復(fù)雜背景下的紅外小目標(biāo)檢測(cè)是精確制導(dǎo)武器系統(tǒng)與空中偵查的關(guān)鍵技術(shù),受到了越來(lái)越多的重視。由于目標(biāo)與紅外傳感器之間的距離比較遠(yuǎn),導(dǎo)致目標(biāo)成像面積小,圖像信噪比低,圖像中目標(biāo)物體的輪廓和紋理模糊,可用信息少。同時(shí),由于復(fù)雜背景下的紅外圖像中存在大量的高亮背景區(qū)域和背景邊緣,導(dǎo)致誤檢率比較高,嚴(yán)重影響檢測(cè)算法的效果。因此,復(fù)雜背景下的紅外小目標(biāo)檢測(cè)極具挑戰(zhàn)。1.本文在國(guó)內(nèi)外紅外小目標(biāo)檢測(cè)研究的基礎(chǔ)上,首先對(duì)紅外小目標(biāo)特性進(jìn)行分析,并對(duì)目前常用的幾種小目標(biāo)檢測(cè)算法進(jìn)行仿真。針對(duì)紅外小目標(biāo)檢測(cè)所面臨的一些難點(diǎn),本文以梯度算法為基礎(chǔ),通過(guò)對(duì)目標(biāo)的梯度特性進(jìn)行分析,得出目標(biāo)在鄰域周?chē)哂?60o梯度快速下降的特性,而疑似目標(biāo)僅在少數(shù)方向具有梯度下降的特性。為解決普通的檢測(cè)算法檢測(cè)率低的問(wèn)題,本文采用多級(jí)聯(lián)合的方式。首先,提出了一種基于多方向環(huán)形梯度法的檢測(cè)算法用來(lái)提取ROI,構(gòu)建圖像高斯金字塔進(jìn)行多尺度提取ROI,解決目標(biāo)的尺度問(wèn)題;其次,為了使目標(biāo)分割與特征提取更加準(zhǔn)確,提出一種自適應(yīng)多方向的新型Top-Hat變換進(jìn)行背景抑制;最后采用自適應(yīng)閾值算法對(duì)目標(biāo)進(jìn)行分割。2.基于單幀算法的檢測(cè)結(jié)果,結(jié)合... 

【文章來(lái)源】：西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：95 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

Haar特征模板

開(kāi)發(fā)周期長(zhǎng)、難度大、維護(hù)成本高。相反，ARM 比較擅長(zhǎng)執(zhí)行邏輯復(fù)雜的計(jì)算，適合做控制類(lèi)操作，在系統(tǒng)中完成復(fù)雜的運(yùn)算。系統(tǒng)的實(shí)物圖如圖 5.2 所示：圖5.2 系統(tǒng)實(shí)物圖

圖5.3 FX3 結(jié)構(gòu)框圖5.1.3 算法移植首先，紅外傳感器通過(guò) CameraLink 將紅外圖像數(shù)據(jù)送入 FPGA，完成圖像數(shù)據(jù)的獲取。其次，F(xiàn)PGA 對(duì)傳來(lái)的圖像數(shù)據(jù)分流處理，一路數(shù)據(jù)緩存到 DDR2 中，用于系統(tǒng)

【參考文獻(xiàn)】：
期刊論文
[1]基于類(lèi)Haar特征和自適應(yīng)提升算法的前車(chē)識(shí)別[J]. 曹景勝,李剛,石晶,王冬霞,郭銀景.  科學(xué)技術(shù)與工程. 2019(07)
[2]基于最大中值濾波和K-means聚類(lèi)紅外弱小目標(biāo)檢測(cè)[J]. 岳付昌.  光電技術(shù)應(yīng)用. 2018(05)
[3]尺度及主方向改正的ORB特征匹配算法[J]. 柴江龍,樊彥國(guó),王斌,韓志聰.  計(jì)算機(jī)工程與應(yīng)用. 2019(13)
[4]基于邊緣梯度特征的目標(biāo)定位算法[J]. 陳志彭.  電子世界. 2018(17)
[5]基于Haar-like和AdaBoost的車(chē)臉檢測(cè)[J]. 朱善瑋,李玉惠.  電子科技. 2018(08)
[6]基于內(nèi)容推薦算法和余弦相似度算法的領(lǐng)導(dǎo)決策輔助信息系統(tǒng)[J]. 駱亮.  廣西科學(xué)院學(xué)報(bào). 2018(02)
[7]基于多假設(shè)的目標(biāo)檢測(cè)跟蹤算法[J]. 樓曉祥.  電子技術(shù)與軟件工程. 2018(10)
[8]一種改進(jìn)Haar-like特征的車(chē)輛識(shí)別算法[J]. 羅瑞奇,鐘忺,鐘珞,李琳.  武漢大學(xué)學(xué)報(bào)(理學(xué)版). 2018(03)
[9]紅外目標(biāo)測(cè)量圖像高精度定位方法[J]. 李曉冰.  兵工自動(dòng)化. 2018(05)
[10]基于國(guó)產(chǎn)化ARM平臺(tái)的Ceph分布式存儲(chǔ)集群設(shè)計(jì)[J]. 周浩宇,李含輝,樊榮,肖威.  艦船電子工程. 2018(02)

博士論文
[1]基于人類(lèi)視覺(jué)特性的復(fù)雜背景紅外小目標(biāo)檢測(cè)研究[D]. 韓金輝.華中科技大學(xué) 2016
[2]復(fù)雜背景下的紅外弱小目標(biāo)檢測(cè)與跟蹤技術(shù)研究[D]. 汪大寶.西安電子科技大學(xué) 2010

碩士論文
[1]紅外目標(biāo)實(shí)時(shí)檢測(cè)系統(tǒng)設(shè)計(jì)[D]. 陳星.西安電子科技大學(xué) 2018
[2]基于深度學(xué)習(xí)的人臉身份認(rèn)證方法研究[D]. 劉炎鍇.西安理工大學(xué) 2017
[3]紅外弱小多目標(biāo)實(shí)時(shí)處理[D]. 孫慧婷.蘇州科技大學(xué) 2017
[4]基于嵌入式系統(tǒng)的實(shí)時(shí)成像處理研究[D]. 孫超.西安電子科技大學(xué) 2017
[5]文本語(yǔ)義相似度計(jì)算方法研究及應(yīng)用[D]. 楊萌.蘇州大學(xué) 2017
[6]復(fù)雜云層背景下紅外小目標(biāo)檢測(cè)算法研究[D]. 孫學(xué)超.哈爾濱工程大學(xué) 2017
[7]紙幣多光譜高分辨率圖像采集系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D]. 周春然.華中科技大學(xué) 2016
[8]基于視覺(jué)注意機(jī)制的紅外弱小目標(biāo)檢測(cè)方法研究[D]. 崔娜.西安電子科技大學(xué) 2015
[9]云背景下紅外弱小目標(biāo)背景抑制方法研究[D]. 梅麗斐.南昌航空大學(xué) 2015
[10]低分辨率下的車(chē)牌識(shí)別技術(shù)研究[D]. 龔小偉.中山大學(xué) 2015



本文編號(hào)：2987483