论文部分内容阅读
与可见光系统相比，红外系统具有隐蔽性强、探测距离远、穿透大气能力强等优点，红外弱小目标检测作为红外成像系统中一项关键技术在军事预警、红外制导、海事搜救以及民用安防等领域具有重要的研究和应用价值。
随着红外弱小目标检测技术的不断发展，针对简单场景下红外弱小目标的检测精度、检测效率以及鲁棒性已取得较大突破。然而，由于成像距离远及大气湍流等因素的影响，红外弱小目标通常十分微小，仅占有极少量像素，在图像中呈现点状特征，尺寸多变，且缺少明显的纹理、形状、颜色和结构特征。另一方面，应用场景通常复杂多变，存在大量背景杂波干扰。因此，在复杂场景下，目标本身的成像特性和复杂多样的背景使得红外弱小目标检测任务仍面临较大挑战。
本文从人类视觉系统(Human Visual System, HVS)出发，对复杂场景下红外弱小目标检测技术进行研究，旨在提升复杂场景下红外弱小目标检测的准确性、实时性和场景适应性。本文在研究分析红外弱小目标检测技术的发展和研究现状的基础上，主要研究工作包括以下几点：
1.针对当前红外弱小目标检测领域实验数据较为匮乏的问题，本文构建了一个多场景红外弱小目标数据集(Multi-Scene Infrared Dim Target, MSIDT)。首先，对实际采集的数据进行数据剪枝，剔除不合理数据，然后按照不同背景将其划分为6种通用场景，随后对所有目标进行人工标注，最后对多场景红外弱小目标数据集的统计特性和属性特点进行了分析和介绍。
2.针对单一特征检测方法无法有效抑制复杂背景的问题，本文基于HVS的对比机制提出了一种多信息融合的红外弱小目标检测算法。首先提出局部灰度残差测量抑制平缓背景区域、高亮孤立背景区域和扩展强连续边缘；然后提出方差差异估计方法抑制孤立连续边缘；随后设计基于梯度方向特性的方法进一步增强算法鲁棒性；最后对三种信息特征进行融合实现对各类背景的抑制。实验结果表明，本文所提出的方法对各类复杂背景具有较好的抑制性能，在复杂场景下具有较好的检测性能。
3.为同时提升红外弱小目标检测方法的检测率、检测速度和场景适应能力，本文基于HVS提出了一种基于视觉注意机制的红外弱小目标检测算法。基于自底向上的注意机制，提出一种多尺度灰度-方差估计方法，快速计算得到显著图并估计目标最优尺寸；然后利用FAST(Features from Accelerated Segment Test)角点检测提取ROI(Region of Interest)，后续仅对ROI进行处理，将传统的全局计算转化为局部处理以提升算法的检测效率。基于自顶向下的注意机制，构建了一个特征集对弱小目标进行描述，改进传统FART(Fuzzy Adaptive Resonance Theory Network)网络，提出Soft-FART(Soft Fuzzy Adaptive Resonance Theory Network)网络对弱小目标数据进行训练。最后，使用训练得到的知识库完成对候选目标的匹配。实验结果表明，本文所提出的方法能基本满足准确、实时、稳定的检测要求。
随着红外弱小目标检测技术的不断发展，针对简单场景下红外弱小目标的检测精度、检测效率以及鲁棒性已取得较大突破。然而，由于成像距离远及大气湍流等因素的影响，红外弱小目标通常十分微小，仅占有极少量像素，在图像中呈现点状特征，尺寸多变，且缺少明显的纹理、形状、颜色和结构特征。另一方面，应用场景通常复杂多变，存在大量背景杂波干扰。因此，在复杂场景下，目标本身的成像特性和复杂多样的背景使得红外弱小目标检测任务仍面临较大挑战。
本文从人类视觉系统(Human Visual System, HVS)出发，对复杂场景下红外弱小目标检测技术进行研究，旨在提升复杂场景下红外弱小目标检测的准确性、实时性和场景适应性。本文在研究分析红外弱小目标检测技术的发展和研究现状的基础上，主要研究工作包括以下几点：
1.针对当前红外弱小目标检测领域实验数据较为匮乏的问题，本文构建了一个多场景红外弱小目标数据集(Multi-Scene Infrared Dim Target, MSIDT)。首先，对实际采集的数据进行数据剪枝，剔除不合理数据，然后按照不同背景将其划分为6种通用场景，随后对所有目标进行人工标注，最后对多场景红外弱小目标数据集的统计特性和属性特点进行了分析和介绍。
2.针对单一特征检测方法无法有效抑制复杂背景的问题，本文基于HVS的对比机制提出了一种多信息融合的红外弱小目标检测算法。首先提出局部灰度残差测量抑制平缓背景区域、高亮孤立背景区域和扩展强连续边缘；然后提出方差差异估计方法抑制孤立连续边缘；随后设计基于梯度方向特性的方法进一步增强算法鲁棒性；最后对三种信息特征进行融合实现对各类背景的抑制。实验结果表明，本文所提出的方法对各类复杂背景具有较好的抑制性能，在复杂场景下具有较好的检测性能。
3.为同时提升红外弱小目标检测方法的检测率、检测速度和场景适应能力，本文基于HVS提出了一种基于视觉注意机制的红外弱小目标检测算法。基于自底向上的注意机制，提出一种多尺度灰度-方差估计方法，快速计算得到显著图并估计目标最优尺寸；然后利用FAST(Features from Accelerated Segment Test)角点检测提取ROI(Region of Interest)，后续仅对ROI进行处理，将传统的全局计算转化为局部处理以提升算法的检测效率。基于自顶向下的注意机制，构建了一个特征集对弱小目标进行描述，改进传统FART(Fuzzy Adaptive Resonance Theory Network)网络，提出Soft-FART(Soft Fuzzy Adaptive Resonance Theory Network)网络对弱小目标数据进行训练。最后，使用训练得到的知识库完成对候选目标的匹配。实验结果表明，本文所提出的方法能基本满足准确、实时、稳定的检测要求。