復雜背景條件下的紅外小目標檢測與跟蹤算法研究.pdf

1、作為紅外自尋的制導、搜索跟蹤和預警等領(lǐng)域的一項關(guān)鍵技術(shù),紅外小目標檢測與跟蹤成為了紅外圖像處理領(lǐng)域中一項歷史悠久且又充滿活力的研究課題。對于實際的武器系統(tǒng)來說,如何充分發(fā)揮紅外目標檢測技術(shù)的優(yōu)勢,盡可能提高目標的檢測距離,以爭取在最有利的時機獲取來襲目標的相關(guān)信息成為決定現(xiàn)代戰(zhàn)爭勝負的重要因素。距離越遠,目標成像面積就會越小,且其遭受復雜背景和雜波影響的可能性就會更大,所以相比于其它紅外目標檢測與跟蹤問題而言,如何實現(xiàn)復雜背景條件下紅外

2、小目標對象的穩(wěn)健檢測和跟蹤就成為了一項更具實際意義和挑戰(zhàn)性的研究課題。 本文在一個全新的理論框架下探討了復雜背景條件下的紅外小目標檢測與跟蹤問題,可從整體上為該領(lǐng)域的其他研究者提供一條新的研究思路。遵循傳統(tǒng)的研究步驟,本文將紅外小目標檢測與跟蹤問題分解為圖像預處理、小目標檢測和小目標跟蹤三個階段分別進行了研究。本文首次提出了關(guān)于"紅外背景復雜程度"的基本概念,探討并論述了一類有效的紅外背景復雜程度定量描述辦法。緊接著,提出了一種

3、基于紅外背景復雜程度描述的自適應Butte刑orth高通濾波方法,由此可實現(xiàn)具備一定普適性的紅外圖像預處理。在小目標檢測問題的研究中,本文構(gòu)造并實現(xiàn)了一類更具實用性的DBT(先檢測后跟蹤)小目標檢測算法,從而在一個完整的框架下實現(xiàn)了紅外圖像預處理過程和小目標檢測過程的自適應統(tǒng)一。在小目標跟蹤問題的研究中,提出了一種融合了“基于濾波、數(shù)據(jù)關(guān)聯(lián)”跟蹤框架和“基于目標建模、定位”跟蹤框架優(yōu)點的紅外視頻序列中小目標跟蹤算法。整篇論文的論述過程緊

4、密地圍繞著紅外背景復雜程度這一基本概念展開,充分地體現(xiàn)了研究思路和方法的完整性和獨特性。 具體而言,本文的創(chuàng)新之處主要體現(xiàn)在如下幾點: (1) 首次提出了關(guān)于紅外背景復雜程度的基本概念.由此概念可實現(xiàn)對實際紅外視頻序列中小目標的不同復雜背景簡潔而統(tǒng)一地描述。在此基礎(chǔ)上,本文又提出了一條實現(xiàn)紅外復雜背景條件下圖像預處理任務(wù)的新思路。 (2) 我們探討并定性地論述了“加權(quán)信息熵”指標和改進的“方差加權(quán)信息熵”指標對

5、于紅外背景復雜程度描述的有效性.爾后,針對實際應用中可能出現(xiàn)的具有較大尺寸的紅外圖像,義提出了一種被命名為“平均方差加權(quán)信息熵”的背景復雜程度定量描述指標。 (3) 提出了一種基于紅外背景復雜程度描述的自適應Butterworth高通濾波器,實現(xiàn)了由一種濾波器就可完成對各種?？諒碗s背景條件下紅外小目標圖像的白適應預處理。 (4) 通過估計前后幀間由丁不同Butterworth高通濾波截止頻率值導致的濾波后圖像中小目標

6、區(qū)域局部能量值的變化,構(gòu)造并實現(xiàn)了一類更具實用性的DWT小目標檢測算法,從而在一個完整的框架下實現(xiàn)了紅外圖像預處理過程和小目標檢測過程的自適應統(tǒng)一.實驗結(jié)果表明本方法可以很好地處理跟蹤過程中可能出現(xiàn)的目標消失或背景突然變換的情況。 (5) 將我們提出的紅外背景復雜程度定量描述指標推廣到了紅外圖像的空間域預處理中,構(gòu)造了一個被命名為“局部方差加權(quán)信息熵濾波器”的空間域高通濾波器。實驗證明這種濾波器具有良好的信噪比提升能力。接著,

7、我們又將該指標推廣到了紅外海天線的檢測任務(wù)中,實驗同樣證明了本文算法的有效性。 (6) 提出了一種融合了“濾波、數(shù)據(jù)關(guān)聯(lián)”跟蹤框架和“目標建模、定位”跟蹤框架優(yōu)點的紅外視頻序列中小目標跟蹤算法。在該算法的具體設(shè)計中,我們提出了一種穩(wěn)健的基于非線性量化核函數(shù)直方圖的紅外小目標建模方法和一種基于小目標局部區(qū)域背景復雜程度Kalman濾波的當前幀目標模板更新策略。實踐證明,本算法不僅解決了傳統(tǒng)Mean-shift迭代算法對于紅外小目