基于高灵敏度红外系统的微弱目标检测应用研究
发布时间：2024-04-21 17:28
利用高辐射灵敏度的红外探测系统进行弱辐射目标检测研究,具有广泛的应用,例如,利用表面辐射率差异对钢材瑕疵进行检测。高辐射灵敏度是红外探测系统从复杂背景中捕获弱辐射目标信号的前提;有效的背景抑制和弱辐射目标信号提取算法是关键,直接影响最终检测效果;算法的复杂度和实时性决定了其在资源有限型硬件上的实用性。本文以此为背景,在高辐射灵敏度前提下,研究红外图像预处理算法(包括红外图像灰度的不均匀性校正方法和红外波段图像的生成方法)、红外图像复杂背景的抑制算法、针对红外微弱目标的检测算法(包括纹理滤波方法和基于神经网络的智能方法)和用于提高算法硬件实用性的模型压缩与加速方法,具体的工作如下:(1)采用多帧累加方法抑制噪声,提高了红外探测系统的辐射灵敏度,并进行实验验证。利用目标辐射相对于背景辐射的信杂比指标,定量地度量信号的微弱程度。(2)针对多元探测器由于响应率与暗电流的差别引起红外图像灰度的不均匀性,提出了一种基于密集连接卷积神经网络的校正方法Dense-CNN,突破了普通校正方法线性失真理论建模的限制。本文Dense-CNN方法校正后的峰值信噪比(PSNR)指标相比联合小波-傅里叶滤波法(W...
【文章页数】：137 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
符号说明表
第1章 绪论
1.1 课题研究背景
1.2 高灵敏度红外系统应用领域研究现状
1.2.1 油气管道早期泄漏检测
1.2.2 建筑诊断
1.2.3 钢材瑕疵高精度检测
1.2.4 应用领域调研分析
1.3 红外图像预处理算法的研究现状
1.3.1 非均匀性校正方法的研究现状
1.3.2 基于GAN的图像生成方法的研究现状
1.3.3 视觉显著区域提取方法的研究现状
1.4 目标检测应用相关算法的研究现状
1.4.1 传统红外微弱目标检测算法的研究进展
1.4.2 基于神经网络的智能检测算法研究进展
1.4.3 模型压缩与加速方法的研究现状
1.5 本文主要研究内容与章节安排
1.5.1 论文主要研究内容
1.5.2 本文章节安排
第2章 高灵敏度红外图像的获取和分析
2.1 红外图像采集系统和实验场景
2.2 提高系统辐射灵敏度的多帧累加方法
2.2.1 辐射灵敏度的定义
2.2.2 基于多帧累加提高系统灵敏度
2.2.3 普通和高灵敏度图像质量对比
2.3 红外目标的微弱性分析
2.3.1 信杂比的定义
2.3.2 红外目标的信杂比分析
2.4 本章小结
第3章 高灵敏度红外图像预处理技术研究
3.1 基于Dense-CNN的非均匀性校正方法
3.1.1 非线性校正的理论分析
3.1.2 Dense-CNN网络
3.1.3 客观图像质量评价指标
3.1.4 实验和结果分析
3.2 基于对抗网络的红外图像生成方法
3.2.1 红外生成方法的背景和意义
3.2.2 红外图像生成的机理分析
3.2.3 实验和结果分析
3.3 本章小结
第4章 高灵敏度红外图像背景抑制方法研究
4.1 基于灰度共生矩阵的纹理分析
4.1.1 基于灰度共生矩阵的纹理特征值
4.1.2 不同方向纹理特征值的对比分析
4.1.3 基于纹理信杂比的涡旋微弱性分析
4.2 背景抑制方法研究
4.2.1 基于空域滤波的背景抑制
4.2.2 基于频域滤波的背景抑制
4.2.3 基于小波变换的背景抑制
4.2.4 不同方法的抑制指标对比分析
4.3 本章小结
第5章 基于纹理滤波和多感受野显著网络的微弱目标检测
5.1 基于纹理滤波的检测方法
5.1.1 涡旋目标特性分析
5.1.2 基于Gabor纹理滤波器的检测方法
5.1.3 基于快速步进的GaborFM检测方法
5.1.4 不同方法客观检测指标对比分析
5.2 基于显著性和多感受野融合网络的智能检测方法
