【摘要】：紅外成像制導(dǎo)武器因其制導(dǎo)精度高、自主性強(qiáng)、抗干擾能力強(qiáng)及可全天候作戰(zhàn)等優(yōu)點,在精確制導(dǎo)領(lǐng)域占據(jù)重要地位。作為紅外成像制導(dǎo)武器的關(guān)鍵技術(shù),復(fù)雜背景下紅外運動小目標(biāo)的檢測與跟蹤技術(shù)研究是一項富有挑戰(zhàn)性的研究課題,對其深入研究有著重要的理論意義和應(yīng)用價值。本文以全捷聯(lián)紅外成像導(dǎo)引頭的研制為背景,以打擊地面移動目標(biāo)為目的,研究復(fù)雜背景下運動小目標(biāo)的檢測與跟蹤技術(shù),論文的主要工作和創(chuàng)新點如下:(1)提出了一種基于頻域顯著性的紅外弱小目標(biāo)檢測算法。由于傳統(tǒng)的單幀紅外弱小目標(biāo)檢測算法難以抑制全局重復(fù)性雜波,本文算法從頻域顯著性的角度,通過抑制紅外圖像頻域幅值譜的尖峰來達(dá)到抑制重復(fù)模式、突出弱小目標(biāo)的目的。首先通過頻域分析獲得紅外圖像的顯著性圖,然后在固定閾值分割的基礎(chǔ)上通過灰度質(zhì)心法來定位候選目標(biāo),最后由局部對比度目標(biāo)判別算子進(jìn)一步確定真實目標(biāo)。針對不同場景紅外圖像的實驗結(jié)果表明,本文提出的單幀紅外小目標(biāo)檢測算法準(zhǔn)確率高,抗噪能力較強(qiáng),且能有效抑制全局重復(fù)性雜波。(2)提出了一種基于核化相關(guān)濾波(KCF)和分布場的紅外小目標(biāo)跟蹤算法。針對彈載條件下紅外小目標(biāo)實時魯棒跟蹤的需求,首次將核化相關(guān)濾波引入紅外小目標(biāo)跟蹤領(lǐng)域。針對核化相關(guān)濾波跟蹤算法在跟蹤紅外小目標(biāo)過程中存在的缺陷,主要做了以下三方面的改進(jìn):首先,為了增強(qiáng)目標(biāo)表達(dá)方式的魯棒性與獨特性,利用分布場構(gòu)建紅外小目標(biāo)模型。分布場作為一種融合幾何信息和灰度信息的模糊圖像塊,很適合描述僅有灰度信息且目標(biāo)形變明顯的紅外小目標(biāo)。其次,利用Kalman濾波的方法進(jìn)行目標(biāo)的位置預(yù)測能夠縮小目標(biāo)搜索范圍,提高跟蹤算法的速度。最后,針對序列紅外圖像中小目標(biāo)的形狀變化明顯的特點,引入合適的模型參數(shù)更新策略,進(jìn)一步提高跟蹤算法的穩(wěn)定性和適應(yīng)性。實驗結(jié)果表明,本文提出的跟蹤算法跟蹤精度和速度明顯優(yōu)于傳統(tǒng)跟蹤算法。(3)提出了一種基于直線匹配的紅外運動小目標(biāo)檢測算法。由于傳統(tǒng)檢測算法對于復(fù)雜動態(tài)背景下紅外小目標(biāo)的檢測效果較差,本文首次將基于直線匹配消除全局背景運動的思路引入動目標(biāo)檢測領(lǐng)域。首先結(jié)合第二章提出的單幀檢測算法,實現(xiàn)了首幀圖像候選目標(biāo)的提取。再由第三章的跟蹤算法求得候選目標(biāo)在末幀圖像中的對應(yīng)位置。在動目標(biāo)檢測階段,利用LSD直線檢測算法獲取首幀和末幀的直線段信息,然后由MSLD直線匹配算法找出匹配直線,并求出線段交點,再由RANSAC算法求出變換矩陣,以此來補(bǔ)償背景運動。最后,通過Otsu算法依據(jù)位置偏移誤差區(qū)分動目標(biāo)和背景干擾。實驗結(jié)果表明,本文提出的檢測算法能夠適應(yīng)存在旋轉(zhuǎn)、平移、尺度變化的動態(tài)背景,檢測效果明顯優(yōu)于傳統(tǒng)算法。
【圖文】：

