复杂背景下红外目标图像分割与跟踪研究

摘要

红外自动目标识别技术是一项难度较大、国内外军事部门高度重视的高级智能化图像处理技术.虽从20世纪80年代开始,国内外己投入了大量人力、财力进行该项研究工作,取得了较大进展,已有不少新理论、新算法问世,现已有很多实用的自动目标识别系统处于研制中,但就满足在多变战术和自然环境中使用的武器系统要求来说,它还存在一定的距离,未达到实用阶段.红外图像反映的是场景中目标和背景的红外辐射分布,其中的信息不像可见光图像那样直观明确.与其他光学图像相比,红外图像具有目标边缘模糊(由于目标与背景的热对流)、图像信噪比低、场景复杂多变等特点.本课题选择了红外图像自动目标识别技术中两个关键而又困难的问题,即低信噪比条件复杂背景下红外目标图像分割与跟踪方法进行研究.在论文的研究过程中,主要对红外目标图像的预处理、边缘检测、目标的分割、目标的特征提取以及跟踪算法进行了研究.

目录

文摘

英文文摘

东南大学学位论文独创性声明及使用授权声明

第一章绪论

1.1概述

1.2红外目标自动识别的研究现状与发展趋势

1.2.1红外图像自动目标识别技术研究现状

1.2.2红外图像自动目标识别系统关键技术

1.2.3红外图像自动目标识别技术发展趋势及应用前景

1.3课题的立题依据

1.4论文的研究思路与研究内容

1.4.1论文的研究思路

1.4.2论文的主要研究内容

1.5论文的结构安排

第二章红外图像预处理技术

2.1红外系统噪声的种类及其特性

2.2红外图像增强技术

2.2.1灰度修正

2.2.2图像去噪方法

2.3模糊集在红外图像增强中的应用

2.3.1图像的模糊增强

2.3.2图像模糊对比度增强算法

2.4小结

第三章红外图像边缘检测技术

3.1红外图像分割

3.1.1图像分割的定义

3.1.2分割算法分类

3.1.3红外图像分割的研究现状

3.2基于模糊划分的边缘检测算法

3.2.1图像的模糊概率描述

3.2.2模糊C-划分熵的新定义

3.2.3模糊划分边缘检测

3.2.4实验结果及结论

3.3基于模糊最小误差的红外目标边缘检测算法

3.3.1最小误差阈值选取算法

3.3.2基于标准差的梯度图像

3.3.3基于模糊最小误差的红外图像边缘检测算法

3.3.4实验结果及结论

3.4小结

第四章基于数学形态学的红外图像分割方法

4.1数学形态学方法

4.1.1形态学滤波器

4.1.2形态学分割

4.2分水岭变换建模及算法

4.2.1分水岭变换建模

4.2.2分水岭变换的算法

4.3基于形态学的红外图像分割方法

4.3.1形态学滤波

4.3.2多尺度形态学梯度算子

4.3.3改进分水岭算法

4.3.4区域融合

4.3.5实验结果及结论

4.4 小结

第五章基于分形特征的红外目标图像分割方法

5.1自然背景图像的分形模型

5.1.1目标图像模型与背景图像模型

5.1.2基于分形模型的自动目标识别技术

5.2分形维数的基本原理

5.2.1分形维数

5.2.2计盒维数

5.2.3 Minkowski维数与修改的计盒维数

5.2.4分形维数的多尺度形态学估计

5.3基于分形特征的红外图像分割方法

5.3.1图像形态学分形维数估计算法

5.3.2基于分形特征的红外图像分割算法

5.4小结

第六章红外目标跟踪算法

6.1概述

6.2相关跟踪算法

6.2.1几种相关跟踪算法

6.2.2相关跟踪算法的比较

6.3积相关算法在红外目标跟踪中的应用研究

6.3.1积相关算法及其特点

6.3.2影响积相关算法跟踪稳定性的几个因素

6.3.3实验结果及结论

6.4小结

第七章总结与展望

7.1论文的研究工作总结

7.2未来的工作展望

致谢

参考文献

攻读博士学位期间发表的论文