复杂背景下毫米波弱小目标检测方法研究

摘要

毫米波弱小目标检测是一个较新的研究领域。利用毫米波进行弱小目标检测相较于利用雷达、可见光、红外等技术手段进行检测有着独特的优势，在远距离侦查、防空预警等军事领域中，应用价值极高。
　　远距离复杂背景下弱小目标的高精度检测是一项具有挑战性的任务，尚没有很好的解决办法。因此结合毫米波的特性进行弱小目标高精度检测，以期提高弱小目标的检测精度，具有非常重大的意义。本文对毫米波弱小目标图像进行研究，提出了三种弱小目标检测算法。
　　针对被动毫米波成像的特点以及小目标与背景杂波的差异，提出了背景目标精确双字典目标检测算法。该算法首先根据图像自身的内容构造一个过完备字典，然后改进原始稀疏表示方法，完成目标和背景过完备字典的精确分类。最后，通过目标与背景过完备字典的稀疏系数差异来检测弱小目标。
　　背景抑制方法是弱小目标检测中的一类常用方法，本文通过引入人类视觉系统(HVS),并结合目标区与局部背景特征先验提出了圆周中心差背景抑制算法。该算法设计了一个圆周中心差模型，通过累积中心区域与圆周区域像素值的差异来达到背景抑制的目的。该算法不仅可以有效的区分出目标区域和背景区域，而且可以很好的排除方向性的杂波区域的干扰，实现目标的高精度检测。
　　针对被动毫米波图像中弱小目标与背景区分度较弱、目标可提取特征较少的问题，结合背景目标精确双字典检测算法和圆周中心差背景抑制算法，提出了改进稀疏表示圆周中心差弱小目标检测算法。该算法结合两类算法各自优点进行联合背景抑制，使所得结果目标增强更多，背景抑制效果更好。最终的实验结果表明所提算法的检测精度在相同条件下要高于其它主流算法的检测精度。

目录

声明

1 绪论

1.1 研究背景、目的及意义

1.2 研究现状

1.3 本文的主要内容与结构

2 毫米波辐射图像弱小目标检测理论

2.1 物体热辐射理论

2.2 毫米波辐射图像预处理简介

2.3 弱小目标检测评价指标

2.4 总结

3 基于稀疏表示的背景目标精确双字典目标检测方法研究

3.1 稀疏表示相关理论

3.2 基于目标字典的弱小目标检测

3.3 基于背景目标精确双字典目标检测

3.4 相关实验与分析

3.5 总结

4 基于局部对比度检测算子的研究

4.1 经典背景抑制算法

4.2 圆周中心差背景抑制算法

4.3 相关实验与分析

4.4 总结

5 改进的稀疏表示与检测算子联合检测算法

5.1 ISR-CSCD检测算法

5.2 相关实验与分析

5.3 总结

总结与展望

参考文献

攻读硕士学位期间发表论文及科研成果

致谢