【摘要】：紅外技術在軍事和民用領域都占據(jù)著非常重要的地位,各國政府及大型科研機構(gòu)都致力于該項熱門研究課題的研究�，F(xiàn)在戰(zhàn)爭要求武器系統(tǒng)能夠具有克服距離障礙遠程檢測目標的能力,而且距離越遠,其優(yōu)勢就越明顯。目前,針對不同背景下的紅外目標圖像,各國學者相繼提出了不同的目標檢測算法。這些算法主要基于高通濾波或低通濾波以及形態(tài)學濾波等技術。上述算法一般只有針對特定的背景才會有較高的檢測率,而普遍適用于各種背景下的紅外目標檢測算法一直是一個研究難點。伴隨著模式識別技術的發(fā)展,紅外小目標檢測問題正在逐漸發(fā)展為一個新的研究熱點。本文致力于普遍適用于各種復雜背景下的紅外小目標檢測算法研究,提出了基于傅立葉相位譜(PFT)的紅外小目標檢測算法,在此基礎上又提出了支持向量描述(SVDD)的紅外小目標檢測算法。在基于PFT的紅外小目標檢測算法中,為了克服單通道的紅外圖像信息匱乏、目標特性弱等缺點,本文綜合利用多通道圖像的信息。將多通道的圖像通過圖像融合的方式合成最終的顯著圖像。為了克服基于PFT的紅外小目標檢測算法對目標區(qū)域易造成漏檢的不足,在PFT算法的基礎上,本文進一步把目標檢測問題視為一類分類問題。包含目標的紅外圖像可以看作目標數(shù)據(jù)和非目標數(shù)據(jù)的數(shù)據(jù)集,目標檢測的任務是從數(shù)據(jù)集中判斷出哪些數(shù)據(jù)為目標數(shù)據(jù)。本文利用SVDD理論進行訓練,獲得包含盡可能多的目標樣本的超球體。然后通過判斷待測試圖像對應于超球體的位置,來完成目標的檢測。此外如何縮小目標檢測的搜索區(qū)域也是本文的研究重點。依據(jù)PFT算法獲取的顯著圖只包括可能存在目標的可疑區(qū)域。在該區(qū)域內(nèi),利用SVDD分類器進行紅外目標檢測,會大大縮小了目標檢測的搜索區(qū)域,節(jié)約計算時間。為了更好地還原真實目標的尺寸,本文把可疑區(qū)域的外接矩形映射回原圖,并把測試樣本的尺寸規(guī)定為可疑區(qū)域外接矩形的2倍。然后通過同比例的窗口縮放,使最終的測試樣本與訓練樣本尺寸相同。最后通過判斷測試圖像是否在超球體的內(nèi)部,來實現(xiàn)可疑區(qū)域內(nèi)的目標檢測�？偟膩碚f,本文有以下幾點創(chuàng)新之處:1.PFT算法實際上是把小目標檢測問題轉(zhuǎn)化為顯著性區(qū)域檢測問題,顯著性區(qū)域檢測算法的性能對識別率的影響非常大。為了使目標和背景具有更大的可區(qū)分性,利用了多通道的圖像信息。選取合適的圖像融合方法也是決定顯著性檢測算法優(yōu)劣的關鍵。本文依據(jù)紅外目標呈現(xiàn)各向同性的高斯狀這一特性,采用的的融合方法只保存紅外圖像中多個通道上像素值都不為零的目標區(qū)域,抑制只在個別通道灰度值不為零的背景干擾區(qū)域。通過上述的融合算法,能夠大大提高該算法的檢測性能。2.本文創(chuàng)新性地把目標檢測問題視為一類分類問題,提出了基于SVDD的紅外小目標檢測算法來完成目標的檢測。利用SVDD算法對仿真的目標樣本進行訓練,獲得包含盡可能多的目標樣本的超球體,然后通過判斷待檢測樣本是否在超球體的內(nèi)部,最終實現(xiàn)目標的檢測。此方法效果優(yōu)異,檢測精度高。3.為了減少計算量和提高目標的檢測精度,本文首先采用PFT算法獲取紅外圖像的顯著性區(qū)域,然后在顯著性區(qū)域內(nèi)提取可疑區(qū)域的輪廓和外接矩形,并把這些外接矩形到原圖上,實現(xiàn)測試窗口的自適應選取。最后采用SVDD算法對子圖像進行判別,實現(xiàn)目標的最終檢測。該方法相對SVDD算法來說減少了計算,相對于PFT算法來說提高了精度。因此,在顯著性區(qū)域內(nèi)采用SVDD算法檢測目標具有更好地檢測性能。
【圖文】：

