论文部分内容阅读
红外探测系统是远程打击系统和预警系统的重要组成,但是复杂背景下低信噪比红外弱小目标的检测一直是一项非常困难的课题,正因为如此,该课题成为远程精确打击系统和早期预警系统的核心研究内容之一。针对这个难题,国内外很多学者提出了很多富有成效的红外弱小目标检测算法,但是现阶段这些算法也都存在一定的局限性。本文提出了一种基于BEMD和时空融合的复杂背景低信噪比弱小目标检测新方法,其中EMD算法是一种分析一维非平稳信号的有力工具,不同于傅里叶变换、小波变换等数据分析方法,EMD是完全的数据驱动的自分解过程,不需要人为构造变换的核函数,具有很强的自适应性。本文将一维EMD算法推广到二维应用中,利用BEMD处理红外弱小目标图像,得到含有小目标特征信号的分解结果,再和本文提出的移相差分算法进行融合,最后对融合结果进行分割,检测出红外图像中的弱小目标。传统BEMD存在不一致收敛和模态混叠问题,这两个问题极大的限制了BEMD的应用。针对这两个难题,本文借鉴项目管理中常用的“鱼骨图分析方法”,找出极值点提取不足是造成BEMD过程中迭代条件振荡,算法不一致收敛以及模态混叠问题的主要原因,并针对传统BEMD的不足,提出改进的BEMD算法,通过对比试验,本文改进的BEMD较传统BEMD有着更快的收敛速度和分解效率,有效的克服了不一致收敛和模态混叠问题,为BEMD应用于红外弱小目标检测奠定了基础。针对现有红外弱小目标图像背景抑制算法的不足,本文开创性的提出移相差分算法,该方法基于单帧图像处理,采用移相的方法制造出小目标“运动”的性质,再将不同相位差值信号融合,可以极大的抑制红外背景,是一种简单高效的背景抑制新算法。针对小目标特征信号及背景抑制图像中存在少量杂波的问题,本文提出的基于BEMD和时空融合方法滤去背景杂波,可以极大地提高分割效果。