紅外圖像中的目標(biāo)檢測是紅外制導(dǎo)、跟蹤及預(yù)警的關(guān)鍵。因攝像距離遠(yuǎn)、設(shè)備干擾強(qiáng)等因素影響,使得紅外圖像具有目標(biāo)信號弱、雜波信息多的特點,這增加了紅外圖像中弱小目標(biāo)檢測的難度,同時也使紅外圖像目標(biāo)檢測成為國內(nèi)外學(xué)者研究的難點。圖像中的目標(biāo)檢測主要是根據(jù)目標(biāo)信號的奇異性對其進(jìn)行分離,目標(biāo)信號的這種奇異性使得信號是非平穩(wěn)的,而經(jīng)驗?zāi)B(tài)分解算法就是針對非平穩(wěn)信號處理同時可以根據(jù)信號自身特征對其進(jìn)行分解處理。因此本文深入研究了經(jīng)驗?zāi)B(tài)分解算法及紅外圖像特性,將經(jīng)驗?zāi)B(tài)分解算法應(yīng)用到單幀、序列紅外圖像目標(biāo)檢測中。本文主要工作如下:1.分析現(xiàn)有的一維、二維經(jīng)驗?zāi)B(tài)分解算法的理論、問題及性質(zhì),提出三維經(jīng)驗?zāi)B(tài)分解理論及實現(xiàn)流程。2.總結(jié)幾種現(xiàn)有的圖像預(yù)處理方法,包括基于二維經(jīng)驗?zāi)B(tài)分解的預(yù)處理方法,同時陳述圖像中目標(biāo)檢測的原理,包括目標(biāo)的特性分析及目標(biāo)閾值分割。隨后將經(jīng)驗?zāi)B(tài)分解算法與單幀圖像目標(biāo)檢測相結(jié)合,提出一種基于經(jīng)驗?zāi)B(tài)分解的單幀圖像目標(biāo)檢測算法,該算法通過二維經(jīng)驗?zāi)B(tài)分解對圖像進(jìn)行預(yù)處理,使用一維經(jīng)驗?zāi)B(tài)分解算法對圖像進(jìn)行行列分解及變換,并通過閾值分割分離目標(biāo)信號。最后通過實驗仿真驗證本算法的檢... 

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

【文章頁數(shù)】：84 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號對照表
縮略語對照表
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 論文主要工作及內(nèi)容安排
第二章 經(jīng)驗?zāi)B(tài)分解概論
    2.1 引言
    2.2 一維經(jīng)驗?zāi)B(tài)分解概論
        2.2.1 一維經(jīng)驗?zāi)B(tài)分解
        2.2.2 分解問題分析
        2.2.3 希爾伯特黃變換
    2.3 二維經(jīng)驗?zāi)B(tài)分解概論
        2.3.1 二維經(jīng)驗?zāi)B(tài)分解
        2.3.2 分解問題分析
    2.4 三維經(jīng)驗?zāi)B(tài)分解分析
        2.4.1 三維經(jīng)驗?zāi)B(tài)分解
        2.4.2 分解問題分析
    2.5 本章小結(jié)
第三章 基于經(jīng)驗?zāi)B(tài)分解的單幀紅外圖像檢測
    3.1 引言
    3.2 圖像預(yù)處理方法分析
        3.2.1 中值濾波
        3.2.2 均值濾波
        3.2.3 高通濾波
        3.2.4 基于二維經(jīng)驗?zāi)B(tài)分解的濾波器
    3.3 圖像目標(biāo)檢測原理
        3.3.1 目標(biāo)特性分析
        3.3.2 閾值分割
    3.4 基于經(jīng)驗?zāi)B(tài)分解的單幀圖像目標(biāo)檢測
        3.4.1 算法原理
        3.4.2 算法分析
        3.4.3 實驗結(jié)果與分析
    3.5 本章小結(jié)
第四章 基于經(jīng)驗?zāi)B(tài)分解的紅外圖像序列目標(biāo)檢測
    4.1 引言
    4.2 紅外圖像序列時域特性分析
    4.3 基于一維EMD的圖像序列檢測
        4.3.1 算法原理
        4.3.2 算法分析
        4.3.3 實驗結(jié)果與分析
    4.4 基于三維EMD的圖像序列檢測
        4.4.1 算法原理
        4.4.2 算法分析
        4.4.3 實驗結(jié)果與分析
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 全文總結(jié)
    5.2 存在的問題與研究展望
參考文獻(xiàn)
致謝
作者簡介


