低信噪比紅外小目標(biāo)單幀檢測(cè)技術(shù)的研究.pdf

1、復(fù)雜背景下紅外小目標(biāo)的檢測(cè)和跟蹤是紅外成像制導(dǎo)和紅外預(yù)警系統(tǒng)中的關(guān)鍵技術(shù)難題，它分別針對(duì)遠(yuǎn)距離點(diǎn)目標(biāo)和近距離面目標(biāo)進(jìn)行檢測(cè)、跟蹤。大量的低空背景景物以及點(diǎn)目標(biāo)的特點(diǎn)——遠(yuǎn)距離、低信噪比、強(qiáng)雜波等，增加了檢測(cè)和跟蹤的難度。為此本文針對(duì)紅外小目標(biāo)檢測(cè)的每個(gè)環(huán)節(jié)進(jìn)行分析，著重研究基于小波變換的弱小目標(biāo)檢測(cè)新方法。
　　本文首先分析了紅外圖像中噪聲的產(chǎn)生來(lái)源，確定噪聲模型，并在此基礎(chǔ)上建立紅外小目標(biāo)圖像的數(shù)學(xué)模型。并討論了典型的圖像預(yù)處理

2、技術(shù)。圖像預(yù)處理可以提高信噪比，抑制背景。對(duì)常用的幾種預(yù)處理算法，如高通濾波、中值濾波、數(shù)學(xué)形態(tài)學(xué)的tophat濾波、維納濾波等進(jìn)行了對(duì)比，分別分析了其優(yōu)點(diǎn)和不足。
　　其次，將小波變換引入圖像處理。小波變換具有良好的時(shí)頻局部化特性，可以在保護(hù)信號(hào)局部特征和抑止噪聲之間達(dá)到較好的平衡，這是前面幾種預(yù)處理算法無(wú)法比擬的優(yōu)點(diǎn)。本文從基本原理入手分析小波變換在圖像預(yù)處理中的應(yīng)用，著重討論實(shí)際應(yīng)用中所需注意的若干問(wèn)題。并針對(duì)小波閾值去噪法

3、的不足，提出了一種改進(jìn)的基于小波變換的去噪方法，避免因噪聲估計(jì)誤差帶來(lái)的的閾值不合理性，仿真結(jié)果表明，該算法在抑止背景同時(shí)很好地保護(hù)小目標(biāo)特征，具有良好的去噪效果。
　　最后，本文研究了紅外小目標(biāo)檢測(cè)定位的問(wèn)題。首先介紹了常用的兩類(lèi)方法：閾值分割法和邊緣檢測(cè)法，并分析其在小目標(biāo)檢測(cè)應(yīng)用中的不足。接著重點(diǎn)討論了小波變換在弱小目標(biāo)檢測(cè)定位方面的應(yīng)用。信號(hào)的小波變換在各尺度間有較強(qiáng)的相關(guān)性，在邊緣處有很大的相關(guān)性，邊緣點(diǎn)在各尺度都有很好