大视场红外搜索系统目标检测关键技术研究

摘要

现代高技术战争中，红外成像探测已成为在复杂电磁干扰对抗环境下，辅助或替代雷达进行目标监视预警的重要方式，也是未来非对称作战环境下战场防御主要途径。现阶段发展第三代红外探测系统的主要方向是，利用上千像元的大规格焦平面阵列进行远距离、大视场、高分辨的目标探测及成像识别。该类系统主要特点是：高精度探测、快速扫描、水平方向360度全景覆盖和大俯仰角度的搜索警戒。由此，大视场红外图像处理、实时目标检测算法等问题就突显出来。本文以“十二五”装备预先研究项目为支撑，以新一代高性能大视场红外搜索系统的应用需求为依据，针对大视场红外图像的目标探测技术开展研究。论文共分为四个部分：
　　第一部分针对高动态范围的红外图像，在动态拉伸过程中由于大视场内背景成分较复杂，导致无法有效保留细节及信杂比下降的问题，提出了一种动态范围压缩及细节增强(DRCDDE)算法。首先，采用双边滤波将原始图像分解为包含大尺度结构的基底图像和包含高频信息的细节图像。然后，建立起局部对比度保持的动态范围压缩的算子模型，并提出一种新的非线性亮度转移函数，实现对基底图像的自适应动态范围压缩。对于细节图像，根据图像局部统计特性构建合适的灰度扩展准则，实现低对比度的细节增强及噪声的抑制。最后，将两部分结果进行加权融合。论文用真实的红外数据进行实验，并提出联合度量标准与其它算法进行定量的比较。结果表明，本文的算法不仅能实现各种红外场景下的动态范围压缩，很好的增强不同温度背景中的微小温差细节；同时还可以有效的增强弱小目标抑制噪声，即提高了图像的显示效果又利于进一步的目标提取。
　　第二部分针对大视场红外图像单帧数据量大、背景干扰成分繁杂、目标信杂比低等特点，提出了两种满足实时处理要求的兴趣区快速提取算法：基于傅里叶频谱滤波的红外图像显著性检测和基于分块图像加权熵值矩阵的兴趣区提取，并构造基于多特征融合的综合分类器以实现目标确认和虚警剔除。首先，受人眼视觉系统能快速形成对显著区域注意的启发，论文提出了基于离散傅里叶频谱滤波的红外图像显著图生成算法。算法利用二维Gabor滤波器对红外图像进行不同频率、朝向的多通道特征提取；进而建立了基于频谱滤波的显著性检测（FSFS)模型。它在频域上建立视觉注意模型获取图像的显著性信息，可以引导计算资源的分配，快速、高效的实现兴趣区提取。此外，结合实测大视场图像的特点，论文还提出一种基于分块图像加权熵值矩阵的快速兴趣区提取算法。它提出一种加权熵特征判别函数，建立子图像块的加权熵值矩阵；通过自适应阈值选取方法对背景分类并快速提取目标兴趣区。
　　第三部分针对大视场红外搜索系统在大范围、全景监视时，无法自动预知目标尺度信息；而不同距离的目标成像尺寸差异引起的特征变化，使传统小视场目标检测算法难以自适应的问题，提出了一种可实现红外图像中典型目标定位及自动尺度选择的算法。利用多尺度分析并基于离散尺度空间理论，算法流程为：首先，用 blob-like结构对图像中飞机目标进行特征建模，并基于Lindeberg的公理化结论数值实现了红外图像二维离散尺度空间的构造。然后，引入离散导数近似的概念，推导出能稳定提取离散尺度空间中 blob-like特征点的微分组合，称为归一化的拉普拉斯的离散相似(NDAL)算子。检测离散尺度空间中NDAL的26邻域极大值得到图像初始的关键点。最后，通过分析目标的多尺度奇异性设计冗余关键点的联合抑制准则，实现真实目标点的提取及尺度选择。利用尺度信息，指导多特征融合的综合分类器的设计，获取较高的目标与虚警的识别准确率。仿真数据和多种复杂背景及目标尺寸的真实数据进行实验，结果都证明了本文算法检测和尺度选择的能力。算法最大优势在于可在没有任何先验知识的条件下提供目标的尺度信息，以指导真实目标的确认和虚警剔除。
　　第四部分针对大视场红外搜索系统工程实现的大数据量图像实时处理、高速率数据传输以及并行体系构建等关键技术进行了研究。论文设计了一种基于多核DSP+FPGA架构的高性能处理的平台，实现了多核协同并行处理、Rocket IO高速串行互联和基于SmartReflex技术的动态功率监视。在该平台上，进一步基于可重构并行技术完成算法的实时处理。测试表明，设计的硬件平台具有强大的运算和数据吞吐能力；多核并行处理机制可充分提高硬件资源效率，获取最优化的性能，满足大视场红外系统实时信号处理的需要。

目录

声明

第一章 绪论

1.1研究背景和意义

1.2国内外研究现状

1.3论文研究的关键技术

1.4论文的内容及组织结构

第三章 大视场红外图像快速兴趣区提取算法

3.1引言

3.2基于优化去均值归一化相关的前景配准

3.3基于视觉注意的红外图像显著性检测

3.4基于分块图像加权熵的ROI提取算法

3.5本章小结

第五章 大数据量图像的实时处理技术

5.1引言

5.2大视场红外搜索系统的总体结构

5.3高性能图像处理平台的实现技术

5.4硬件平台测试结果分析

5.5本章小结

第六章 总结与展望

6.1本文主要研究成果

6.2下一步工作展望

致谢

参考文献

作者在攻读博士学位期间取得的学术成果

作者在攻读博士学位期间参加的科研项目