论文部分内容阅读
该文研究在抑制相关干扰背景以后,图象序列中存在的主要成分为高斯噪声的条件下,识别做三维直线运动点目标的方法.首先根据实际应用环境研究并给出了各种假设条件.在低信噪比条件下,选用聂曼-皮尔逊准则进行单帧门限预处理,并由漏警概率确定判决门限,既有效抑制了噪声,又保证了目标的后续可靠检测.在低信噪比条件下,噪声是点目标识别的主要障碍.该文在分析了噪声特性和目标运动特性的基础上,利用噪声的随机性和目标运动轨迹的准连续性,对单帧门限处理后的图象序列进行高阶互相关操作,进一步抑制噪声,得到稀疏的图象序列.如何从所得的稀疏图象序列中正确识别出点目标是问题的关键.该文根据最大似然比算法的基本原理,分析了算法的实质,在此基础上,结合实际应用情况,对算法进行了简化,使存储量和计算量都大大减少.首先在稀疏图象序列中寻找连续的候选目标轨迹,依据所得的位置、速度等信息延长候选目标轨迹,构成目标轨迹模板.对各轨迹模板,依据最大似然比检验准则,构造一个充分统计量,该统计量能够反映在该轨迹上运动的目标灰度特征,将此统计量与一定的门限进行比较判决,从而去掉由噪声点构成的轨迹.为了降低虚警,对最大似然比算法检测出的目标轨迹还需进行后处理,由目标的运动特性和灰度特性识别出真实目标.在不止一个目标的情况下,根据实际情况选择最迫切需要的目标.在不止一个目标的情况下,根据实际情况选择最迫切需要的目标,进行跟踪和攻击.整套处理过程采用流水线工作方式,使算法的存储量和计算量相应减小,利于实时处理.对多组模拟和真实图象序列的仿真实验结果表明,上述算法能正确识别出在模拟、红外、可见光等不同种类的图象序列中做三维直线运动的、具有不同运动规律的点目标.该算法能有效辨认假目标,且具有多目标的识别能力.在真实图象序列的运动点目标识别中,可以实现的最低信噪比为1.0,达到了预定的技术指标.