基于形態(tài)學(xué)和小波變換的弱小目標(biāo)檢測(cè).pdf

1、復(fù)雜背景下弱小目標(biāo)的檢測(cè)在監(jiān)視和預(yù)警系統(tǒng)中有著十分重要的作用,也是當(dāng)前國(guó)內(nèi)外研究的熱點(diǎn)。由于目標(biāo)距離觀察點(diǎn)較遠(yuǎn),其成像大小只有幾到十幾個(gè)像素,且目標(biāo)淹沒(méi)于背景雜波干擾之中,給人們的檢測(cè)帶來(lái)了很大的困難和挑戰(zhàn)。 本文首先分析研究了復(fù)雜背景下弱小目標(biāo)的特性,包括灰度特征和運(yùn)動(dòng)特征,這是進(jìn)行所有檢測(cè)工作的基礎(chǔ)。其中,弱小目標(biāo)的灰度特征主要表現(xiàn)為灰度曲面上的微小“凸起”,則檢測(cè)出這些微小“凸起”是弱小目標(biāo)單幀檢測(cè)的主要任務(wù)；而運(yùn)動(dòng)特征主

2、要表現(xiàn)為目標(biāo)運(yùn)動(dòng)的獨(dú)立性和運(yùn)動(dòng)軌跡的連續(xù)性,則檢測(cè)弱小目標(biāo)的獨(dú)立運(yùn)動(dòng)和連續(xù)軌跡是弱小目標(biāo)運(yùn)動(dòng)檢測(cè)的主要任務(wù)。文中設(shè)計(jì)了弱小目標(biāo)的檢測(cè)系統(tǒng),主要包括目標(biāo)圖像預(yù)處理、目標(biāo)分割、目標(biāo)跟蹤與檢測(cè)等。 本文的研究重點(diǎn)是弱小目標(biāo)圖像的預(yù)處理算法,其重要作用是增強(qiáng)目標(biāo)、抑制噪聲,提高目標(biāo)的可檢測(cè)性,同時(shí)還可以減少后續(xù)工作的計(jì)算量,提高檢測(cè)效率。本文重點(diǎn)研究了基于形態(tài)學(xué)和小波變換的兩種預(yù)處理算法。其中,基于形態(tài)學(xué)的預(yù)處理算法,采用Top-hat

3、變換來(lái)抑制背景圖像,增強(qiáng)目標(biāo)。在形態(tài)學(xué)算法中,結(jié)構(gòu)元的選擇是一個(gè)重要的內(nèi)容,本文根據(jù)弱小目標(biāo)的灰度特征,選取了“盤(pán)形”結(jié)構(gòu)元。另外,基于小波變換的預(yù)處理算法,重點(diǎn)分析了低頻子帶置零法和高頻子帶相乘消噪法。在小波分析中,小波基的選擇是一個(gè)重要的內(nèi)容,本文針對(duì)小波分析在圖像處理和目標(biāo)檢測(cè)中的應(yīng)用,選擇了雙正交的小波基。 為了有效地提取目標(biāo),并進(jìn)一步減少后續(xù)工作的運(yùn)算量,在弱小目標(biāo)分割中,充分考慮不同目標(biāo)圖像自身的特點(diǎn),引入了基于目標(biāo)