吉林大學碩士學位論文修正。本文在修正圖中把大于零的值設置為零，小于零的像素值取反，這樣更加符合人類的視覺效果和思維方式。原始圖像（圖 2.5(a)所示）是包括代表雜波的斜坡和代表小目標的高斯隆起組成的二維信號。圖 2.5(b)是圖 2.5(a) 在某一個方向上的 SODD 的濾波結(jié)果，，把斜坡和高斯隆起轉(zhuǎn)化為帶狀紋理和高斯點狀的 SODD 圖。圖 2.5(c)是圖 2.5(b)的修正圖。

一維波形傅里葉相位譜重構(gòu)示意圖
【學位授予單位】：吉林大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TP391.41;TN21

【參考文獻】

相關期刊論文 前10條

1 王剛;陳永光;楊鎖昌;高敏;戴亞平;;采用圖像塊對比特性的紅外弱小目標檢測[J];光學精密工程;2015年05期

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

3 付冬梅;唐升波;;基于改進的混合高斯模型的紅外運動目標檢測[J];紅外技術;2014年08期

4 侯潔;辛云宏;;基于高通濾波和圖像增強的紅外小目標檢測方法[J];紅外技術;2013年05期

5 汪廷華;陳峻婷;;核函數(shù)的選擇研究綜述[J];計算機工程與設計;2012年03期

6 吳定海;張培林;任國全;陳非;;基于支持向量的單類分類方法綜述[J];計算機工程;2011年05期

7 劉娟妮;彭進業(yè);李大湘;王平;;基于譜殘差和多分辨率分析的顯著目標檢測[J];中國圖象圖形學報;2011年02期

8 謝迎新;陳祥光;余向明;岳彬;郭靜;;基于快速SVDD的無線傳感器網(wǎng)絡Outlier檢測[J];儀器儀表學報;2011年01期

9 周奇;;對支持向量機幾種常用核函數(shù)和參數(shù)選擇的比較研究[J];福建電腦;2009年06期

10 謝磊;劉雪芹;張建明;王樹青;;基于NGPP-SVDD的非高斯過程監(jiān)控及其應用研究[J];自動化學報;2009年01期

相關博士學位論文 前1條

1 劉瑞明;復雜環(huán)境下紅外目標檢測及跟蹤技術研究[D];上海交通大學;2008年

相關碩士學位論文 前10條

1 鄒咪;海面紅外序列圖像的預處理與目標檢測方法研究[D];深圳大學;2017年

2 范競丹;基于形態(tài)分量分析的紅外目標檢測[D];電子科技大學;2017年

3 田兵兵;基于核函數(shù)的SAR圖像目標識別研究[D];電子科技大學;2015年

4 王韜;INS/GPS復合制導技術及其在火箭彈中的應用研究[D];哈爾濱工業(yè)大學;2014年

5 林曉;紅外小目標檢測與跟蹤技術研究[D];南京航空航天大學;2013年

6 徐杰;基于SVDD的支持向量搜索的研究與應用[D];武漢科技大學;2012年

7 武婷婷;分類器性能評價研究[D];北京交通大學;2010年

8 林華;數(shù)據(jù)挖掘技術在卷煙配方優(yōu)化中的應用[D];中國海洋大學;2008年

9 曹原;紅外圖像中弱小目標的檢測技術研究[D];上海交通大學;2007年

10 顧靜良;低對比度弱小目標檢測算法研究[D];中國工程物理研究院;2005年

本文編號：2694336