CCD立靶远程监控与抗干扰处理

摘要

线阵CCD立靶测试系统用于低伸弹道武器系统的外弹道测试，测试系统通过捕捉弹丸的空中姿态，利用图像处理算法提取CCD弹丸图像的像素坐标，再利用弹丸像素坐标进行物理坐标转化，从而获取弹丸通过测试系统时的空间物理坐标，实现弹丸坐标检测。在室外靶场对武器系统进行测试时，由于天空背景复杂多变，获取弹丸目标图像时干扰因素很多，如天空云层，光照强度变化以及蚊虫飞鸟等，因此需要对线阵CCD相机的测试背景进行实时监控，通过监控背景照度进行光圈调节，确保采集到较好的弹丸图像，而且系统需要通过图像处理技术对线阵CCD弹丸目标图像进行处理，实现弹丸目标的检测，精确提取弹丸像素坐标。
　　论文通过对线阵CCD弹丸目标图像进行分析，针对系统采集到的弹丸目标图像背景复杂多变，弹丸目标信号弱，图像信噪比低等问题，引入图像信息熵对图像的复杂度进行量化，突出原始弹丸图像中的复杂区域;通过分析线阵CCD弹丸图像，了解弹丸目标以及天空背景的图像特征，根据图像区域组成成分不同对原始弹丸图像进行分区，并采用图像方差加权信息熵对原始弹丸图像进行抗干扰处理，抑制了背景噪声，突出了原始图像中的突变区域;根据对各区域图像的灰度分布进行分析，研究了造成各区域复杂度差异的因素，并通过建立双模板法复杂度分析模型对动态背景下的线阵CCD弹丸目标图像进行抗干扰处理，得到复杂度差值图像作为论文算法的预处理图像，复杂度差值图像实现了增强弹丸目标的同时抑制背景干扰的目的;针对图像抗干扰处理算法得到的复杂度差值图像背景区域灰度值不同，复杂差值图像不能直接分割提取弹丸目标，论文引入自适应门限分割算法对差值图像进行分割处理。文中根据复杂度差值图像的灰度分布进行分析，构建了灰度指数模型，利用最小二乘法对指数模型参数进行估值，获取自适应分割门限，最后分割并处理复杂度差值图像，有效分离了图像背景与弹丸目标，实现了弹丸目标的提取。
　　经试验仿真验证，文中抗干扰处理算法可有效处理各种干扰背景中的线阵CCD弹丸目标图像，通过抗干扰处理后，蓝天背景、蓝天略有薄云背景以及蓝天白云相间背景下采集到的弹丸图像信噪比均得到大大提高。而且可以看出文中抗干扰处理算法对于以上三种背景下的弹丸目标图像的处理效果均远远优于传统的图像预处理算法。自适应门限分割算法也可以很好的识别预处理图像中弹丸目标与天空背景的边界，实现了弹丸目标的提取，达到了预期目的。

目录

摘要

1 绪论

1．1 研究的背景及意义

1．2 立靶测试技术国内外研究现状

1．2．1 立靶测试技术国外研究现状

1．2．2 立靶测试技术国内研究现状

1．2．3 数字图像处理技术研究概况

1．2．4 弱小目标研究进展

1．3 本论文的主要工作以及章节安排

1．3．1 论文的主要工作

1．3．2 论文框架结构安排

2 线阵CCD立靶测试系统设计研究

2．1 线阵CCD立靶测试系统的整体构成

2．1．1 系统的整体架构

2．1．2 系统测试的基本原理

2．2 远程监控技术基本原理

2．2．1 监控系统设计

2．2．2 通讯网络协议设计

2．3 弱小目标检测分析

2．3．1 天空背景的成像特征

2．3．2 CCD弹丸目标图像特点

2．3．3 运动目标检测的难点

2．4 传统的图像处理算法

2．4．1 空域预处理算法

2．4．2 频域预处理算法

2．5 小结

3 线阵CCD弹丸图像抗干扰处理

3．1 各种背景下CCD图像干扰来源分析

3．2 基于信息熵的图像抗干扰处理

3．2．1 图像信息熵

3．2．2 基于复杂度的弹丸图像区域划分

3．3 基于方差加权信息熵的图像抗干扰处理

3．3．1 方差加权信息熵

3．3．2 基于方差加权信息熵的图像复杂度有效性分析

3．4 双模板法抗干扰处理原理

3．4．1 线阵CCD弹丸图像不同区域复杂度成因分析

3．4．2 双模板法复杂度分析

3．5 小结

4 基于最小二乘法的弹丸目标提取

4．1 预处理图像的灰度分布

4．2 灰度图像建模

4．2．1 参数A估值

4．2．2 参数B估值

4．3 基于建模曲线的门限设置

4．4 小结

5 实验与结果分析

5．1 CCD图像弹丸目标检测结果分析

5．1．1 图像信噪比

5．1．2 各种背景下图像的抗干扰处理

5．1．3 其它算法与本文比较

S．2 目标弹丸分割

5．3 小结

6 结论

6．1 论文研究成果总结

6．2 结论

6．3 工作展望

参考文献

攻读硕士学位期间发表的论文

致谢

声明