復(fù)雜背景下紅外弱小目標(biāo)檢測(cè)跟蹤在軍事防御系統(tǒng)應(yīng)用廣泛,其中包括早期預(yù)警、精確制導(dǎo)、導(dǎo)彈追蹤系統(tǒng)和海洋監(jiān)控系統(tǒng)等,是一種關(guān)鍵性的技術(shù)。隨著反輻射技術(shù)和隱形飛機(jī)的應(yīng)用,雷達(dá)系統(tǒng)面臨嚴(yán)峻的挑戰(zhàn),無源被動(dòng)紅外探測(cè)技術(shù)可以很好的避免這些問題。通常紅外圖像中背景復(fù)雜、目標(biāo)微弱,復(fù)雜背景下的弱小目標(biāo)檢測(cè)和跟蹤是紅外預(yù)警、制導(dǎo)的瓶頸問題�；诖�,本文針對(duì)復(fù)雜背景下紅外弱小目標(biāo)檢測(cè)跟蹤問題開展研究,主要內(nèi)容包括如下:1、研究了紅外圖像背景和弱小目標(biāo)的特性。在紅外弱小目標(biāo)檢測(cè)跟蹤中,背景在紅外圖像中幾乎占全部的像素,目標(biāo)只占有幾個(gè)到十幾個(gè)像素點(diǎn),并且局部背景和它相鄰的區(qū)域具有強(qiáng)的相關(guān)性。利用以上背景和目標(biāo)的特性,對(duì)紅外圖像進(jìn)行片圖像化后,可得到背景具有低秩特性目標(biāo)具有稀疏特性。2、針對(duì)紅外弱小目標(biāo)檢測(cè)問題,研究了基于結(jié)構(gòu)先驗(yàn)的重加權(quán)低秩和增強(qiáng)稀疏的檢測(cè)方法。經(jīng)過片圖像化后,利用背景的低秩特性和目標(biāo)的稀疏特性可以用魯棒主成分分析的方法進(jìn)行求解得到檢測(cè)結(jié)果,然而該方法是近似求解,并且背景邊緣的稀疏特性也會(huì)對(duì)檢測(cè)結(jié)果帶來的影響�？紤]到以上不足,本文提出了對(duì)背景片圖像重加權(quán)和目標(biāo)片圖像增強(qiáng)稀疏的方法,使得模型更加...

【文章頁數(shù)】：77 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號(hào)對(duì)照表
縮略語對(duì)照表
第一章 緒論
    1.1 研究背景及意義
    1.2 課題的研究現(xiàn)狀
        1.2.1 紅外弱小目標(biāo)檢測(cè)方法研究現(xiàn)狀
        1.2.2 紅外弱小目標(biāo)跟蹤方法研究現(xiàn)狀
    1.3 本文的研究內(nèi)容與結(jié)構(gòu)安排
第二章 紅外圖像特性分析
    2.1 引言
    2.2 紅外熱成像原理
    2.3 紅外圖像特性
        2.3.1 紅外圖像整體特點(diǎn)
        2.3.2 背景特性分析
        2.3.3 噪聲特性分析
        2.3.4 紅外弱小目標(biāo)特性分析
    2.4 不同場(chǎng)景下的紅外弱小目標(biāo)圖像
    2.5 本章小結(jié)
第三章 基于結(jié)構(gòu)先驗(yàn)的重加權(quán)低秩和增強(qiáng)稀疏的紅外弱小目標(biāo)檢測(cè)方法
    3.1 引言
    3.2 紅外片圖像模型
        3.2.1 紅外片圖像模型特點(diǎn)
        3.2.2 基于片圖像模型的目標(biāo)檢測(cè)方法
    3.3 重加權(quán)低秩和增強(qiáng)稀疏目標(biāo)檢測(cè)
        3.3.1 重加權(quán)低秩
        3.3.2 目標(biāo)增強(qiáng)稀疏
        3.3.3 基于結(jié)構(gòu)張量的邊緣抑制
        3.3.4 RLES模型和優(yōu)化算法
    3.4 目標(biāo)檢測(cè)框架
    3.5 綜合實(shí)驗(yàn)對(duì)比分析
        3.5.1 實(shí)驗(yàn)數(shù)據(jù)
        3.5.2 實(shí)驗(yàn)對(duì)比
        3.5.3 評(píng)價(jià)指標(biāo)
        3.5.4 實(shí)驗(yàn)結(jié)果分析
    3.6 本章小結(jié)
第四章 基于深度學(xué)習(xí)和相關(guān)濾波的紅外弱小目標(biāo)跟蹤
    4.1 引言
    4.2 相關(guān)濾波目標(biāo)跟蹤
    4.3 卷積神經(jīng)網(wǎng)絡(luò)
        4.3.1 卷積層的局部連接和權(quán)值共享
        4.3.2 卷積層操作
        4.3.3 激活函數(shù)
        4.3.4 池化
    4.4 基于CNN和中心偏置空間正則化的紅外弱小目標(biāo)跟蹤
        4.4.1 CNN提取紅外弱小目標(biāo)特征
        4.4.2 空間正則化相關(guān)濾波
        4.4.3 中心偏置空間正則化相關(guān)濾波
        4.4.4 濾波器訓(xùn)練和模型更新
    4.5 跟蹤算法框架
    4.6 綜合實(shí)驗(yàn)對(duì)比分析
        4.6.1 實(shí)驗(yàn)數(shù)據(jù)
        4.6.2 實(shí)驗(yàn)參數(shù)設(shè)置
        4.6.3 評(píng)價(jià)指標(biāo)
        4.6.4 實(shí)驗(yàn)結(jié)果和分析
    4.7 本章小結(jié)
第五章 總結(jié)與展望
    5.1 工作總結(jié)
    5.2 工作展望
參考文獻(xiàn)
致謝
作者簡介



本文編號(hào)：3756436