弱小目標檢測新方法研究.pdf

1、在一些關鍵的軍事領域（如預警系統(tǒng)、精確制導武器、防空系統(tǒng)）和民用領域（如刑偵、森林防火、交通管理、醫(yī)學成像、遙感、航天、探測天空中天體和海面人員搜救），待突破的技術瓶頸往往都集中在弱小目標檢測技術上。在光學散射、衍射等光學效應干擾下，遠距離目標在成像靶面上信噪比很低，而且彌散面積很小。另外，復雜背景對目標檢測干擾也很大。因此，目標極難從背景中分割出來。本研究主要內(nèi)容包括：
　?、欧謩e從時域、空域和頻域等空間，以弱小目標信號能量累積

2、方式為基本出發(fā)點，研究了復雜背景下弱小目標檢測的一些有效方法。通過大量的實際實驗、仿真實驗以及半仿真實驗驗證了本文提出的這些算法的有效性和魯棒性。對基于序列圖像時域剖面的運動弱小目標，針對傳統(tǒng)時域剖面投影方法在目標信噪比較低時檢測效果較差的問題，一種基于頻譜幅值函數(shù)的時域弱小目標檢測方法在本文被提出。這種方法通過分析圖像上每個像素點的時域剖面曲線的頻譜函數(shù)，發(fā)現(xiàn)在頻譜函數(shù)為某值時目標軌跡能量在特征圖像上達到最大，在此特征圖像上檢測目標軌

3、跡從而檢測目標。實驗結果表明：在目標信噪比較低時，該算法對弱小目標的檢測性能要強于傳統(tǒng)的基于時域剖面的投影方法。
　　⑵對深空背景下的弱小目標，針對疊加圖像在使用傳統(tǒng)背景抑制方法效果較差的問題，提出了基于主方向抑制高通濾波的圖像預處理方法。這種方法在頻譜上對方向信息明顯的恒星線進行濾除的同時，完整保留弱小目標信號。實驗驗證了該濾波算法的有效性。針對深空背景下運動弱小目標，提出了基于極大似然估計以及光斑檢測算子的方法。對非線性運動的

4、弱小目標，在多維空間進行目標軌跡搜索，每次搜索后，采用光斑檢測算子進行光斑目標檢測。遍歷搜索弱小目標后，得到最優(yōu)參數(shù)下的目標運動信息以及響應值。實驗表明：該算法對線性及非線性運動的多目標檢測效果很好。
　?、菍ι羁毡尘跋潞阈悄繕耍槍阈菆D像發(fā)生拖尾引起目標信噪比降低及目標定位精度下降的問題，提出了基于方向積分的拖尾星點定位方法。這種方法首先檢測恒星拖尾的方向、拖尾步長。然后沿著拖尾方向以拖尾步長進行積分，得到能量增強的目標。最后

5、通過傳統(tǒng)質(zhì)心法對目標進行檢測并進行位置估計。仿真實驗表明：該算法不僅可以有效提高拖尾星點的檢測能力，而且可以提高拖尾星點定位精度，從而提高星敏感器定姿精度。
　?、葘碗s背景下近似勻速直線運動的弱小目標，針對傳統(tǒng)三維匹配濾波方法在目標運動速度未知的條件下實時性較差的問題，提出一種基于分塊速度域迭代運動目標檢測算法。首先計算序列圖像在速度域上的疊加響應函數(shù)，然后檢測該響應函數(shù)上的峰值從而獲得目標的運動速度，最后利用此速度疊加序列圖像