一种红外序列图像小目标检测新方法研究

《一种红外序列图像小目标检测新方法研究》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、摘要随着导弹技术的发展和红外技术的进步红外成像制导技术越来越受到研究人员的重视红外小目标的检测技术是红外成像系统中的核心技术之一如何在红外图像中检测和识别图像中的红外小目标是当前和今后一个热门的问题红外图像中包含了大面积连续的背景红外小目标以及噪声等几个部分在红外图像小目标的检测过程中存在着信噪比低可用的信息量少背景信息复杂以及信息处理量大等问题目前的检测方法主要分为基于单帧图像检测和基于序列图像检测两种基于单帧图像处理方法仅仅利用了图像的一些基本特征比如像素的灰度等此类方法很难从比较复杂的图像中检测出小目标来因此大多数检测方法都是基于红外序

2、列图像来进行检测粒子群优化(ParticleSwarmOptimization)算法是一类启发式随机全局优化技术是一种基于群智能SwarmIntelligence方法的演化计算技术PSO算法通过粒子间的相互作用发现复杂搜索空间中的最优区域PSO的优势在于只涉及简单计算易于实现适用范围广泛本文介绍了基本的PSO算法若干类改进的PSO算法本文提出了一种红外序列图像小目标检测的新方法基于粒子群算法的红外序列运动小目标检测算法检测步骤主要分为两个部分首先通过图像预处理去除背景和少许的噪声干扰图像预处理包括高通滤波灰度门限分离和根据目标运动特性进一步预

3、处理然后对所得的候选目标点进行候选轨迹的构造最后利用粒子群算法检测出真正的运动轨迹并最终确认红外运动小目标仿真实验表明该方法能够有效可靠地从红外序列图像中检测出小目标关键词粒子群优化算法红外序列图像小目标图像预处理目标检测IAbstractWiththedevelopmentofmissileryandtechnique,researchersarepayingmoreandmoreattentiontoinfraredimagingguidancetechnique.Thetechniqueofsmallinfraredtargetdete

4、ctionisoneofthekeytechnologiesinthesystemofinfraredimageinformation.Sothedetectionandrecognitionofsmalltargetininfraredimageshasbeenthesubjectofintenseinvestigationnowandinthefuture.Theinfraredimageincludesseveralaspects:great-areacontinuousbackground,smallinfraredtarget,no

5、iseandsoon.Therearemanyproblemsinthetargetdetection,suchaslowsignaltonoiseration(SNR),littleavailableinformation,complicatedbackgroundinformation,andgreathandlingcapacityofinformationetc.Therearechieflytwomethods:themethodbasedonthesingleimageandthemethodbasedontheinfraredi

6、magesequence.Themethodbasedonthesingleimageonlyutilizedsomeessentialfeaturesoftheimage,suchasthegreylevel.So,manydetectionmethodsarebasedupontheinfraredimagesequence.Particleswarmoptimization(PSO)algorithmisaHeuristicstochasticglobaloptimizationtechnique,andalsoPSOalgorithm

7、isanevolutionarycomputationtechniquebasedonswarmintelligencemethod.Theparticleswarmalgorithmsearchesouttheoptimalregionsincomplexsearchingspacethroughtheinteractionofindividualsinapopulationofparticles.WhatmakesPSOpredominantisthatitiseasytocalculate,simpletoimplyandusedwid

8、elyinmanyfields.Inthispaper,weintroducedtheclassicalparticleswarmoptimizationalgor