模糊神經(jīng)網(wǎng)絡在圖像微弱目標檢測中的應用.pdf

1、微弱運動目標的檢測與處理一直是計算機視覺與圖像處理工作中的重要課題，也是紅外探測系統(tǒng)中的核心技術之一，特別是在背景復雜、距離較遠的情況下，難以有效地實時分離目標。能見度低的點源目標的檢測和跟蹤問題產(chǎn)生于遠程監(jiān)控的應用背景中。遠距離的紅外成像目標通常隱藏在高度結構化的背景雜波和強噪聲環(huán)境中，近些年來，強雜波條件下的可見光和紅外小目標的檢測研究工作已愈來愈為人們所重視。算法的性能對紅外探測系統(tǒng)的作用距離和智能化程度十分關鍵。 本論文

2、的主要工作是，首先提出了強雜波抑制型微弱圖像目標檢測系統(tǒng)，即先對圖像序列的背景強雜波進行有效抑制，再進行濾波和檢測的后兩步策略。將雜波抑制明確為：抑制圖像背景的能量、改善目標信雜比；對原來圖像的分布進行變換——由復雜和未知分布轉化為簡單和已知分布。 提出了一種有效的背景雜波預測動態(tài)模糊神經(jīng)網(wǎng)絡模型，用于抑制圖像背景噪聲，檢測圖像中的微弱目標。目標被假設為只有很小的空域擴展度，而且淹沒于背景強雜波干擾之中。通過動態(tài)模糊神經(jīng)網(wǎng)絡進行

3、閾值分割，背景雜波被準確的估計出。采用D—FNN網(wǎng)絡模型，為了跟蹤包含不同子結構的復雜背景，原始圖像被劃分為多個子塊，并在相應的子塊中選擇訓練樣本對結構單元進行優(yōu)化，提高了雜波的估計精度。 利用目標檢測常用的閾值門限判決和目標軌跡的跟蹤技術，依據(jù)運動目標具有的連續(xù)性和方向性，使用最小二乘法，建立試用于微弱目標檢測跟蹤系統(tǒng)的目標軌跡跟蹤算法。 利用目標檢測算法性能評價方法及建立評價方法的前提和假設，分析目標/背景統(tǒng)計特性，