紅外弱小目標(biāo)檢測與跟蹤技術(shù)研究.pdf

1、隨著紅外技術(shù)的迅猛發(fā)展，紅外弱小目標(biāo)的檢測與跟蹤技術(shù)成為了紅外成像系統(tǒng)中的一項(xiàng)核心技術(shù)。該技術(shù)是在紅外圖像處理的基礎(chǔ)上，利用某種圖像處理算法對雜亂背景和噪聲環(huán)境下的目標(biāo)進(jìn)行自動檢測與跟蹤，算法性能的優(yōu)劣對紅外成像系統(tǒng)的作用距離大小和智能化程度至關(guān)重要。本文對紅外制導(dǎo)的基本特征和弱小目標(biāo)的檢測與跟蹤技術(shù)進(jìn)行了系統(tǒng)研究，取得了一定的成果。其主要工作如下： 1．結(jié)合熱輻射原理，在對紅外序列圖像建立數(shù)學(xué)模型的基礎(chǔ)上，對紅外序列圖像和序列

2、圖像中弱小目標(biāo)的特點(diǎn)進(jìn)行了系統(tǒng)的研究和總結(jié)，并結(jié)合紅外探測器本質(zhì)，對紅外序列圖像中的噪聲特點(diǎn)進(jìn)行了研究和總結(jié)。 2．對紅外圖像預(yù)處理和背景抑制技術(shù)進(jìn)行了研究，并針對傳統(tǒng)紅外圖像分割算法精度低，及單純基于邊界信息或區(qū)域信息Level Set的圖像分割算法實(shí)時(shí)性差等問題，提出了一種同時(shí)基于邊界信息和區(qū)域信息的快速Level Set的紅外圖像分割算法。通過自適應(yīng)系數(shù)T1和T2，較好的將邊界信息和區(qū)域信息相結(jié)合，在保證分割精度的同時(shí)加快

3、了圖像分割速度。通過實(shí)驗(yàn)仿真并與其它紅外圖像分割結(jié)果相比較，證明了該算法的有效性和實(shí)時(shí)性。 3．對以往弱小目標(biāo)檢測技術(shù)進(jìn)行了回顧和總結(jié)，并基于對紅外圖像中目標(biāo)和背景特性的分析，提出了一種新的基于標(biāo)記信息和梯度信息相融合的弱小目標(biāo)檢測方法。在紅外圖像空間，根據(jù)目標(biāo)的特性，利用雙重窗進(jìn)行可能目標(biāo)的搜索，并進(jìn)行標(biāo)記；同時(shí)并行的對原始圖像進(jìn)行梯度計(jì)算。對標(biāo)記信息和梯度信息進(jìn)行融合，進(jìn)行目標(biāo)的初次確定。再利用自適應(yīng)門限對融合后的圖像進(jìn)行目

4、標(biāo)分割。實(shí)驗(yàn)結(jié)果證明了該方法能有效的檢測出弱小目標(biāo)。 4．對目標(biāo)跟蹤理論進(jìn)行了系統(tǒng)的研究與分析，并針對跟蹤過程中，由于目標(biāo)機(jī)動的隨機(jī)性，可能出現(xiàn)目標(biāo)運(yùn)動模型建立不準(zhǔn)確的缺陷，提出了一種能更精確的反應(yīng)目標(biāo)機(jī)動信息的運(yùn)動模型；并且針對弱小目標(biāo)跟蹤容易丟失的情況，提出了一種融合紅外數(shù)據(jù)和毫米波數(shù)據(jù)的目標(biāo)跟蹤技術(shù)。將紅外和毫米波兩種傳感器的工作頻率設(shè)成互補(bǔ)狀態(tài)，用紅外傳感器進(jìn)行測角，毫米波傳感器進(jìn)行測距，并分別對觀測空間進(jìn)行獨(dú)立賦值，然