勘甑氖侗鶉啡鮮涑鋈跣∧勘曇觳飩峁鉾淙牒焱饌枷褳?2.1 本章提出的檢測算法流程圖2.2.1 基于頻域分析計算顯著性圖由于頻域分析在計算顯著性時具有全局抑制作用，，對不同大小的顯著性區(qū)域的檢測具有適應(yīng)性，并且對各類噪聲不敏感等優(yōu)點，本文選擇在頻域中分析紅外弱小目標(biāo)圖像的顯著性，并通過顯著性圖來檢測弱小目標(biāo)。對于給定的紅外圖像 f，首先將其轉(zhuǎn)換到復(fù)頻域：Df ( x , y ) F ( f )(u , v)(2.1)其中算子 D 表示快速離散傅里葉變換，F(xiàn) 代表傅里葉變換后的結(jié)果。然后計算頻域幅值譜 A( u , v ) abs( F( f)、)相位譜 P ( x , y ) angl(e F( f)，)以及對數(shù)幅值譜L ( u , v ) l o g (A u( v, 。) )圖 2.2 給出了示例紅外圖像的上述傅里葉變換結(jié)果,其中,(a)為示例紅外圖像 f，圖中存在兩個車輛目標(biāo)（亮斑）和一個暗斑干擾；(b)為相應(yīng)的對數(shù)幅值譜 L(u,v)；(c)為相應(yīng)的相位譜 P(u,v)。

顯著
【學(xué)位授予單位】：國防科學(xué)技術(shù)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP391.41;E91

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 杜玉龍;李建增;張巖;范聰;;無人機(jī)戰(zhàn)場偵察中目標(biāo)識別算法研究綜述[J];飛航導(dǎo)彈;2016年07期

2 張義廣;楊軍;殷志祥;周軍;;自動尋的系統(tǒng)紅外成像目標(biāo)識別算法研究[J];激光與紅外;2007年09期

3 伍文峰;王虎幫;;基于模板匹配的目標(biāo)識別算法的設(shè)計與實現(xiàn)[J];計算機(jī)應(yīng)用;2006年S2期

4 劉祥林;;復(fù)雜地面背景下多目標(biāo)的檢測和識別[J];飛航導(dǎo)彈;1988年08期

5 欒尚禎;;深度學(xué)習(xí)目標(biāo)識別算法發(fā)展趨勢研究[J];電信網(wǎng)技術(shù);2018年04期

6 張維華;郭偉震;周莉;;改進(jìn)證據(jù)融合次序的目標(biāo)識別算法[J];信息與控制;2018年05期

7 王彥芳;馮琦;鄧秀劍;;基于幾何差異的目標(biāo)識別算法[J];計算機(jī)測量與控制;2016年07期

8 徐小琴;;多傳感器數(shù)據(jù)融合目標(biāo)識別算法綜述[J];紅外與激光工程;2006年S4期

9 嚴(yán)文康;李傳增;王樹山;蒲榮輝;;基于FPGA的雙波束激光引信目標(biāo)識別算法研究[J];制導(dǎo)與引信;2011年04期

10 夏魯瑞;趙繼廣;孫潔;陳杭;;基于投影尋蹤的高光譜典型目標(biāo)識別算法[J];光學(xué)與光電技術(shù);2013年03期

相關(guān)會議論文 前10條

1 徐小琴;;多傳感器數(shù)據(jù)融合目標(biāo)識別算法綜述[A];2006年全國光電技術(shù)學(xué)術(shù)交流會會議文集（D 光電信息處理技術(shù)專題）[C];2006年

2 馬君國;趙宏鐘;王微;;基于一維距離像的目標(biāo)識別算法[A];第十四屆全國信號處理學(xué)術(shù)年會(CCSP-2009)論文集[C];2009年

