红外背景、低信噪比条件下的小目标检测技术研究

摘要

随着科学技术的发展,自动目标识别系统已经成为现阶段和未来武器系统的一个重要组成部分,而且必将在未来战争中扮演十分重要的角色.本文主要对红外背景、低信噪比条件下的小目标检测技术进行了研究.研究内容包括图像模型理论、形态滤波和背景相关特性等相关内容.本文首先从图像处理(主要是ATR算法)角度出发,讨论了数字图像的矩阵表示和矢量表示方法、图像的统计模型的一般理论问题,通过图像的随机场模型将图像的研究引入到宏观的统计规律(灰度直方图统计)和微观的统计关系(像素点之间的关系)上来.并针对ATR问题,研究了序列图像间差异性度量方法.红外图像的背景统计特性对图像预处理和目标检测是非常重要的,因此本文对红外起伏背景的平稳特性、高斯性及空间相关特性等有关问题进行了必要的探讨.对于红外图像的预处理采用了基于形态滤波的方法,可以有效的去除干扰和噪声;经预处理后,采用自适应噪声滤波器实现对目标信号的增强和对噪声的抑制.最后,本文介绍了神经网络的层次概念和BP网络在模式识别方面的应用,并探讨了一种基于非线性函数可调整的BP网络预测器.

目录

文摘

英文文摘

哈尔滨工程大学学位论文原创性声明

第1章绪论

1.1引言

1.2自动目标识别与跟踪方法及其发展趋势

1.3红外成像制导自动目标识别概述

1.4红外目标检测的研究现状

1.5论文的研究工作和结构安排

1.5.1论文的研究工作

1.5.2章节安排

第2章红外图像特性分析

2.1引言

2.2图像模型的一般理论

2.3序列图像之间的帧间差异性度量

2.4红外图像的统计特性描述

2.5本章小结

第3章红外起伏背景的统计特性分析

3.1引言

3.2背景图像的平稳特性

3.2.1背景的广义平稳特性

3.2.2背景的高斯分布特性

3.3起伏背景的空间相关长度计算

3.4本章小结

第4章低信噪比条件下小目标检测技术研究

4.1引言

4.2红外图像的预处理技术

4.2.1灰度形态滤波理论

4.2.2基于形态滤波的预处理技术

4.2.3仿真结果

4.3非线性均值滤波器

4.3.1非线性均值滤波器结构

4.3.2非线性均值滤波器的统计特性

4.3.3非线性均值滤波器的特点

4.4背景抑制图像的噪声滤波技术

4.5本章小结

第5章神经网络应用

5.1引言

5.2 BP网络

5.2.1 BP网络结构

5.2.2 BP网络中的神经元结构

5.2.3 BP算法的改进

5.2.4仿真结果

5.3神经网络预测器

5.4本章小结

结论

参考文献

攻读硕士学位期间发表论文和取得的科研成果

致谢