【參考文獻(xiàn)】：
期刊論文
[1]基于Otsu閾值分割的邊緣快速圖像插值算法[J]. 王震,杜進(jìn)楷,寇宏玉,陳世國.  現(xiàn)代電子技術(shù). 2019(02)
[2]基于雙峰法的紗線圖像閾值分割研究[J]. 張增康,馬衛(wèi)紅.  化纖與紡織技術(shù). 2018(03)
[3]基于混合高斯模型的運動目標(biāo)檢測[J]. 王薇薇.  電腦迷. 2018(09)
[4]一種基于圖像序列的水下運動目標(biāo)檢測方式[J]. 張榮榮,劉曉陽,王金鵬.  微型機(jī)與應(yīng)用. 2017(13)
[5]基于經(jīng)驗?zāi)B(tài)分解的SVM-KNN高光譜圖像分類方法[J]. 左航.  微型電腦應(yīng)用. 2016(12)
[6]基于二維本征模態(tài)函數(shù)的SAR圖像目標(biāo)檢測[J]. 黃世奇,黃文準(zhǔn),劉哲.  兵器裝備工程學(xué)報. 2016(08)
[7]結(jié)合經(jīng)驗?zāi)B(tài)分解和Gabor濾波的高光譜圖像分類[J]. 王立國,宛宇美,路婷婷,楊月霜.  哈爾濱工程大學(xué)學(xué)報. 2016(02)
[8]基于二維EMD的紅外圖像弱小目標(biāo)檢測[J]. 邵峰.  電子科技. 2011(10)
[9]局部經(jīng)驗?zāi)B(tài)分解算法[J]. 林婉如,熊盛武,謝嘯虎.  計算機(jī)工程與應(yīng)用. 2011(13)
[10]希爾伯特-黃變換方法的改進(jìn)[J]. 徐斌,徐德城,朱衛(wèi)平,劉冰野.  西北工業(yè)大學(xué)學(xué)報. 2011(02)

博士論文
[1]HHT變換及其在腦電信號處理中的應(yīng)用研究[D]. 朱曉軍.太原理工大學(xué) 2012

碩士論文
[1]海面紅外序列圖像的預(yù)處理與目標(biāo)檢測方法研究[D]. 鄒咪.深圳大學(xué) 2017
[2]基于信號奇異性分析的紅外弱小目標(biāo)檢測[D]. 王振華.西安電子科技大學(xué) 2017
[3]基于希爾伯特—黃變換的肺音信號識別方法研究[D]. 鄭明杰.江蘇大學(xué) 2016
[4]基于經(jīng)驗?zāi)B(tài)分解的紅外小目標(biāo)檢測算法研究[D]. 黃晟.華中科技大學(xué) 2013
[5]地震信號奇異性分析及其應(yīng)用的研究[D]. 熊晶晶.廣西師范大學(xué) 2013
[6]地震數(shù)據(jù)邊緣奇異性檢測方法及其應(yīng)用[D]. 楊斌.中國石油大學(xué) 2011
[7]基于背景預(yù)測的紅外小目標(biāo)檢測算法研究[D]. 徐茵.西安電子科技大學(xué) 2009
[8]復(fù)雜云層背景下紅外小目標(biāo)檢測方法研究[D]. 鄧?yán)?哈爾濱工程大學(xué) 2008
[9]紅外弱小目標(biāo)檢測方法研究[D]. 徐韶華.華中科技大學(xué) 2006



本文編號：3011809