紅外弱小多目標(biāo)實時處理.pdf

1、紅外成像技術(shù)隱蔽性好、抗干擾能力強(qiáng)且能全天候工作，被廣泛應(yīng)用于民用和軍事領(lǐng)域。但紅外弱小目標(biāo)的成像距離遠(yuǎn)，背景雜波干擾嚴(yán)重，使得其成像信噪比低、結(jié)構(gòu)信息不足，對紅外圖像預(yù)處理方法、弱小目標(biāo)檢測以及弱小目標(biāo)跟蹤方法的研究成為紅外弱小多目標(biāo)實時處理技術(shù)的關(guān)鍵，在紅外制導(dǎo)等領(lǐng)域起到關(guān)鍵作用。本論文以實際科研項目為研究背景，基于FPGA+DSP架構(gòu)實現(xiàn)紅外圖像的實時處理方法的設(shè)計與優(yōu)化。
　　紅外弱小多目標(biāo)圖像背景雜波和噪聲干擾嚴(yán)重，圖像

2、預(yù)處理至關(guān)重要，于是本文采用改進(jìn)中值濾波來適應(yīng)不同噪聲類型和噪聲密度，在改變滑動窗口長度的同時改變窗口形狀，并保證以較小的窗口進(jìn)行濾波?；谀繕?biāo)和背景特征，采用改進(jìn)形態(tài)學(xué)背景抑制算法，通過尺度變化的半圈組合型結(jié)構(gòu)元提取起伏變化的圖像背景，實現(xiàn)背景雜波的有效抑制。
　　在弱小多目標(biāo)檢測方面，結(jié)合帶尺度因子的點擴(kuò)散模型，在拉普拉斯高斯尺度空間下表示圖像，初步確定目標(biāo)位置和大小，通過各向差異度均值的閾值判斷提取出所有可疑目標(biāo)，再根據(jù)目標(biāo)

3、大小結(jié)合各向差異度實現(xiàn)真實目標(biāo)的檢測。
　　在弱小多目標(biāo)的跟蹤方面，為了實現(xiàn)可靠跟蹤，匹配不同數(shù)據(jù)更新速率的濾波器，對低速運動目標(biāo)匹配均值漂移卡爾曼濾波器，而高機(jī)動運動目標(biāo)匹配改進(jìn)均值漂移粒子濾波器，并進(jìn)行交互式融合，得到目標(biāo)跟蹤結(jié)果，而為了實現(xiàn)多目標(biāo)的可靠跟蹤，通過結(jié)合馬爾可夫隨機(jī)網(wǎng)絡(luò)，考慮了各個目標(biāo)的相鄰目標(biāo)的狀態(tài)，估計出每個目標(biāo)最大聯(lián)合后驗概率，更新濾波器參數(shù)和粒子權(quán)值，進(jìn)行多目標(biāo)位置估計。
　　基于紅外實時圖像處理平

4、臺，通過算法移植，對分辨率為640*512的中波紅外相機(jī)連續(xù)拍攝的大量數(shù)據(jù)進(jìn)行實時處理，處理結(jié)果表明，在圖像預(yù)處理方面，本文采用的改進(jìn)中值濾波噪聲平滑算法和改進(jìn)形態(tài)學(xué)背景抑制算法具有較好的處理效果和實時性;在多目標(biāo)的檢測方面，本文采用的基于尺度空間的各向差異度檢測算法相比已有算法，魯棒性更好，具有更高的檢測率，同時單幀的平均處理時間小于5ms，滿足處理實時性要求;在多目標(biāo)的跟蹤方面，對于本文采用的結(jié)合馬爾可夫隨機(jī)網(wǎng)絡(luò)的多模型改進(jìn)卡爾曼粒