在圖像制導領域,通常用增加紅外焦平面陣列像元數(shù)目的方法來提高成像分辨率,這為成像設備帶來了:制造成本提升、各像元的紅外響應不均勻、讀取電路復雜等一系列問題�；趬嚎s感知技術的成像設備,降低了采集相同分辨率圖像所需的像元數(shù)量,可以有效的解決這些問題。然而傳統(tǒng)的壓縮感知數(shù)據(jù)處理方法需要在檢測追蹤目標之前重構原始圖像,重構計算占用了大量的計算資源并且對系統(tǒng)的實時性造成了影響。本文以提高目標檢測算法的實時性為目的,研究了壓縮感知圖像的免重構目標檢測方法;為形成完整的基于壓縮感知的目標檢測追蹤系統(tǒng),本文進一步研究了局部重構的目標追蹤方法,以及在目標遮擋情況下的追蹤方法。主要研究工作如下:針對完全重構原始圖像的紅外目標檢測追蹤框架實時性較差的問題,提出一種全局免重構目標檢測、局部重構目標追蹤的方法框架。該框架利用分塊壓縮感知對視場進行分割,利用分塊采樣結果的統(tǒng)計特性和相鄰分塊之間的關聯(lián)特性,直接對目標進行檢測,以此提高目標檢測的實時性。獲取檢測結果后僅重構目標區(qū)域的分塊并在區(qū)域內進行追蹤計算,使得該框架既可以充分的利用圖像信息精準的追蹤目標位置,又可以避免重構全部圖像帶來的大量計算。在此基礎上,對... 

【文章來源】：哈爾濱工業(yè)大學黑龍江省 211工程院校 985工程院校

【文章頁數(shù)】：126 頁

【學位級別】：博士

【部分圖文】：

文章的組織結構圖

由此可以確定參數(shù)Ib和?I的關系可以表示為0.598?I/Ib≤15%,即4?I≤Ib,依據(jù)之前的約束條件,則Ib=0.5,?I=0.125,σ=1.25。為了更直觀的展示模型的外觀特征,將模型的matlab示意圖畫出,如2-1所示。在目標追蹤階段,待解決的問題可以概括為已知目標的初始狀態(tài),追蹤器持續(xù)獲取圖像并輸出目標狀態(tài)。通常將目標描述為一個非線性系統(tǒng),追蹤過程即對其狀態(tài)進行預測、觀測和修正的過程。因此,在t時刻,目標的狀態(tài)方程和觀測方程可以表示為公式2-6和2-7。

分塊后的處理借鑒了人類視覺系統(tǒng)的思想,人類視覺在無先驗知識的情況下會將視場分為許多小塊區(qū)域,并以小塊作為被處理的基本單元,通過視覺注意機制選擇包含重要的信息的小塊進行分析。整個系統(tǒng)的核心是通過使用低層處理篩選出感興趣的區(qū)域,并以此作為其更高一層的處理對象繼續(xù)處理,用上一層的處理結果驅動下一層的處理,從而達到利用較少的精力處理簡單區(qū)域,用較多的精力處理復雜區(qū)域的目的[140]。基于這種處理思想,本文提出的處理框架在獲取所有分塊壓縮結果后,利用包含目標和背景的分塊壓縮數(shù)據(jù)表現(xiàn)出來特性的不同來提取目標分塊。獲取目標所在的分塊區(qū)域后,針對追蹤過程中目標有可能存在干擾物、遮擋物的特點,需要重構圖像以獲取更為詳細的目標信息。利用分塊壓縮感知各分塊操作均獨立進行的特點,僅對目標及其周邊局部背景區(qū)域進行重構并在重構區(qū)域內進行追蹤計算。將重構計算限制在局部區(qū)域內,可以避免大量的背景區(qū)域重構計算,提高系統(tǒng)處理的實時性;另外還可以利用檢測結果,對采樣操作進行反饋,對于檢測到目標的區(qū)域增加采樣次數(shù),反之,對于背景區(qū)域降低采樣次數(shù)。如圖2-2所示為本文設計的檢測追蹤框架。在本文設計的框架中,系統(tǒng)首先利用分塊壓縮采樣的結果的統(tǒng)計特性,判斷當前幀中是否包含目標,若包含目標則標記目標所在的分塊。處理過程針對系統(tǒng)是否可以獲取目標和背景的先驗知識,分別設計了兩種檢測方法:在系統(tǒng)可以獲取先驗知識的情況下,提出結合Fisher準則的觀測矩陣,并利用該觀測矩陣設計兩層目標檢測框架;在系統(tǒng)無法獲取先驗知識的情況下,利用包含目標的分塊與不包含目標的背景分塊之間的特征差異來檢測目標所在分塊。結合被標記分塊的原始采樣結果,只對被標記的分塊和其周邊分塊進行重構,得到目標及其周邊局部背景區(qū)域的原始圖像并在局部區(qū)域的原始圖像內獲取目標的精確位置和尺寸,將目標的精確信息輸入追蹤器和分塊采樣的控制設備,由追蹤器持續(xù)輸出目標狀態(tài)作為最終計算結果。為了更好的展示本章提出的處理框架的邏輯,用偽代碼算法2-1展現(xiàn)。

【參考文獻】：
期刊論文
[1]一種用于非制冷紅外焦平面陣列的低噪聲高均勻性讀出電路（英文）[J]. 周同,何勇,趙健,姜波,蘇巖.  紅外與毫米波學報. 2018(03)
[2]紅外焦平面信號讀出及處理技術[J]. 李敬國,卓毅.  激光與紅外. 2018(04)
[3]改進Sobel算子的單幀紅外弱小目標檢測[J]. 苗曉孔,王春平.  光電工程. 2016(12)
[4]并行可見光焦平面壓縮成像系統(tǒng)[J]. 歐陽瑤,陳靖.  激光與光電子學進展. 2017(02)
[5]利用大氣修正因子提高目標紅外輻射特性測量精度[J]. 郭立紅,郭漢洲,楊詞銀,李寧.  光學精密工程. 2016(08)
[6]基于壓縮感知的道路交通圖像處理及重構算法研究[J]. 張曉東,董唯光,湯旻安.  蘭州交通大學學報. 2016(04)
[7]結合目標提取和壓縮感知的紅外與可見光圖像融合[J]. 王昕,吉桐伯,劉富.  光學精密工程. 2016(07)
[8]基于不同積分時間幀累加的紅外圖像超幀方法[J]. 洪聞青,姚立斌,姬榮斌,劉傳明.  光學精密工程. 2016(06)
[9]美軍典型機載光電觀瞄設備發(fā)展現(xiàn)狀及趨勢[J]. 梁巍巍,郭正紅,陳潔.  飛航導彈. 2015(03)
[10]一種基于時空域累積差分的紅外小目標融合檢測算法[J]. 于強,黃樹彩,趙煒,黃孝文.  彈箭與制導學報. 2014(06)

博士論文
[1]紅外紋理生成方法研究[D]. 邵曉鵬.西安電子科技大學 2005

碩士論文
[1]復雜背景下紅外小目標實時檢測與跟蹤[D]. 周曉瑋.華中科技大學 2007



本文編號：2950280