5.2.1 神经网络基本原理
5.2.2 基于多感受野特征融合的网络架构
5.2.3 基于视觉显著性的网络输入
5.2.4 实验和结果分析
5.3 基于混合二值权值的模型压缩与加速方法
5.3.1 模型压缩与加速方法的分析
5.3.2 残差混合二值神经网络
5.3.3 实验和结果分析
5.4 本章小结
第6章 总结与展望
6.1 创新点总结
6.2 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
本文编号：3961215
【文章页数】：137 页
【学位级别】：博士
【文章目录】：
摘要
Abstract
符号说明表
第1章 绪论
1.1 课题研究背景
1.2 高灵敏度红外系统应用领域研究现状
1.2.1 油气管道早期泄漏检测
1.2.2 建筑诊断
1.2.3 钢材瑕疵高精度检测
1.2.4 应用领域调研分析
1.3 红外图像预处理算法的研究现状
1.3.1 非均匀性校正方法的研究现状
1.3.2 基于GAN的图像生成方法的研究现状
1.3.3 视觉显著区域提取方法的研究现状
1.4 目标检测应用相关算法的研究现状
1.4.1 传统红外微弱目标检测算法的研究进展
1.4.2 基于神经网络的智能检测算法研究进展
1.4.3 模型压缩与加速方法的研究现状
1.5 本文主要研究内容与章节安排
1.5.1 论文主要研究内容
1.5.2 本文章节安排
第2章 高灵敏度红外图像的获取和分析
2.1 红外图像采集系统和实验场景
2.2 提高系统辐射灵敏度的多帧累加方法
2.2.1 辐射灵敏度的定义
2.2.2 基于多帧累加提高系统灵敏度
2.2.3 普通和高灵敏度图像质量对比
2.3 红外目标的微弱性分析
2.3.1 信杂比的定义
2.3.2 红外目标的信杂比分析
2.4 本章小结
第3章 高灵敏度红外图像预处理技术研究
3.1 基于Dense-CNN的非均匀性校正方法
3.1.1 非线性校正的理论分析
3.1.2 Dense-CNN网络
3.1.3 客观图像质量评价指标
3.1.4 实验和结果分析
3.2 基于对抗网络的红外图像生成方法
3.2.1 红外生成方法的背景和意义
3.2.2 红外图像生成的机理分析
3.2.3 实验和结果分析
3.3 本章小结
第4章 高灵敏度红外图像背景抑制方法研究
4.1 基于灰度共生矩阵的纹理分析
4.1.1 基于灰度共生矩阵的纹理特征值
4.1.2 不同方向纹理特征值的对比分析
4.1.3 基于纹理信杂比的涡旋微弱性分析
4.2 背景抑制方法研究
4.2.1 基于空域滤波的背景抑制
4.2.2 基于频域滤波的背景抑制
4.2.3 基于小波变换的背景抑制
4.2.4 不同方法的抑制指标对比分析
4.3 本章小结
第5章 基于纹理滤波和多感受野显著网络的微弱目标检测
5.1 基于纹理滤波的检测方法
5.1.1 涡旋目标特性分析
5.1.2 基于Gabor纹理滤波器的检测方法
5.1.3 基于快速步进的GaborFM检测方法
5.1.4 不同方法客观检测指标对比分析
5.2 基于显著性和多感受野融合网络的智能检测方法
5.2.1 神经网络基本原理
5.2.2 基于多感受野特征融合的网络架构
5.2.3 基于视觉显著性的网络输入
5.2.4 实验和结果分析
5.3 基于混合二值权值的模型压缩与加速方法
5.3.1 模型压缩与加速方法的分析
5.3.2 残差混合二值神经网络
5.3.3 实验和结果分析
5.4 本章小结
第6章 总结与展望
6.1 创新点总结
6.2 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
本文编号：3961215
本文链接：https://www.wllwen.com/shoufeilunwen/xxkjbs/3961215.html
