难以被准确获取。一些传统的红外目标跟踪方法提取红外目标的底层特征,在一定程度上可以有效跟踪目标,但是近几年的发展日益受限。随着目标跟踪的深度学习方法不断涌现,为了更加准确和高效地跟踪红外目标,本文提出了一种结合红外目标显著性检测和全卷积孪生神经网络（Fully-Convolutional Siamese Network,siamese FC）的红外多目标深度学习跟踪算法。首先,针对红外图像本身对比度低、图像细节不清晰、目标边缘模糊的问题,本文利用图像的梯度、信息熵进行有效融合,并且自适应调整分数阶微分以增强图像中的目标边缘,再采用图像像素灰度的标准差和均值进行融合去确定目标的分割阈值,以区分出图像中的背景和目标部分,并且通过对图像中的目标区域进行线性增强,以进一步突显目标。然后,针对红外目标受到复杂背景的干扰和存在多种形状大小的情况,本文结合多尺度顶帽变换,对目标增强后的红外图像进行腐蚀与膨胀处理,提取明暗部分相减重构图像,降低模糊背景噪声的干扰,再将重构后的... 

【文章来源】：重庆邮电大学重庆市

【文章页数】：80 页

【学位级别】：硕士

【部分图文】：

红外图像的

重庆邮电大学硕士学位论文第2章红外图像目标跟踪的理论分析8第2章红外图像目标跟踪的理论分析红外图像目标跟踪主要是对红外图像进行处理，首先需要获得外界包含目标的真实场景的红外图像。由于红外图像不同于可见光图像，所以本章节分析了热红外图像的特点以及图像中目标的状态。随后，本章节主要研究了红外图像目标跟踪算法的相关原理和结构，为本文红外图像目标跟踪算法奠定理论基矗2.1红外图像本文红外图像目标跟踪使用的图像主要由红外热像仪拍摄，通过实验室中非制冷型红外热成像仪和软件客户端进行拍摄和获取，如图2.1，另外也使用OTB2015和VOTTIR2016等一些网络公开的数据集进行补充。(a)非制冷型红外热成像仪(b)红外热成像软件客户端图2.1红外图像的采集工具图红外热成像本身不受光照、雾霾和黑夜的影响，可以全天候的进行目标跟踪，并且红外热成像中的目标所散发的热辐射的微小差别都能在被探测出来，几乎无法被干扰，但是由于红外热像仪本身的电路信号噪声和目标所处的环境比较复杂，红外图像一般会存在大量的背景噪声，目标与背景的对比度低。红外热像仪生成的图像一般不能直接用于目标跟踪，需要图像增强等预处理，如图2.2，分别是以海陆空为背景的红外图像。在图2.2a中，红外图像主要以海面为背景，包含一部分天空背景和两个船舰目标，尽管目标十分突出，但是海面由于太阳光的反射存在许多水面亮点，这些光点和天空明亮背景将干扰船舰目标的检测与跟踪。如图2.2b，对于以森林为背景的地面上的红外图像，背景噪声则更多。此外，如图2.2c，天空背景下的两个飞机目标，由于远距离拍摄，目标一般很小，并且天空中纯在

重庆邮电大学硕士学位论文第2章红外图像目标跟踪的理论分析9大量云层干扰，飞机呈现模糊不清晰。如果红外图像不能很好地滤除背景的干扰，很容易造成目标的误判导致跟踪的准确度下降。(a)(b)(c)图2.2不同背景下的红外原始图像红外图像中的目标除了背景噪声的干扰外，本身也存在多种复杂的情况，比如形状、大孝旋转、数量、被遮挡、快速移动等，如图2.3，分别是包含单目标、两个目标和多个目标的红外图像。如图2.3a，图中包含一个主要目标人，体积占整幅图像较大，形状为人形，需要与周围环境目标进行区分。如图2.3b，图像包括飞机和小鸟两个目标，在天空背景下，鸟目标十分小，几乎隐藏在云层当中，飞机目标相比于鸟比较大，所以目标跟踪需要考虑不同大小形状的情况。如图2.3c，图像中包含5个流动人体目标，并且出现互相遮挡现象和像素分布不均匀。为了更好地跟踪红外目标，需要对红外图像中的目标进行进一步的增强，区分目标与背景信息，获得更清晰和全面的目标特征。(a)(b)(c)图2.3不同目标状态的红外原始图像2.2红外图像目标跟踪算法分析随着科学技术的不断发展，传统的红外目标跟踪算法根据应用需求也不断的被改进。传统的红外目标跟踪算法比如均值滤波、卡尔曼滤波、粒子滤波等目标

【参考文献】：
期刊论文
[1]复杂红外地面环境下的稳定目标跟踪方法[J]. 吕坚,邓博,阙隆成.  光子学报. 2019(10)
[2]红外图像质量的提升技术综述[J]. 凡遵林,管乃洋,王之元,苏龙飞.  红外技术. 2019(10)
[3]传统特征和深度特征融合的红外空中目标跟踪[J]. 胡阳光,肖明清,张凯,王晓柱,段耀泽.  系统工程与电子技术. 2019(12)
[4]一种多分辨多尺度的红外图像增强算法[J]. 栾孟杰.  激光杂志. 2019(08)
[5]全景红外成像预警雷达在大庆油田采油八厂的应用[J]. 余丽.  油气田地面工程. 2019(08)
[6]自适应OSTU算法在舰船边缘检测中的应用及其FPGA实现[J]. 李世文,李立聪.  软件导刊. 2019(06)
[7]多尺度的图像显著性检测方法[J]. 贾宁,柳先辉,陈宇飞,赵卫东,邢尚文.  同济大学学报(自然科学版). 2019(02)
[8]深度学习在红外目标跟踪中的应用展望[J]. 庄旭阳,陈宝国,张景山.  航空兵器. 2019(01)
[9]基于区域协方差和目标度的航空侦察图像舰船目标检测[J]. 刘松涛,姜康辉,刘振兴.  系统工程与电子技术. 2019(05)
[10]基于视觉侧抑制的红外图像增强算法研究[J]. 贾俊霞,张建平.  南京工业职业技术学院学报. 2018(04)

博士论文
[1]复杂天空背景下红外小弱目标检测与跟踪关键技术研究[D]. 刘德鹏.重庆大学 2018
[2]基于机器学习理论的红外目标跟踪技术研究[D]. 钱琨.西安电子科技大学 2018

硕士论文
[1]多特征核相关滤波的红外目标跟踪技术研究[D]. 潘长城.长春理工大学 2019
[2]基于深度学习的红外弱小目标相关滤波跟踪算法研究[D]. 邓博.电子科技大学 2019
[3]无人驾驶车辆多目标容错跟踪与轨迹预测研究[D]. 刘创.浙江大学 2019
[4]基于ARM平台的红外制导仿真系统[D]. 陈炜.西安电子科技大学 2018
[5]低空空域无人机红外图像检测技术研究[D]. 李鹏.电子科技大学 2018
[6]红外目标的持久鲁棒跟踪技术研究[D]. 王洁.南京航空航天大学 2018
[7]基于无人机红外热成像的架空输电线视觉跟踪巡检研究[D]. 杨启帆.兰州理工大学 2017
[8]红外地面目标跟踪算法的研究[D]. 杨皓然.电子科技大学 2017
[9]小波变换在红外图像处理中的应用研究[D]. 王瑞.安徽理工大学 2016
[10]机载远程红外预警系统探测能力研究[D]. 李希希.中国科学院研究生院(长春光学精密机械与物理研究所) 2015



本文编号：2958715