低對比度弱小目標檢測算法研究.pdf

1、近年來，低對比度圖像中弱小目標的檢測問題一直是光學和圖像處理領域的研究熱點?？梢姽鈧鞲衅骱图t外傳感器在監(jiān)視告警系統(tǒng)中具有較強的生存能力，但其作用距離較短，目標在視場中多是以小目標(點和斑點目標)形態(tài)出現的，而且目標的對比度都很低，研究低對比度圖像中弱小目標的實時檢測及識別算法，可以實現擴展它們作用距離的目的。 本論文致力于研究低對比度弱小目標檢測新方法，主要研究工作概括為：首先分析了低對比度弱小目標圖像的目標背景特征、弱小目標的

2、特點及弱小目標檢測的難點。在此基礎上，提出了四種行之有效的弱小目標檢測方法，并開發(fā)研制了相關檢測算法軟件進行了驗證，給出了詳細的評價結果。最后還利用DSP硬件系統(tǒng)對算法進行了實用性驗證，將鄰域熵方法移植到了硬件實驗系統(tǒng)中，系統(tǒng)檢測率達99％，虛警率約8％，運行速度達30幀每秒。 1)將傳統(tǒng)的熵值方法進行改進，提出運用鄰域熵值的方法來檢測弱小目標，并結合形態(tài)開運算來進行圖像的預處理，去除噪聲，提高檢測率。 2)在分析分形技

3、術在人造目標檢測的應用的基礎上，提出用分形曲面的尺度變化率特征來檢測弱小目標，這個分形特征比常用的分形維數特征和分形擬合誤差更能突出目標、抑制背景。這種方法檢測率較高，而且其檢測率對噪聲不敏感。 3)針對模板匹配方法容易受背景和目標變化影響的缺點，提出在檢測過程中對匹配的模板進行自適應修正。針對模板匹配方法檢測速度慢的缺點，采取了遺傳算法優(yōu)化的方法，將檢測速度提高近12倍，達到實時性的要求。 4)在分析了小波變換的多分辨