低信噪比下红外小目标检测方法的研究

摘要

复杂背景下红外运动目标的检测和跟踪是红外成像制导和红外预警系统中的关键技术难题，它分别针对远距离点目标和近距离面目标进行检测、跟踪。大量的低空背景景物以及点目标的特点——远距离、低信噪比、强杂波等，增加了目标检测和跟踪的难度。为此，本文应用了TBD检测的方法，而且，在多帧积累之前，首先进行了图像预处理以提高信噪比，抑制背景。良好的预处理将提高后续的多帧积累的效率，对比常用的几种预处理算法，如高通滤波、中值滤波、数学形态学的tophat滤波、维纳滤波等方法的优点和不足，提出了一种改进的SUSAN滤波器——区域奇异性滤波，该滤波方法对于提高单帧检测概率有很好的功效。而TBD检测方法中，采用了动态规划算法。动态规划算法是一种解决组合寻优问题的高效算法，通过将 n维问题变换为n个一维优化问题，一个一个地求解的方法，很好的提高了效率。但由于其本身存在着不足，一是多帧积累后能量扩散，产生团聚效应；二是在信噪比较低时，需要积累的轨迹很多，存储量和计算量都较大，尤其是当积累帧数较多时。为此本文针对这两条进行了改进，在动态规划的算法中加入了方向加权和截断序贯似然比的方法。方向加权中应用了轨迹预测的方法，考虑了目标帧间运动的连续性，降低了开窗搜索的大小，从而很好的抑制了团聚效应，且在一定程度上提高了算法效率。截断序贯似然比方法也是一种TBD检测的方法，其通过多级门限截断置信度较低的轨迹树达到提高效率的目的，在动态规划中加入该算法，使之积累的轨迹数减少，降低了计算量和存储量。针对以上几项改进，通过大量的实测和仿真图像对算法进行了检验，检验结果证明，改进后的算法较之原算法在提高检测概率的基础上，有效的提高了计算速度，降低了存储量。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 课题的背景与意义

1.2 目标检测方法及研究现状

1.3 本文的主要研究内容

第二章 红外噪声及小目标模型

2.1 噪声分析

2.2 红外弱小目标图像的统计模型

第三章 小目标图像的背景抑制

3.1 高通滤波器

3.2 中值滤波器

3.3 数学形态学滤波器

3.4 维纳自适应滤波器[39,40]

3.5 试验仿真

3.6 基于区域奇异性滤波

第四章 基于动态规划的小目标检测算法

4.1 动态规划的概述

4.2 动态规划的基本概念

4.3 多帧积累检测的必要性

4.4 图像序列中点目标能量的积累

4.5 基于动态规划小目标检测基本原理

4.6 状态转移理论

4.7 小目标能量积累的动态规划数学模型

4.8 动态规划积累的算法步骤

4.9 动态规划算法检测性能分析

第五章 动态规划的小目标检测算法的改进

5.1 基于方向加权的动态规划目标检测

5.2 基于截断的序贯似然比检测方法

5.3 加入截断序贯似然比的动态加权规划方法

第六章 结论

致谢

参考文献

攻硕期间取得的研究成果