复杂背景条件下红外弱小点目标实时检测技术研究

《复杂背景条件下红外弱小点目标实时检测技术研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、上海交通大学硕士学位论文复杂背景条件下红外弱小点目标实时检测技术研究摘要远距离红外弱小目标的检测是红外搜索与跟踪系统精确制导系统红外预警系统大视场目标监视系统卫星遥感系统等的一项核心技术红外系统因其能昼夜工作被动探测抗干扰隐蔽性强和能识别伪装目标等特性在军事领域中得到十分广泛的应用研究低信噪比图像中小目标的实时检测算法对于增大作战距离和增加反应时间提高己方的生存概率具有重要的意义就国内外目前对红外弱小目标检测及红外目标识别的研究而言主要存在着以下问题:1对于单帧检测目前大多数研究者采用固定结构元

2、素的形态学滤波器进行滤波的方法这些滤波器仅仅在所对应的某类图像模型中具有较好的滤波性能但通常情况下图像信号极为复杂且处于不断变化之中因此固定结构元素的滤波检测方法不能很好的检测远距离红外弱小目标从而导致漏检及虚警的发生2弱小目标检测通常是利用多帧信息目前采用的多帧关联检测的方法主要包括K-out-of-N规则关联检测算法和多假设检验算法K-out-of-N规则关联检测算法虽然算法简单但检测性能不足而MHT方法虽然可以获得较好的关联检测性能但计算上的组合爆炸影响了其实用性因此需求一种兼顾检测性能和

3、算法复杂度的实用算法就成为当前多帧检测的关键本文对低信噪比红外图像序列中弱小目标的检测从单帧检测和多帧关联检测角度分别进行了深入系统的研究主要研究成果如下一针对单帧图像点目标检测分别将数学形态学滤波器与神经网络和遗传算法相结合利用神经网络和遗传算法优化训练形态学滤波器的结构元素及形态学算法使形态学滤波过程融入特有的智能以实现对复杂背景条件下的弱小点目标的最优化处理同时对单帧滤波的结果采用自适应门限进行分割以提高单帧检测的检测性能二在单帧检测的基础上引入信息融合的思想深入研究了K-out-of-N

4、序列图像关联检测算法针对以往的研究中采用试凑K﹑N进行优化这一问题首次引入牛顿插值法使得该算法的检测融合性能达到最优并研究了在该算法中引入可信度局部关联及多级假设检验II上海交通大学硕士学位论文算法的情况最后详细推导仿真比较了各个算法的检测性能及算法复杂度三研究了分布式模糊决策信息融合问题针对经典分布式判决决策融合系统存在的信息缺失的不足将模糊理论引入基于Bayesian最小风险准则的决策融合系统将判决信息模糊化建立了分布式模糊决策信息融合方法详细分析推导了融合中心的最优融合规则并将该分布式模糊

5、决策信息融合理论引入到序列图像点目标检测中关键词红外点目标检测红外序列图像关联检测神经网络遗传算法自适应门限K-out-of-N算法分布式决策信息融合III上海交通大学硕士学位论文RESEARCHONDIMPOINTTARGETREALTIMEDETECTIONINCOMPLICATEDBACKGROUNDABSTRACTLongrangeinfrareddimpointtargetdetectionisthekeytechnologyinsuchsystemsasinfraredsurveil

6、lanceandtrackingsystem(IRST),precisionguidancesystem,infraredearly-warningsystem,widefield-of-viewtargetsurveillancesystem,satelliteremotesensingsystem.Infraredsystemisusedinmilitaryfieldwidelyforitsworkingdayandnightpassivedetectionresistinterferenc

7、estronghidedetectingcamouflagetargetandsoon.Therefore,studiesonreal-timedimpointtargetdetectionalgorithmsinlowSNRimagesequencescanresultinlongercombatrangeandresponsetime,whichisofgreatimportancetosurvivalprobability.Totheresearchofinfrareddimtargetd

8、etectionandrecognitioninternalandexternal,someproblemsneedtohandleasfollowing:(1)Mostresearchersemploymorphologicalfilterswithfixedstructuralelementforsingleframedetectionatpresent.Unfortunatelytheydoagoodjobonlyinsomecorrespondingimagemodel.Howeveru