紅外目標(biāo)檢測與識別理論與技術(shù)研究.pdf

1、本文對紅外目標(biāo)檢測、識別以及紅外目標(biāo)圖像的處理算法進(jìn)行了一些研究。主要有空時域濾波在紅外目標(biāo)檢測中的應(yīng)用、紅外目標(biāo)運動檢測分析、基于灰度估計的紅外目標(biāo)檢測研究、紅外目標(biāo)逐步匹配識別算法研究，基于標(biāo)記和神經(jīng)網(wǎng)絡(luò)的紅外目標(biāo)識別算法研究。
　　 從抑制背景的角度，研究了空時域濾波在紅外目標(biāo)檢測中的應(yīng)用，既從空域上考慮，又從時域上著手。圖像在空域上的濾波采用自適應(yīng)濾波減少噪聲的影響。針對梯度形成的目標(biāo)邊緣，可能在時域差分后損失有用信息，

2、本文提出在差分前先檢測目標(biāo)邊緣，差分后利用像素鄰域的信息加以插值補償。由于時域和空域的噪聲是互不相關(guān)的，所以將空域濾波的結(jié)果和時域濾波的結(jié)果綜合，得到具有高信噪比的圖像，能很好地適應(yīng)復(fù)雜的起伏背景，達(dá)成對目標(biāo)的有效檢測。
　　 針對目標(biāo)運動檢測問題，從光流法分析、梯度運動估計和灰色系統(tǒng)估計三個方面進(jìn)行分析。經(jīng)過仿真試驗得出結(jié)論，最好在實用中將光流法分析和梯度運動估計結(jié)合，先用光流場發(fā)現(xiàn)目標(biāo)的運動規(guī)律(前提是符合光流的形成條件)，

3、再用梯度方法準(zhǔn)確測量，針對運動目標(biāo)的幀間運動軌跡用灰色系統(tǒng)估計來預(yù)測。試驗表明，采用上述方法對紅外運動目標(biāo)檢測有一定的建設(shè)性意義，同時考察了檢測運動目標(biāo)的適用度。
　　 對于灰度估計下的紅外目標(biāo)的檢測問題，提出了改進(jìn)的最大熵估計算法，首次提出了熵估計中的柔性因子和強制因子的概念。利用紅外目標(biāo)圖像的熵進(jìn)行灰度估計后，對篩選出來的目標(biāo)做標(biāo)記，經(jīng)像素形態(tài)結(jié)構(gòu)算子濾波后，檢測出紅外圖像相對應(yīng)的目標(biāo)。
　　 為求解由馬爾可夫隨機(jī)場

4、問題分割圖像的最大后驗概率問題，采用了基于博弈論的決定性退火算法，它能收斂于局部最優(yōu)解。再利用矩函數(shù)的特性，對退火后的圖像的矩一傅里葉描述子特征向量構(gòu)成的特征矩陣進(jìn)行逐步匹配。使用退火處理與逐步匹配識別算法的結(jié)合，能夠在很大程度上識別到目標(biāo)。
　　 研究了基于標(biāo)記和神經(jīng)網(wǎng)絡(luò)的紅外圖像識別問題。選取實際紅外目標(biāo)，依據(jù)預(yù)處理后的圖像，提取對應(yīng)目標(biāo)的遞歸標(biāo)記作為BP網(wǎng)絡(luò)的輸入樣本，目標(biāo)的形心為輸出樣本，構(gòu)建BP神經(jīng)網(wǎng)絡(luò)。對網(wǎng)絡(luò)進(jìn)行抗干