少样本条件下的红外空中目标识别与检测技术研究

发布时间：2021-04-20 10:29

　　红外成像具备探测距离远、隐蔽性高、可穿透烟雾以及全天候工作等优势,在光电探测领域受到了广泛的重视、研究和应用。在红外探测系统中,目标识别与检测能够为图像中的潜在目标提供类别判断和坐标定位,是后续跟踪任务的基础,也是后续决策系统的有力支撑。近年来,随着计算能力和大数据的推进,深度学习模型已经在计算机视觉领域取得了异常瞩目的进展,在很多大型数据集上,一些算法的认知水平甚至超过了人类的分辨能力。然而,这些算法之所以性能强大,很大程度上依赖于训练数据的充分程度。在红外空中目标的识别问题上,获取样本数据的代价十分昂贵,某些少见机型的数据样本甚至仅有个位数,很难建立充分的样本库来对各种型号的飞机红外数据进行分析。本文围绕少量样本场景下的红外空中目标识别问题,结合图像处理、模式识别、稀疏表示、深度学习等领域进行了深入研究,主要工作与创新点如下。（1）提出了一种基于稀疏表示的红外条状噪声校正方法。首先利用K-SVD字典学习算法对无噪声干扰的红外图像进行训练,提高字典对红外图像的表达能力;然后利用OMP算法对噪声图像进行稀疏求解和图像重建;随后利用重建图像与噪声图像,根据最小二乘法逐行求取校正系数;最后... 

【文章来源】：中国科学院大学(中国科学院上海技术物理研究所)上海市

【文章页数】：139 页

【学位级别】：博士

【文章目录】：
摘要
abstract
专业术语注释表
第1章 绪论
    1.1 研究背景与意义
    1.2 红外目标检测算法研究现状
        1.2.1 红外图像预处理技术研究现状
        1.2.2 候选区域生成技术研究现状
        1.2.3 红外目标识别算法研究现状
    1.3 本文内容与章节安排
        1.3.1 主要研究内容
        1.3.2 论文结构安排
第2章 基于稀疏表示的条状噪声校正方法
    2.1 引言
    2.2 条状噪声的建模分析与评价指标
        2.2.1 噪声的建模分析
        2.2.2 条状噪声消除的评价指标
    2.3 基于稀疏表示的条状噪声校正方法
        2.3.1 稀疏表示模型
        2.3.2 l0-稀疏求解算法
        2.3.3 图像重建
        2.3.4 最小二乘法求取校正系数
        2.3.5 K-SVD字典学习算法
    2.4 实验与结果分析
        2.4.1 实验准备与数据来源
        2.4.2 字典学习
        2.4.3 误差容限对校正结果的影响
        2.4.4 对比实验
    2.5 小结
第3章 基于判别稀疏表示的红外空中目标识别方法
    3.1 引言
    3.2 算法模型
        3.2.1 判别稀疏表示原理
        3.2.2 FDDL字典学习
        3.2.3 具有旋转不变性的HOG特征
    3.3 实验与结果分析
        3.3.1 实验准备与数据来源
        3.3.2 梯度统计划分区间
        3.3.3 字典学习
        3.3.4 分类结果分析
        3.3.5 抗噪性能分析
    3.4 小结
第4章 基于少样本学习的红外空中目标分类方法
    4.1 引言
    4.2 基于元学习的少样本学习方法
        4.2.1 与模型无关的元学习方法
        4.2.2 LSTM模型元学习
    4.3 基于度量学习的少样本学习方法
        4.3.1 匹配网络
        4.3.2 原型网络
        4.3.3 关系网络
    4.4 多尺度改进关系网络
        4.4.1 多尺度改进关系网络的结构设计
        4.4.2 多尺度改进关系网络的学习策略
    4.5 实验与结果分析
        4.5.1 实验准备与数据来源
        4.5.2 mini-Image Net少样本学习任务
        4.5.3 Infra-aircraft少样本学习任务
    4.6 小结
第5章 基于少样本学习的小尺寸红外空中目标检测方法
    5.1 引言
    5.2 特征权重调整模型
    5.3 针对红外空中目标的特征权重调整模型
        5.3.1 特征提取模块
        5.3.2 特征权重调整模块
        5.3.3 预测模块
        5.3.4 训练策略
    5.4 实验与结果分析
        5.4.1 实验准备与数据来源
        5.4.2 评价指标
        5.4.3 Pascal-VOC数据集测试结果
        5.4.4 红外数据集测试结果
    5.5 小结
第6章 总结与展望
    6.1 全文工作总结
        6.1.1 主要研究工作
        6.1.2 特色与创新
    6.2 未来研究展望
参考文献
致谢
作者简历及攻读学位期间发表的学术论文与研究成果


【参考文献】：
期刊论文
[1]红外探测器非均匀性校正系统研制[J]. 朱瑞飞,王超,魏群,贾宏光,周文明.  红外与激光工程. 2013(07)
[2]红外双边滤波时域高通非均匀性校正[J]. 雷晓杰,顾国华,隋修宝,左超.  激光与红外. 2012(07)
[3]一种双阈值红外行人分割方法[J]. 石祥滨,刘晓娜,刘芳.  计算机工程. 2012(12)
[4]高光谱图像条带噪声去除算法研究[J]. 房彩丽,赵雅靓.  计算机工程与应用. 2012(12)
[5]基于双平台直方图的红外图像增强算法[J]. 宋岩峰,邵晓鹏,徐军.  红外与激光工程. 2008(02)
[6]飞机的红外辐射特征研究[J]. 陈炳峰,方亦浩,徐晓刚.  航空兵器. 2005(05)
[7]红外焦平面探测器的非均匀性与校准方法研究[J]. 胡晓梅.  红外与激光工程. 1999(03)

博士论文
[1]红外图像非均匀性校正及增强算法研究[D]. 刘哲.华中科技大学 2018
[2]机载大视场高分辨率热红外成像系统研究[D]. 刘毓博.中国科学院大学(中国科学院上海技术物理研究所) 2017
[3]非制冷型红外成像系统关键技术研究[D]. 唐艳秋.中国科学院研究生院(长春光学精密机械与物理研究所) 2016
[4]全向IRST系统的图像处理与信息融合技术研究[D]. 高国旺.西安电子科技大学 2013
[5]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



本文编号：3149508