本文關(guān)鍵詞： 紅外弱小目標(biāo)檢測 BEMD 移相差分算法 時空融合分割　出處：《華中科技大學(xué)》2015年碩士論文　論文類型：學(xué)位論文

【摘要】：紅外探測系統(tǒng)是遠(yuǎn)程打擊系統(tǒng)和預(yù)警系統(tǒng)的重要組成,但是復(fù)雜背景下低信噪比紅外弱小目標(biāo)的檢測一直是一項非常困難的課題,正因為如此,該課題成為遠(yuǎn)程精確打擊系統(tǒng)和早期預(yù)警系統(tǒng)的核心研究內(nèi)容之一。針對這個難題,國內(nèi)外很多學(xué)者提出了很多富有成效的紅外弱小目標(biāo)檢測算法,但是現(xiàn)階段這些算法也都存在一定的局限性。本文提出了一種基于BEMD和時空融合的復(fù)雜背景低信噪比弱小目標(biāo)檢測新方法,其中EMD算法是一種分析一維非平穩(wěn)信號的有力工具,不同于傅里葉變換、小波變換等數(shù)據(jù)分析方法,EMD是完全的數(shù)據(jù)驅(qū)動的自分解過程,不需要人為構(gòu)造變換的核函數(shù),具有很強的自適應(yīng)性。本文將一維EMD算法推廣到二維應(yīng)用中,利用BEMD處理紅外弱小目標(biāo)圖像,得到含有小目標(biāo)特征信號的分解結(jié)果,再和本文提出的移相差分算法進行融合,最后對融合結(jié)果進行分割,檢測出紅外圖像中的弱小目標(biāo)。傳統(tǒng)BEMD存在不一致收斂和模態(tài)混疊問題,這兩個問題極大的限制了BEMD的應(yīng)用。針對這兩個難題,本文借鑒項目管理中常用的“魚骨圖分析方法”,找出極值點提取不足是造成BEMD過程中迭代條件振蕩,算法不一致收斂以及模態(tài)混疊問題的主要原因,并針對傳統(tǒng)BEMD的不足,提出改進的BEMD算法,通過對比試驗,本文改進的BEMD較傳統(tǒng)BEMD有著更快的收斂速度和分解效率,有效的克服了不一致收斂和模態(tài)混疊問題,為BEMD應(yīng)用于紅外弱小目標(biāo)檢測奠定了基礎(chǔ)。針對現(xiàn)有紅外弱小目標(biāo)圖像背景抑制算法的不足,本文開創(chuàng)性的提出移相差分算法,該方法基于單幀圖像處理,采用移相的方法制造出小目標(biāo)“運動”的性質(zhì),再將不同相位差值信號融合,可以極大的抑制紅外背景,是一種簡單高效的背景抑制新算法。針對小目標(biāo)特征信號及背景抑制圖像中存在少量雜波的問題,本文提出的基于BEMD和時空融合方法濾去背景雜波,可以極大地提高分割效果。
[Abstract]:Infrared detection system is an important component of long-range strike system and early warning system, but the detection of infrared small and weak targets with low signal-to-noise ratio (SNR) in complex background is always a very difficult task. This subject has become one of the core research contents of remote precision strike system and early warning system. In view of this problem, many scholars at home and abroad have put forward many effective infrared dim target detection algorithms. However, these algorithms also have some limitations at present. In this paper, a new method based on BEMD and spatio-temporal fusion is proposed to detect small and weak targets with complex background and low signal-to-noise ratio (SNR). The EMD algorithm is a powerful tool for analyzing one-dimensional non-stationary signals. Unlike Fourier transform, wavelet transform and other data analysis methods are completely data-driven self-decomposition processes, which do not require artificial construction of the kernel function of transformation, and have strong self-adaptability. In this paper, one-dimensional EMD algorithm is extended to two-dimensional applications. The infrared dim target image is processed by BEMD, and the decomposition result with small target characteristic signal is obtained, and then fused with the phase shift difference algorithm proposed in this paper. Finally, the fusion result is segmented. The weak targets in infrared images are detected. There are inconsistent convergence and modal aliasing problems in traditional BEMD, which greatly limit the application of BEMD. This paper draws lessons from the "fish bone map analysis method" commonly used in project management, finds out that the shortage of extreme point extraction is the main cause of iterative condition oscillation, algorithm convergence and modal aliasing in the BEMD process, and aims at the deficiency of traditional BEMD. An improved BEMD algorithm is proposed. The improved BEMD has faster convergence speed and decomposition efficiency than the traditional BEMD, and effectively overcomes the inconsistent convergence and modal aliasing problems. This paper lays a foundation for the application of BEMD in infrared dim target detection. In view of the shortcomings of existing background suppression algorithms for infrared dim and small target images, this paper proposes a novel phase shift differential algorithm, which is based on single frame image processing. The method of phase shift is used to create the "motion" property of small target, and then the signal of different phase difference can be fused, which can greatly suppress the infrared background. It is a simple and efficient new algorithm for background suppression. Aiming at the problem of a small number of clutter in the feature signal of small target and the image of background suppression, this paper proposes a method based on BEMD and spatiotemporal fusion to filter background clutter, which can greatly improve the segmentation effect.
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP391.41

