紅外弱小目標(biāo)檢測(cè)是精確制導(dǎo)領(lǐng)域中的關(guān)鍵技術(shù)之一,在飛機(jī)的紅外搜索與跟蹤（Infrared Search and Track,IRST）系統(tǒng)、紅外成像與制導(dǎo)系統(tǒng)以及一些軍事設(shè)施的預(yù)警系統(tǒng)中有著舉足輕重的地位。為了高效、可靠、穩(wěn)定地檢測(cè)紅外弱小目標(biāo),需要對(duì)復(fù)雜背景下的紅外弱小目標(biāo)檢測(cè)方法進(jìn)行全面、深入的研究。本文的主要工作如下:首先,提出了一種基于多尺度紅外超像素圖像模型的弱小目標(biāo)檢測(cè)方法。采用超像素方法分割原始紅外圖像,得到無(wú)重疊區(qū)域的超像素圖像,不僅充分利用了紅外圖像的局部空間相關(guān)性,還避免了由冗余信息所帶來(lái)的計(jì)算負(fù)擔(dān);引入多尺度理論,進(jìn)而融合多個(gè)不同尺度下檢測(cè)的目標(biāo)圖像,可以增強(qiáng)算法檢測(cè)不同尺寸目標(biāo)的穩(wěn)健性。實(shí)驗(yàn)結(jié)果表明,與Top-Hat方法、Max-Mean方法、Max-Median方法、二維最小均方（Two-Dimensional Least Mean Square,TDLMS）方法、局部顯著性圖（Local Saliency Map,LSM）方法、紅外塊圖像（Infrared Patch-Image,IPI）方法相比,該方法具有更好的背景抑制效果及更強(qiáng)的對(duì)目標(biāo)尺寸的適應(yīng)性。然后... 

【文章來(lái)源】：南京航空航天大學(xué)江蘇省 211工程院校

【文章頁(yè)數(shù)】：85 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

減少超像素搜索范圍

圖 2.2 MISI 模型的檢測(cè)過(guò)程2.3.3 方法流程基于多尺度紅外超像素圖像(Multiscale Infrared Superpixel-Image, MISI)模型的弱小目標(biāo)檢測(cè)方法的檢測(cè)過(guò)程如圖 2.2 所示，具體流程描述如下：

圖 2.3 目標(biāo)區(qū)域與鄰近背景區(qū)域于目標(biāo)檢測(cè)領(lǐng)域的最重要的性能hitdtargetNPN falseaNFN 標(biāo)數(shù)目，targetN 為真實(shí)目標(biāo)的總數(shù)目越高，虛警率越低時(shí)，該方法的檢坐標(biāo)，展示目標(biāo)檢測(cè)方法的這兩個(gè)制性能下的單幀紅外圖像，背景包括天空同。為了便于觀察，圖中用紅色方結(jié)果，從檢測(cè)結(jié)果可以看出，本章


本文編號(hào)：3029176