论文部分内容阅读
红外弱小目标的检测和跟踪一直以来都是光电探测跟踪系统的关键技术之一。本论文围绕复杂背景下空中红外弱小目标的检测与跟踪，对红外弱小目标图像的特性进行深入分析，并针对复杂背景抑制、弱目标能量增强、目标检测和稳定跟踪等关键问题进行研究，力图提高红外成像探测系统的性能。 为提高复杂场景中弱小目标的检测能力，首先需要对图像中的复杂背景进行抑制，背景抑制主要是通过背景预测再与原图像差分来实现的。由于当前的背景预测方法主要是各向同性的，对图像中非平稳背景预测效果不好，影响了背景的有效抑制。于是将各向异性的思想引入到红外弱小目标图像的背景预测中，并根据局部梯度特性将红外图像划分为平稳背景区域、非平稳背景区域和奇异区域，然后滤除图像中的奇异区域，保留平稳和非平稳背景区域，从而达到背景预测的目的。各向异性背景预测能最大程度上忠于原红外图像的真实背景，总体性能明显优于其他背景预测方法。对于背景抑制后图像中的目标而言，能量仍然很弱，且有噪声干扰，不利于对目标准确地分割提取。通过改进基于高阶累积量的时域目标增强方法，充分考虑了对目标运动邻域内能量的累积，实现了比原高阶累积方法更好的目标能量增强效果，并有效抑制了图中的高斯噪声，显著提高了红外图像的信噪比。 红外弱小目标的检测是通过对目标的运动关联信息的判断，并进行最优化选择来实现的。在对目标运动特性研究基础上提出序列运动能量中心这一复合特征，它融合了邻域、连续、目标面积、标量速度、目标离散程度等多个单一运动特性，以序列运动能量中心为判据的多帧运动关联检测方法能有效提高目标检测率。并且该方法不需要运动速度大小和方向等先验知识，也没有过多的限制条件，与传统检测方法相比应用范围更加广泛，更符合实际红外场景的需要。 红外弱小目标的跟踪主要包括基于数据驱动和基于模型驱动两大类。针对仅基于数据驱动的运动相关跟踪方法的不足，通过对红外弱小目标与噪声灰度统计特征的分析，引入均值移位思想，实现了对红外弱小目标的核概率密度建模，并解决了目标模板匹配和更新等关键问题，结合两类跟踪模式的优点实现了融入灰度统计特征的运动相关跟踪，极大地提高红外弱小目标的跟踪稳定性。 论文还细致分析了红外弱小目标检测与跟踪实时图像处理平台的系统组成与结构特点，着重对算法的DSP实现进行了研究，通过对系统硬件和软件上的合理分配、算法和程序的简化与优化措施，实现了目标的实时检测和稳定跟踪。