机载光电系统中红外典型目标检测、识别与跟踪技术研究

摘要

论文结合机载光电系统的广泛应用需求，针对其关键技术：红外目标检测、识别与跟踪，以显著性理论及稀疏表示理论为主要方法展开研究，旨在构建一种新的动态背景下的红外目标检测、识别与跟踪算法。具体研究内容包括：
　　首先，在对红外图像特性研究的基础上，提出了一种基于频域显著性分析的红外目标检测算法。算法利用红外图像中目标在频域内相较于背景更加显著的特点，通过频域显著性计算得到红外图像的显著图，从而确定目标的粗略位置，然后通过自适应阈值分割显著图，提取出感兴趣区域，进一步在感兴趣区域中计算多尺度窗口的显著度，完成红外目标检测。在保证算法性能的前提下，显著性的引入，大大提高了算法效率。
　　其次，针对红外目标识别问题，研究了一种基于模型训练的红外目标识别方法。利用稀疏编码与空间金字塔匹配算法思想，实现特征提取。其中，利用K-SVD方法训练得到特征字典，实现特征稀疏编码。然后利用线性支持向量机对稀疏特征进行训练，得到分类器，完成目标识别。将字典学习、特征表示及分类器学习融合在统一的框架内，实现了更好的识别性能。
　　再次，针对目标跟踪问题，研究了一种基于压缩感知的红外目标快速跟踪方法。利用多尺度卷积提取样本特征，该特征融合了目标的空间、多尺度等信息，然后基于压缩感知理论，利用随机高斯投影矩阵实现特征降维，降低计算复杂度。最后利用朴素贝叶斯分类器进行特征分类，实现目标跟踪。同时，跟踪过程中在线更新朴素贝叶斯分类器，增加了算法鲁棒性。与经典跟踪算法相比，该算法在保证跟踪精度的情况下，运行速度有明显的优势，能够鲁棒、精确快速地实现目标跟踪。
　　最后，在理论研究的基础上，针对算法的工程应用性展开研究，将算法移植到 ARM中，实现了一个原理样机，验证了论文红外目标检测、识别与跟踪算法的有效性及工程可行性。

目录

声明

缩略词

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系统总体方案设计与研究内容

1.4论文的内容结构安排

第二章 稀疏表示理论

2.1稀疏表示理论

2.2稀疏表示计算方法

2.3本章小结

第三章 基于显著性的红外典型目标检测

3.1 显著性理论

3.2 显著度计算

3.3 实验结果及分析

3.4 本章小结

第四章 基于模型训练的红外目标识别技术研究

4.1 SIFT特征提取

4.2 基于K-SVD的字典学习

4.3 ScSPM稀疏编码

4.4 SVM分类器

4.5 实验结果及分析

4.6 本章小结

第五章 基于压缩感知的红外目标快速跟踪

5.1 CT特征提取

5.2分类器构建及更新

5.3跟踪策略

5.4实验结果及分析

5.5本章小结

第六章 基于ARM工程实现

6.1 ARM开发平台

6.2 OpenCV编译和配置

6.3算法架构及移植

6.4本章小结

第七章 总结与展望

7.1 论文工作总结

7.2 展望

参考文献

致谢

在学期间的研究成果及发表的学术论文