低信噪比紅外弱小運動目標(biāo)先跟蹤后檢測（TBD）的檢測方法研究.pdf

1、十幾年來,紅外低信噪比小目標(biāo)檢測問題一直是紅外圖象領(lǐng)域的研究熱點.研究低信噪比圖象中小目標(biāo)的實時檢測算法,可以在現(xiàn)代高科技戰(zhàn)爭中取得優(yōu)勢,擴展各種傳感器的作用距離,盡可能早的發(fā)現(xiàn)目標(biāo)、捕捉目標(biāo).低信噪比小目標(biāo)檢測困難在于:目標(biāo)信噪比低,無紋理特征可以利用,供可靠檢測目標(biāo)的信息太少,那些以單幀檢測為基礎(chǔ)的先檢測后跟蹤(DBT)的檢測方法的性能將難以保證,只有依靠序列圖象的三維信息來提取目標(biāo),這就是先跟蹤后檢測的小目標(biāo)檢測思想(TBD).作

2、者在參與基于先檢測后跟蹤小目標(biāo)檢測算法的紅外成像跟蹤系統(tǒng)設(shè)計任務(wù)的基礎(chǔ)上,針對未來背景制導(dǎo)技術(shù)要求,開展了對先跟蹤后檢測算法的研究.紅外圖象理想目標(biāo)背景模型是先跟蹤后檢測算法的理論基礎(chǔ),然而實際的紅外場景卻與之相差甚遠,只有通過原始圖象預(yù)處理減少兩者之間的差距,因此預(yù)處理算法是紅外小目標(biāo)檢測系統(tǒng)的一個重要環(huán)節(jié).它的目的是為了抑制各幀圖象中的背景噪聲,削弱其對紅外弱目標(biāo)的影響,提高信噪比,減少后續(xù)處理的計算量.本文詳細介紹了三種預(yù)處理方法

3、,分別為高通濾波、自適應(yīng)濾波和形態(tài)學(xué)濾波,每種方法都有各自的優(yōu)缺點,只有根據(jù)實際的場景和檢測需求來選擇.動態(tài)規(guī)劃算法和多級假設(shè)檢驗算法都是先跟蹤后檢測思想的典型代表.動態(tài)規(guī)劃算法把最優(yōu)化原理同彈道積分原理結(jié)合起來,將小目標(biāo)檢測問題轉(zhuǎn)化成為在一系列軌跡中尋找灰度累加值最大的線路的問題;多級假設(shè)檢驗則是根據(jù)圖象信息和系統(tǒng)的要求得到的多級門限對形如"樹"一樣的軌跡進行不斷修剪,目標(biāo)所在的樹枝將會保存下來.本文詳細解析這兩種算法的同時,通過實驗

4、仿真證明了其確實具有準(zhǔn)確檢測小目標(biāo)的特性.但是對于DBT檢測算法很難解決的低信噪比小目標(biāo)問題,先跟蹤后檢測算法是犧牲系統(tǒng)的計算量和存儲量來實現(xiàn)的.現(xiàn)有硬件水平尚未滿足TBD算法實時應(yīng)用的要求.因此,要將此種算法應(yīng)用于實際工程中還需要進一步的改進.在本文的第五章,作者提出了一種改進的動態(tài)規(guī)劃算法,在原有動態(tài)規(guī)劃算法的基礎(chǔ)上加入了多級假設(shè)檢驗的多級門限判斷,實驗證明,門限的加入不但沒有影響原有算法的正確性,還大大減少了整個檢測過程的計算量和