3 常青;;分形特征目標(biāo)識別算法[A];2005年中國智能自動化會議論文集[C];2005年

4 李沅箐;李學(xué)生;董飛彪;湯保龍;;基于深度學(xué)習(xí)的聲目標(biāo)識別算法[A];2018年全國聲學(xué)大會論文集 J通信聲學(xué)與音頻信號處理(含聲頻工程)[C];2018年

5 孔剛;張啟衡;許俊平;;一種復(fù)雜背景下運動擴(kuò)展目標(biāo)識別算法[A];第三屆全國信息獲取與處理學(xué)術(shù)會議論文集[C];2005年

6 楊名;阮雅端;陳林凱;張鵬;陳啟美;;甚高速區(qū)域卷積神經(jīng)網(wǎng)絡(luò)的船舶視頻目標(biāo)識別算法[A];2016年全國通信軟件學(xué)術(shù)會議程序冊與交流文集[C];2016年

7 王偉明;;一種使用并行黑板模型仿真系統(tǒng)實現(xiàn)的基于知識的圖象目標(biāo)識別算法[A];'99系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文集[C];1999年

8 由霖;修春波;;基于模板匹配的目標(biāo)識別算法[A];2011年中國智能自動化學(xué)術(shù)會議論文集（第一分冊）[C];2011年

9 王明芬;李翠華;;基于形狀外觀的海面目標(biāo)識別算法[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

10 王華奎;朱三文;;基于改進(jìn)MFCC的水下目標(biāo)識別算法[A];中國聲學(xué)學(xué)會水聲學(xué)分會2013年全國水聲學(xué)學(xué)術(shù)會議論文集[C];2013年

相關(guān)博士學(xué)位論文 前7條

1 李淼;天基光學(xué)監(jiān)視系統(tǒng)目標(biāo)檢測與識別關(guān)鍵技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2017年

2 翟永立;星空背景下空間運動目標(biāo)自主識別技術(shù)研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院上海技術(shù)物理研究所);2018年

3 亓賀;光電圖像制導(dǎo)系統(tǒng)中目標(biāo)跟蹤關(guān)鍵技術(shù)研究[D];北京理工大學(xué);2016年

4 張兵;光學(xué)圖像末制導(dǎo)中的點目標(biāo)檢測與識別算法研究[D];國防科學(xué)技術(shù)大學(xué);2005年

5 汪洋;極化合成孔徑雷達(dá)圖像處理及其應(yīng)用研究[D];安徽大學(xué);2007年

6 劉明;基于流形學(xué)習(xí)與稀疏描述的SAR目標(biāo)識別算法研究[D];西安電子科技大學(xué);2015年

7 侯國家;水下圖像增強(qiáng)與目標(biāo)識別算法研究[D];中國海洋大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 高峰;自然環(huán)境下的柑橘目標(biāo)識別方法研究[D];北方工業(yè)大學(xué);2019年

2 孫颯爽;自然環(huán)境下綠色蘋果目標(biāo)的識別與分割方法研究[D];西北農(nóng)林科技大學(xué);2019年

3 李小寧;基于深度學(xué)習(xí)的對地目標(biāo)檢測技術(shù)研究[D];中國科學(xué)院大學(xué)(中國科學(xué)院光電技術(shù)研究所);2019年

4 李文心;基于視覺的目標(biāo)跟蹤控制系統(tǒng)研究[D];西安理工大學(xué);2019年

5 聶文昌;融合先驗知識的深度學(xué)習(xí)目標(biāo)識別與定位研究[D];哈爾濱工程大學(xué);2019年

6 黃卓;無人機(jī)運動目標(biāo)實時檢測識別算法研究[D];哈爾濱工業(yè)大學(xué);2018年

7 湯文;復(fù)雜背景下紅外運動小目標(biāo)的檢測與跟蹤技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2016年

8 陳桑桑;基于信息融合的目標(biāo)跟蹤識別技術(shù)研究[D];西安工業(yè)大學(xué);2018年

9 李伯軒;鬼成像目標(biāo)識別算法研究[D];南京理工大學(xué);2018年

10 田新;視頻中運動目標(biāo)檢測與跟蹤算法研究[D];內(nèi)蒙古大學(xué);2018年

本文編號：2624635