復雜背景條件下紅外弱小點目標實時檢測技術研究.pdf

1、遠距離紅外弱小目標的檢測，是紅外搜索與跟蹤系統(tǒng)、精確制導系統(tǒng)、紅外預警系統(tǒng)、大視場目標監(jiān)視系統(tǒng)、衛(wèi)星遙感系統(tǒng)等的一項核心技術。紅外系統(tǒng)因其能晝夜工作、被動探測、抗干擾、隱蔽性強和能識別偽裝目標等特性，在軍事領域中得到十分廣泛的應用。研究低信噪比圖像中小目標的實時檢測算法，對于增大作戰(zhàn)距離和增加反應時間，提高己方的生存概率具有重要的意義。 就國內外目前對紅外弱小目標檢測及紅外目標識別的研究而言，主要存在著以下問題: （1）

2、 對于單幀檢測，目前大多數研究者采用固定結構元素的形態(tài)學濾波器進行濾波的方法。這些濾波器僅僅在所對應的某類圖像模型中具有較好的濾波性能。但通常情況下圖像信號極為復雜且處于不斷變化之中。因此固定結構元素的濾波檢測方法不能很好的檢測遠距離紅外弱小目標，從而導致漏檢及虛警的發(fā)生。 （2） 弱小目標檢測通常是利用多幀信息，目前采用的多幀關聯檢測的方法主要包括“K-out-of-N”規(guī)則關聯檢測算法和多假設檢驗算法?！癒-out-of-N

3、”規(guī)則關聯檢測算法雖然算法簡單但檢測性能不足；而MHT方法雖然可以獲得較好的關聯檢測性能，但計算上的組合爆炸影響了其實用性。因此需求一種兼顧檢測性能和算法復雜度的實用算法就成為當前多幀檢測的關鍵。 本文對低信噪比紅外圖像序列中弱小目標的檢測從單幀檢測和多幀關聯檢測角度分別進行了深入、系統(tǒng)的研究，主要研究成果如下： 一、針對單幀圖像點目標檢測，分別將數學形態(tài)學濾波器與神經網絡和遺傳算法相結合，利用神經網絡和遺傳算法優(yōu)化訓練

4、形態(tài)學濾波器的結構元素及形態(tài)學算法。使形態(tài)學濾波過程融入特有的智能，以實現對復雜背景條件下的弱小點目標的最優(yōu)化處理。同時，對單幀濾波的結果采用自適應門限進行分割，以提高單幀檢測的檢測性能。 二、在單幀檢測的基礎上，引入信息融合的思想，深入研究了“K-out-of-N”序列圖像關聯檢測算法。針對以往的研究中采用試湊K﹑N進行優(yōu)化這一問題，首次引入牛頓插值法，使得該算法的檢測融合性能達到最優(yōu)。并研究了在該算法中引入可信度，局部關聯及