基于形态学和小波变换的弱小目标检测

摘要

复杂背景下弱小目标的检测在监视和预警系统中有着十分重要的作用,也是当前国内外研究的热点。由于目标距离观察点较远,其成像大小只有几到十几个像素,且目标淹没于背景杂波干扰之中,给人们的检测带来了很大的困难和挑战。 本文首先分析研究了复杂背景下弱小目标的特性,包括灰度特征和运动特征,这是进行所有检测工作的基础。其中,弱小目标的灰度特征主要表现为灰度曲面上的微小“凸起”,则检测出这些微小“凸起”是弱小目标单帧检测的主要任务；而运动特征主要表现为目标运动的独立性和运动轨迹的连续性,则检测弱小目标的独立运动和连续轨迹是弱小目标运动检测的主要任务。文中设计了弱小目标的检测系统,主要包括目标图像预处理、目标分割、目标跟踪与检测等。 本文的研究重点是弱小目标图像的预处理算法,其重要作用是增强目标、抑制噪声,提高目标的可检测性,同时还可以减少后续工作的计算量,提高检测效率。本文重点研究了基于形态学和小波变换的两种预处理算法。其中,基于形态学的预处理算法,采用Top-hat变换来抑制背景图像,增强目标。在形态学算法中,结构元的选择是一个重要的内容,本文根据弱小目标的灰度特征,选取了“盘形”结构元。另外,基于小波变换的预处理算法,重点分析了低频子带置零法和高频子带相乘消噪法。在小波分析中,小波基的选择是一个重要的内容,本文针对小波分析在图像处理和目标检测中的应用,选择了双正交的小波基。 为了有效地提取目标,并进一步减少后续工作的运算量,在弱小目标分割中,充分考虑不同目标图像自身的特点,引入了基于目标图像均值和方差的自适应局部阈值分割方法。 以上工作都是在单帧图像中进行的,主要利用了弱小目标的灰度特征,也就是静态特征。但是,仅利用目标的灰度信息还不能有效捕获真实的目标,因为还存在很多虚警,例如类目标干扰。因此,还需要在多帧序列图像中,利用弱小目标的运动特征,即目标运动轨迹的连续性,进一步抑制虚警,从而捕获真正的目标,并获得其运动轨迹。

目录

文摘

英文文摘

声明

第一章 绪论

1.1课题背景及意义

1.2国内外相关技术简介

1.3本文主要内容安排

第二章 弱小目标特性分析和检测系统设计

2.1弱小运动目标的特性分析

2.2弱小运动目标图像的信号分析

2.3弱小运动目标检测系统的设计

第三章 基于形态学的弱小目标图像预处理

3.1形态学简介

3.2二值形态学

3.2.1腐蚀与膨胀

3.2.2开运算

3.2.3击中击不中变换

3.3灰值形态学

3.3.1灰值腐蚀和膨胀

3.3.2灰值开运算

3.4基于形态学的弱小目标图像预处理

3.4.1 Top-hat变换

3.4.2形态学结构元的选择

3.4.3弱小目标的灰度特征和结构元的选择

3.4.4基于Top-hat变换的弱小目标图像预处理

3.4.5实验结果分析

第四章 基于小波变换的弱小目标图像预处理

4.1小波变换理论基础

4.1.1 小波变换

4.1.2多分辨率分析

4.2小波变换在图像处理中的若干问题分析

4.3小波变换在弱小运动目标检测中的应用

4.3.1 基于小波变换的小目标图像滤波

4.3.2基于小波变换和低频子带置零的弱小目标图像预处理

4.3.3基于小波变换和子带相乘消噪的弱小目标图像预处理

4.3.4实验结果分析

第五章 弱小目标的分割与检测

5.1 目标分割

5.1.1 阈值分割

5.1.2恒虚警率(CFAR)最佳阈值

5.1.3弱小目标分割的实验结果

5.2弱小目标及运动轨迹的检测

5.2.1 基于Hough变换的弱小目标及运动轨迹检测

5.2.2基于邻域搜索的弱小目标及运动轨迹检测

第六章 总结与展望

致谢

参考文献

作者攻读硕士期间取得的研究成果