模糊神經(jīng)網(wǎng)絡(luò)在圖像微弱目標(biāo)檢測(cè)中的應(yīng)用.pdf

1、微弱運(yùn)動(dòng)目標(biāo)的檢測(cè)與處理一直是計(jì)算機(jī)視覺與圖像處理工作中的重要課題，也是紅外探測(cè)系統(tǒng)中的核心技術(shù)之一，特別是在背景復(fù)雜、距離較遠(yuǎn)的情況下，難以有效地實(shí)時(shí)分離目標(biāo)。能見度低的點(diǎn)源目標(biāo)的檢測(cè)和跟蹤問題產(chǎn)生于遠(yuǎn)程監(jiān)控的應(yīng)用背景中。遠(yuǎn)距離的紅外成像目標(biāo)通常隱藏在高度結(jié)構(gòu)化的背景雜波和強(qiáng)噪聲環(huán)境中，近些年來(lái)，強(qiáng)雜波條件下的可見光和紅外小目標(biāo)的檢測(cè)研究工作已愈來(lái)愈為人們所重視。算法的性能對(duì)紅外探測(cè)系統(tǒng)的作用距離和智能化程度十分關(guān)鍵。 本論文

2、的主要工作是，首先提出了強(qiáng)雜波抑制型微弱圖像目標(biāo)檢測(cè)系統(tǒng)，即先對(duì)圖像序列的背景強(qiáng)雜波進(jìn)行有效抑制，再進(jìn)行濾波和檢測(cè)的后兩步策略。將雜波抑制明確為：抑制圖像背景的能量、改善目標(biāo)信雜比；對(duì)原來(lái)圖像的分布進(jìn)行變換——由復(fù)雜和未知分布轉(zhuǎn)化為簡(jiǎn)單和已知分布。 提出了一種有效的背景雜波預(yù)測(cè)動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)模型，用于抑制圖像背景噪聲，檢測(cè)圖像中的微弱目標(biāo)。目標(biāo)被假設(shè)為只有很小的空域擴(kuò)展度，而且淹沒于背景強(qiáng)雜波干擾之中。通過(guò)動(dòng)態(tài)模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行

3、閾值分割，背景雜波被準(zhǔn)確的估計(jì)出。采用D—FNN網(wǎng)絡(luò)模型，為了跟蹤包含不同子結(jié)構(gòu)的復(fù)雜背景，原始圖像被劃分為多個(gè)子塊，并在相應(yīng)的子塊中選擇訓(xùn)練樣本對(duì)結(jié)構(gòu)單元進(jìn)行優(yōu)化，提高了雜波的估計(jì)精度。 利用目標(biāo)檢測(cè)常用的閾值門限判決和目標(biāo)軌跡的跟蹤技術(shù)，依據(jù)運(yùn)動(dòng)目標(biāo)具有的連續(xù)性和方向性，使用最小二乘法，建立試用于微弱目標(biāo)檢測(cè)跟蹤系統(tǒng)的目標(biāo)軌跡跟蹤算法。 利用目標(biāo)檢測(cè)算法性能評(píng)價(jià)方法及建立評(píng)價(jià)方法的前提和假設(shè)，分析目標(biāo)/背景統(tǒng)計(jì)特性，