论文摘要
图像序列中微弱运动目标的检测一直是目标检测与识别领域中的重点和难点。微弱运动目标成像面积小,信噪比低,基本上被背景和噪声所淹没,给检测带来了极大的困难。目前大部分的检测算法都针对红外图像,而本文的主要目的是寻找一种既适用于红外图像又适用于普通可见光图像的微弱运动目标的检测算法。图像序列中微弱运动目标的检测一般可分为两个步骤:首先,在一帧图像中确定可疑目标,这包括背景抑制和目标分割两方面;然后,利用图像序列来确认真实目标,这就是目标检测阶段。本文利用空中预警控制系统实验中获得的可见光序列图像数据,对可见光微弱运动目标的检测方法进行了研究。在分析研究了各阶段的常用算法之后,提出了一种新的序列图像中微弱运动目标的检测方法。在单帧图像确定可疑目标阶段,本文在研究了形态学和形态学滤波的基本原理之后,给出了形态学滤波与启发式处理相结合的可疑目标提取方法。在没有采用启发式处理和采用启发式处理的条件下,本文分别将形态学滤波法与二维最小均方误差滤波、中值滤波和高通滤波作了详细的仿真结果比较,性能分析证明了形态学滤波的优越性,也证明了启发式处理在进一步减少可疑目标数目方面的有效性。针对结构元的选择,本文提出了结构元选择方法并进行了仿真实验,实验结果证明本文提出结构元方法的有效性。在目标检测阶段,本文在总结了原有算法的不足和目标检测算法的发展方向之后,提出了一种新的基于相邻三帧再分割及轨迹能量累积的目标检测法,文章对新的检测算法进行了仿真并做出性能分析,仿真结果证明了本文所提出新算法的有效性。本论文提出的算法不仅可以应用到微弱面状运动目标检测,还可以应用到点运动目标的检测;在应用领域方面,该算法不仅适用于可见光图像的目标检测,还适用于红外图像和合成孔径雷达图像的目标检测,有重要的理论价值和实践价值。
论文目录
摘要Abstract第一章 绪论1.1 课题研究背景及意义1.2 微弱运动目标检测技术的研究现状1.3 课题实践应用1.4 论文结构及内容安排第二章 形态学基本理论及应用仿真2.1 数学形态学发展及研究内容2.2 二值图像形态学2.2.1 数字图像的表示及平移反射2.2.2 二值图像的膨胀和腐蚀2.2.3 二值图像膨胀和腐蚀的性质2.2.4 二值图像开运算和闭运算2.2.5 二值图像开闭运算性质2.3 灰度图像形态学2.3.1 预备数学知识2.3.2 灰度图像的膨胀和腐蚀2.3.3 灰度图像膨胀和腐蚀的性质2.3.4 灰度图像开运算和闭运算2.3.5 灰度图像开闭运算性质2.4 形态学在图像处理中的应用及仿真2.4.1 去除噪声点2.4.2 边缘提取2.4.2.1 二值图像边缘提取2.4.2.2 灰度图像边缘提取2.4.3 击中或击不中变换2.4.4 细化和粗化2.4.5 标注连接分量2.5 本章小结第三章 微弱运动目标检测典型算法分析3.1 微弱运动目标背景3.1.1 微弱运动目标可视性能研究3.1.1.1 人眼对亮度的分辨能力3.1.1.2 人眼对灰度的分辨能力3.1.1.3 微弱目标可视性能描述3.1.2 微弱运动目标检测流程3.2 背景抑制3.2.1 背景抑制方法概述3.2.2 典型背景抑制技术3.2.2.1 图像差分3.2.2.2 二维最小均方误差滤波背景抑制法3.2.2.3 中值滤波法3.2.2.4 高通滤波法3.3 目标分割3.3.1 目标分割原理及概述3.3.2 常见目标分割方法介绍3.4 基于图像序列的微弱运动目标检测方法3.4.1 微弱运动目标检测方法概述3.4.2 典型微弱运动目标检测方法回顾3.4.3 其他检测算法3.5 本章小结第四章 一种新的序列图像中微弱运动目标检测方法4.1 基于灰度形态学的背景抑制4.1.1 形态学背景抑制算法介绍4.1.2 启发式处理4.1.3 结构元素的选取4.2 基于灰度形态学的背景抑制算法实验与分析4.2.1 不同背景抑制算法仿真4.2.1.1 仿真实验4.2.1.2 实验结果4.2.1.3 性能分析4.2.1.4 实验总结4.2.2 启发式处理仿真4.2.2.1 仿真实验4.2.2.2 实验结果4.2.2.3 性能分析4.2.2.4 实验总结4.2.3 结构元素选择仿真4.2.3.1 仿真实验4.2.3.2 实验结果4.2.3.3 性能分析4.2.3.4 实验总结4.3 基于相邻三帧再分割的轨迹能量累积法4.3.1 目标代表点的选取4.3.2 相邻三帧再分割法4.3.3 基于轨迹能量累积的目标检测法4.4 目标检测算法实验与分析4.4.1 仿真实验4.4.2 实验结果4.4.3 实验总结4.5 本章小结第五章 总结5.1 本文工作5.2 展望5.3 应用致谢参考文献个人简历及攻读硕士学位期间的研究成果
相关论文文献
标签：形态学论文; 微弱目标论文; 背景抑制论文; 启发式处理论文; 目标检测论文;
