基于紅外搜索跟蹤系統(tǒng)的低慢小目標(biāo)檢測(cè)技術(shù)研究.pdf

1、紅外搜索跟蹤IRST系統(tǒng)因?yàn)槠湓诶走_(dá)探測(cè)的低空盲區(qū)依然能夠?qū)Φ吐∧繕?biāo)進(jìn)行檢測(cè)，因此被廣泛的用作雷達(dá)的補(bǔ)盲設(shè)備。而低慢小目標(biāo)往往是具有較大威脅能力的目標(biāo)，當(dāng)前對(duì)低慢小目標(biāo)的檢測(cè)不斷提出更高的要求，因此IRST的低慢小目標(biāo)檢測(cè)能力是評(píng)估其性能的重要指標(biāo)，本文結(jié)合IRST工作的實(shí)際，提出了切實(shí)可行的一套目標(biāo)檢測(cè)算法。
　　本文第二章討論了提取天空背景的工作，針對(duì)IRST捕獲圖像的復(fù)雜性和實(shí)際情況，設(shè)計(jì)了一種全天空?qǐng)鼍?、全地面?chǎng)景以及天

2、空地面混合場(chǎng)景的識(shí)別算法，通過這樣的算法可以提取出全天空背景圖片和天空地面混合背景的圖片，又進(jìn)一步研究了天空地面混合場(chǎng)景中天空背景區(qū)域的提取方法，由于傳統(tǒng)分割算法的局限性，本文設(shè)計(jì)了Gabor濾波描述局部場(chǎng)景的方法提取天空地面混合場(chǎng)景中的天空背景區(qū)域。通過對(duì)比發(fā)現(xiàn)本文提出的天空區(qū)域提取方法具有可靠性高實(shí)用性強(qiáng)的特點(diǎn)。
　　本文第三章討論了單幀目標(biāo)的檢測(cè)算法，本文提出了一種基于多尺度目標(biāo)模型的目標(biāo)檢測(cè)算法，同時(shí)通過實(shí)驗(yàn)對(duì)比發(fā)現(xiàn)本文算

3、法在分割門限取的最低的時(shí)候引入的虛警點(diǎn)數(shù)量不是太多，同時(shí)對(duì)天空背景中的干擾面目標(biāo)和殘留的地面背景具有一定的抑制作用。另外，本文算法檢測(cè)出來的目標(biāo)保持了弱小目標(biāo)的成像特點(diǎn)，在圖像上呈現(xiàn)孤立點(diǎn)分布，為多幀聯(lián)合檢測(cè)提取真實(shí)目標(biāo)算法提供了支持。
　　本文第四章研究了多潛在目標(biāo)條件下提取真實(shí)目標(biāo)的工作，針對(duì)真實(shí)目標(biāo)在一定時(shí)間內(nèi)多幀關(guān)聯(lián)圖像中呈現(xiàn)勻速直線運(yùn)動(dòng)特點(diǎn)，而噪聲則在多幀圖像中呈現(xiàn)隨機(jī)分布的特點(diǎn)，本文提出多步PPU濾波算法和多步LPPU