【參考文獻】

相關(guān)期刊論文 前10條

1 倪屹;李宗勛;;中日釣魚島爭端的由來及其演變[J];延邊大學(xué)學(xué)報(社會科學(xué)版);2015年02期

2 穆育強;孫曉松;王軍權(quán);沈海濱;陳安宏;;再入飛行器精確制導(dǎo)技術(shù)發(fā)展分析[J];飛航導(dǎo)彈;2015年03期

3 潘志平;;2015中亞局勢撲朔迷離[J];中國投資;2015年03期

4 呂琳琳;;亞太地區(qū)彈道導(dǎo)彈能力水平及發(fā)展特點分析[J];現(xiàn)代軍事;2015年03期

5 周偉;李毅;張亞迪;;外軍巡航導(dǎo)彈發(fā)展態(tài)勢分析[J];航天電子對抗;2015年01期

6 陳文玲;任海平;;美國全球戰(zhàn)略的調(diào)整及影響[J];全球化;2015年02期

7 侯旺;孫曉亮;尚洋;于起峰;;紅外弱小目標(biāo)檢測技術(shù)研究現(xiàn)狀與發(fā)展趨勢[J];紅外技術(shù);2015年01期

8 韋偉;單潔;劉卓然;羅亞拉;;基于標(biāo)志性事件研究的我國在“三�！眴栴}上所處形勢分析[J];情報雜志;2015年01期

9 楊剛;陳標(biāo);張本濤;;EMD在海洋內(nèi)波研究中的應(yīng)用[J];艦船電子工程;2014年03期

10 謝文亮;朱丹;佟新鑫;;一種基于視覺注意的小目標(biāo)檢測方法[J];計算機工程與應(yīng)用;2013年12期

相關(guān)博士學(xué)位論文 前2條

1 曹沖鋒;基于EMD的機械振動分析與診斷方法研究[D];浙江大學(xué);2009年

2 申麗然;Hilbert-Huang變換及其在含噪語音信號處理中的應(yīng)用研究[D];哈爾濱工程大學(xué);2006年

相關(guān)碩士學(xué)位論文 前6條

1 張慧莉;基于時空域濾波的紅外小目標(biāo)檢測[D];哈爾濱工業(yè)大學(xué);2014年

2 黃晟;基于經(jīng)驗?zāi)B(tài)分解的紅外小目標(biāo)檢測算法研究[D];華中科技大學(xué);2013年

3 韓盼;經(jīng)驗?zāi)B(tài)分解及其在紅外目標(biāo)檢測中的應(yīng)用[D];西安電子科技大學(xué);2012年

4 薛中偉;二維經(jīng)驗?zāi)Ｊ椒纸饧捌湓趫D像處理中的應(yīng)用[D];哈爾濱工程大學(xué);2011年

5 齊峰;基于EMD的復(fù)雜云天背景下紅外圖像弱小目標(biāo)檢測方法研究[D];西安電子科技大學(xué);2011年

6 李利榮;基于小波變換的小目標(biāo)檢測方法研究[D];華中科技大學(xué);2004年

，

本文編號：1507858