復(fù)雜背景條件下紅外弱小目標檢測.pdf

1、復(fù)雜背景條件下的紅外弱小目標檢測一直是紅外圖像處理領(lǐng)域中的一個難點，但它同時又是一個研究的熱點。它不但對軍事領(lǐng)域有著重要的戰(zhàn)略意義，而且在民用領(lǐng)域的應(yīng)用也越來越廣泛。因此，復(fù)雜背景條件下的紅外弱小目標的檢測是一項既頗具挑戰(zhàn)性而又富有意義的工作。
　　 由于成像距離遠、背景噪聲以及探測器內(nèi)部噪聲的影響，復(fù)雜背景條件下的紅外弱小目標信噪比非常低，沒有明顯的形狀、紋理等特征，往往被復(fù)雜的背景和噪聲所淹沒，這對小目標的正確檢測造成很大的

2、干擾。為了解決上述問題，本文對復(fù)雜背景條件下的紅外弱小目標檢測進行了研究，本文的主要研究工作如下:
　　 首先，本文分析了紅外圖像成像原理及特性，然后給出了紅外小目標圖像的模型，并分別對紅外圖像模型的三個組成部分進行了詳細的分析，接著對紅外小目標檢測的整個流程進行了介紹和分析，總結(jié)了各個組成部分的一些常用的基本方法，為后續(xù)的研究工作奠定了理論基礎(chǔ)。
　　 其次，本文提出了一種基于核主成分分析(KPCA)的紅外弱小目標檢測

3、方法，它是由核函數(shù)方法和主成分分析結(jié)合的一個方法。這個方法概括起來分為三步:首先，用高斯函數(shù)生成一些小目標訓(xùn)練樣本;然后，通過一個非線性的核函數(shù)將小目標樣本映射到一個高維的特征空間，在這個高維的特征空間中進行主成分分析處理，接著通過計算訓(xùn)練樣本投影向量和待檢測紅外圖像每一模塊的投影向量的距離，我們就可以得到目標增強了的紅外圖像;最后，通過分割目標增強了的紅外圖像來檢測目標。實驗結(jié)果表明該方法能夠有效地抑制紅外圖像中的背景雜波。
　

4、　 最后，本文利用張量代數(shù)理論，提出了一種基于高階張量的紅外弱小目標檢測方法。首先，我們用小目標的目標灰度分布、目標對比度和目標局部背景灰度分布三種特性構(gòu)建了小目標多特性的訓(xùn)練樣本數(shù)據(jù)庫;然后，在利用建立的多特性樣本數(shù)據(jù)庫基礎(chǔ)上，實現(xiàn)了基于高階張量的紅外小目標檢測算法。實驗結(jié)果表明該方法可以有效地抑制紅外圖像中的背景雜波。與一些傳統(tǒng)的抑制背景的方法相比，該方法的普適性較好，特別是當紅外圖像的背景比較復(fù)雜時，該方法的優(yōu)勢比較明顯。