论文部分内容阅读
复杂背景下红外弱小目标检测跟踪在军事防御系统应用广泛,其中包括早期预警、精确制导、导弹追踪系统和海洋监控系统等,是一种关键性的技术。随着反辐射技术和隐形飞机的应用,雷达系统面临严峻的挑战,无源被动红外探测技术可以很好的避免这些问题。通常红外图像中背景复杂、目标微弱,复杂背景下的弱小目标检测和跟踪是红外预警、制导的瓶颈问题。基于此,本文针对复杂背景下红外弱小目标检测跟踪问题开展研究,主要内容包括如下:1、研究了红外图像背景和弱小目标的特性。在红外弱小目标检测跟踪中,背景在红外图像中几乎占全部的像素,目标只占有几个到十几个像素点,并且局部背景和它相邻的区域具有强的相关性。利用以上背景和目标的特性,对红外图像进行片图像化后,可得到背景具有低秩特性目标具有稀疏特性。2、针对红外弱小目标检测问题,研究了基于结构先验的重加权低秩和增强稀疏的检测方法。经过片图像化后,利用背景的低秩特性和目标的稀疏特性可以用鲁棒主成分分析的方法进行求解得到检测结果,然而该方法是近似求解,并且背景边缘的稀疏特性也会对检测结果带来的影响。考虑到以上不足,本文提出了对背景片图像重加权和目标片图像增强稀疏的方法,使得模型更加精确,同时为了抑制背景边缘对检测带来的影响,利用结构张量抑制背景边缘,可大大降低虚警率。最后通过实测红外数据进行验证,本文提出的基于结构先验的重加权低秩和增强稀疏检测方法可以实现很好的检测结果。3、针对目标特征提取问题,研究了基于深度学习的红外弱小目标特征提取方法。目标一旦被检测出来,接下来需要对目标进行实时跟踪。目前基于相关滤波的目标跟踪方法实现了良好的跟踪性能,前提是需要提取好的目标特征去训练相关滤波器,但是红外弱小目标在图像上只占有几个像素,没有明显的纹理结构信息,很难提取有效的特征。于是第四章研究了基于深度学习的目标提取方法,首先搭建了一个卷积神经网络,然后用训练过后的卷积神经网络提取红外弱小目标特征,从而得到卷积特征,最后使用卷积特征训练相关滤波器。4、针对目标跟踪问题,研究了中心偏置空间正则化相关滤波的跟踪方法。本文以空间正则化相关滤波为基础,对其进行了改进,给出了中心偏置空间正则化相关滤波,在能够抑制边界效应的同时,也能够减少计算量。最终基于深度学习和中心偏置空间正则化的红外弱小目标跟踪方法被给出,通过大量实验和对比分析,本文给出的跟踪方法可以实现很好的跟踪性能。