复杂再入光学目标的检测与识别系统设计与实现

摘要

电视跟踪测量系统是靶场可见光目标自动识别系统的主体，作为多目标识别的背景知识，这里介绍了其功能系统，从视频信号处理、数字图像处理、灰度级阀值提取方法三方面分析了电视跟踪测量系统的信号检测原理，及其从视频信号中如何把代表被测物体参数和物体的特征信息提取出来进行处理的机理。提出电视跟踪测量系统需要实现对靶场再入复杂光学多目标的自动识别、目标选择跟踪等功能，必须解决的几项关键技术：弱小目标处理技术、多目标处理技术、实时图像处理技术和目标特征分析提取技术。
　　按照一般的图像处理技术，本文根据靶场再入复杂光学多目标自动识别的特殊要求，从弱小目标检测开始，分析比较了靶场再入光学目标先跟踪后检测的优越性；对图像序列进行了预处理，去除了干扰、噪声及差异，增加目标与背景的对比度，使原始信号变换成适合于计算机进行特征提取的形式；采用基于运动变化区域检测的视频图像分割结合基于最小距离的多运动目标双向正交提取技术对图像进行分割，并利用摄像空间转换消除了背景变化影响；设计了数字自适应多波门系统，探讨了波门对多种目标形状的提取中心位置的确定，并对波门提取跟踪目标的工作模式进行了分析；最后用轨迹关联技术对跟踪目标的同一性进行判别，效果明显。这为图像目标的自动识别奠定了基础。
　　靶场再入多目标物理现象非常复杂，这是以往多年来靶场光学测量设备不能正确进行目标识别的原因。本论文对此进行了分析，并对再入目标的发光特性和运动特性进行了比较。通过分析比较可知，靶场再入光学多目标虽然没有纹理、颜色、形状、模型等典型特征，单各目标间还是略有差异：各目标发光时间先后略有差别、发光强度有所不同；各目标虽不明确，但相互间大小差别可知；各目标相互间相对位置虽不确定，但其位置变化有迹可循；各目标运动方向虽大体一致，但在视场中显示时，却有些目标略有不同；各目标的运动绝对速度虽相差无几，但从视场中观察，各目标相互间运动速度有快慢之分，而且有些目标的速度变化相对稳定。这是从再入复杂光学多目标中识别出弹头的基础。
　　在对图像分割和目标特征分析的基础上，本论文研究设计了对分割出来的多目标图像对象进行自动识别的方法。识别方法中首先对于多目标部分较明显的特征进行直接应用，排除部分干扰；然后利用光流方程对图像序列中分割出来对象的特征进行跟踪，同时用卡尔曼滤波方程对图像对象进行运动预测，为目标识别奠定基础；最后，通过对各目标相对位置与大小的匹配、融合各目标相互间的相对速度和运动方向的匹配，实现各目标光学特征和运动特征的融合，从而实现对复杂光学多目标的自动识别。
　　针对多年来靶场未能实现真正意义上的光学多目标自动识别跟踪的原因，本论文根据多目标图像自动识别系统的基本任务与功能，讨论了系统分层设计思想，针对不同要求，设计了基于现有设备的有限改进和全新配置的两种硬件系统，及两种不同的软件运行方式，介绍了系统的工作原理与对目标的选择跟踪，并最终实现了该系统。靶场实用结果表明，该系统运行可靠，跟踪稳定，能对再入复杂光学多目标完成实时自动识别与跟踪。该系统的实现，对靶场完成导弹型号试验任务有着重要意义。
　　总之，光学多目标自动识别与跟踪技术是靶场目前导弹武器型号试验的迫切需要，也是未来靶场光学设备智能化的发展方向。本论文有相应的课题支持，具有广泛的应用前景，对于视频处理技术的其它领域，都具有一定的参考价值。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1引言

1.2研究背景分析

1.3解决问题的思路和方法

1.4本文主要研究内容

1.5本论文的结构安排

第二章 目标识别与跟踪的技术基础和应用环境

2.1 目标识别与跟踪环境分析

2.2 图像处理基本技术

2.3 再入目标特征分析

2.4 本章小结

第三章 目标自动识别方法研究

3.1 多目标部分特征的简单应用

3.2 复杂多目标的特征跟踪与运动估计

3.3 光学特征和运动特征融合

3.4 仿真结果

3.5 本章小结

第四章 再入多目标自动识别与跟踪的设计实现

4.1 多目标图像识别处理的基本任务与功能

4.2 目标识别图像处理总体方案设计

4.3 硬件平台

4.4 软件工作模块及工作流程

4.5 图像目标自动识别系统工作原理与目标选择跟踪

4.6 自动识别系统应用结果

4.7 本章小结

第五章 论文总结

5.1 工作总结

5.2 下一步工作展望

致谢

参考文献