天空背景下多尺度红外目标检测

论文摘要

随着红外成像技术与数字图像处理技术的发展,红外目标检测技术开始广泛应用于制导、跟踪、自动控制、人工智能等诸多领域。但由于目标所处场景的复杂性和目标信息量的缺乏,使得红外目标检测技术是一个复杂的过程。本文针对同一视场中存在多个目标、且目标尺度不定的情况,提出了基于形态学滤波预处理和多帧管道累积的红外弱小目标检测算法、基于目标边缘分割与双窗分割的近距红外目标检测算法,并最终在此基础上提出了针对多尺度、多目标的检测算法。弱小红外目标检测有两个关键,第一是背景抑制与目标增强,第二是阈值分割。针对第一个关键,我们分析了常用的均值滤波、一维形态学滤波与二维形态学滤波,并得出结论,我们采用的二维形态学滤波算法能够较好的抑制背景突出目标。针对第二个关键,我们分析了传统的针对高斯分布背景的阈值化方法,并根据形态学滤波后背景的分布情况,提出了合适的阈值确定方法。根据近距红外目标存在灰度较高、边缘强烈等特点,我们提出了根据亮度、边缘特征先初步分割,再根据初步分割的结果精确分割得到检测结果的算法。试验证明,该算法能够精确的检测出视场中的近距红外目标。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 课题背景及意义
• 1.2 红外目标检测研究现状
• 1.3 存在的问题与难题
• 1.4 本文的主要内容和结构安排
• 2 基于序列图像的弱小红外目标检测方法研究
• 2.1 弱小红外目标的特点
• 2.2 常用的检测方法
• 2.2.1 先检测后跟踪的方法
• 2.2.2 先跟踪后检测的方法
• 2.3 弱小目标检测的统计决策理论
• 2.4 图像预处理
• 2.4.1 一维形态学滤波
• 2.4.2 均值滤波
• 2.4.3 十字形态学滤波
• 2.4.4 试验结果及分析
• 2.5 目标分割
• 2.5.1 阈值分割
• 2.5.2 恒虚警门限法
• 2.5.3 基于局部熵的图像分割
• 2.6 本章小结
• 3 近距红外目标检测
• 3.1 适用于近距目标检测的经典算法
• 3.1.1 基于OTSU 最佳阈值分割的方法
• 3.1.2 遗传算法
• 3.1.3 区域生长法
• 3.2 降低分辨率的方法
• 3.2.1 多级分辨率滤波
• 3.2.2 多分辨率检测目标
• 3.2.3 目标多分辨率融合
• 3.3 本章小结
• 4 同一场景下多尺度目标检测
• 4.1 多帧弱小目标检测
• 4.1.1 基于数学形态学的预处理
• 4.1.2 基于白化背景的全局门限分割方法
• 4.1.3 平均方差的快速计算方法
• 4.1.4 本文采用的阈值化方法
• 4.1.5 基于多帧管道累积的目标确认算法
• 4.2 单帧近距目标检测
• 4.2.1 目标区域定位
• 4.2.2 基于双窗分割的目标定位
• 4.3 多尺度目标检测算法
• 4.4 本章小结
• 5 试验结果与讨论
• 5.1 试验结果与分析
• 5.1.1 十字形态学滤波试验结果及分析
• 5.1.2 弱小目标检测结果
• 5.1.3 大尺度目标检测结果与分析
• 5.1.3 多尺度目标检测试验结果与分析
• 5.2 其他问题
• 5.3 本章小节
• 6 总结与展望
• 致谢
• 参考文献