天光背景弱小目標探測與識別技術(shù).pdf

1、低對比度、低信噪比弱小目標探測技術(shù)是光電成像探測系統(tǒng)的關(guān)鍵技術(shù)之一。本論文旨在根據(jù)成像跟蹤探測系統(tǒng)的要求，深入研究目標的成像特性，探索提高天光背景弱小目標探測與識別的技術(shù)途徑，并應用到工程實踐中。
　　論文首先分析了天光背景下弱小目標圖像的噪聲特性、雜波在時域和空域的分布特點，然后在圖像濾波、增強、分割和檢測階段分別開展了相應的算法研究。
　　利用目標信號與噪聲、雜波在空間形態(tài)和相關(guān)性上存在的差異，研究提出了基于改進灰度形態(tài)

2、學帶通濾波和連續(xù)三幀相關(guān)性濾波的噪聲、雜波抑制方法?；叶刃螒B(tài)學帶通濾波能有效地保留某尺度范圍內(nèi)的目標信號，消除大量獨立的高亮度噪聲以及連通度高的低亮噪聲，同時能抑制大面積雜波；而基于連續(xù)三幀相關(guān)性的濾波能進一步實現(xiàn)弱小目標能量累積和噪聲抑制雙重目的。試驗表明改進后的算法具有較好噪聲、雜波抑制性能。
　　通過天光背景下弱小目標成像特性的分析，研究運用不完全Bata函數(shù)增強和分段線性增強來提高弱小目標的成像對比度。歸一化不完全Bata

3、函數(shù)的優(yōu)勢在于，當選擇合理的參數(shù)α、β時，其變換曲線在需要拉升的灰度差值段附近非常陡峭，能夠大幅度擴展灰度差值段的動態(tài)變化范圍，從而捕捉到低對比度圖像中目標和背景灰度等級的微弱臨界差，基于工程考慮，提出了區(qū)域處理、列表待查等簡化方式，提高了算法的實時性。在利用改進的分段線性變換進行圖像增強時，采用最小誤差法來求取全局最優(yōu)閾值作為變換的分段點，也達到了較好的增強效果。
　　研究分析了常規(guī)分割算法在低對比度弱小目標圖像分割中存在的主要

4、困難，提出了對預處理和圖像采取兩級分割的方法。在基于閾值的一級分割后，充分利用弱小目標與噪聲、雜波在區(qū)域連通性上的差別，采用區(qū)域生長的辦法改進傳統(tǒng)的投影檢測法，對圖像進行二級分割，克服了傳統(tǒng)方法中存在的較高虛警，有效提取了弱小目標。
　　由于傳統(tǒng)的DBT檢測方法不能有效地積累圖像中極弱小目標的能量，文中采用TBD檢測方法中的動態(tài)規(guī)劃理論，提出了基于方向約束、檢測管道連續(xù)三幀相關(guān)性濾波和管道流水線處理的改進方法，成功實現(xiàn)了天光背景下