基于多特征融合的海天背景紅外弱小目標(biāo)檢測(cè)方法研究.pdf

1、隨著光電子技術(shù)、計(jì)算機(jī)技術(shù)和探測(cè)器技術(shù)的不斷發(fā)展，自動(dòng)目標(biāo)識(shí)別技術(shù)應(yīng)用越來越廣泛。而紅外弱小目標(biāo)檢測(cè)則一直是自動(dòng)目標(biāo)識(shí)別系統(tǒng)中重要的也是非常困難的研究課題。目標(biāo)檢測(cè)模塊處于自動(dòng)目標(biāo)識(shí)別系統(tǒng)的最前端，其性能的好壞在很大程度上決定了整個(gè)系統(tǒng)的性能。復(fù)雜背景下的弱小目標(biāo)，其幾何結(jié)構(gòu)形狀特征和灰度特征均不顯著，并且目標(biāo)通常只有幾個(gè)或是幾十個(gè)像素大小，同時(shí)背景雜波的干擾使得檢測(cè)變得更為困難。本文針對(duì)海天背景下紅外圖像特性和弱小目標(biāo)的特點(diǎn)，對(duì)弱小目

2、標(biāo)的融合檢測(cè)進(jìn)行了深入的研究，提出了多特征時(shí)空多層次融合檢測(cè)技術(shù)，主要研究工作如下： 在對(duì)弱小目標(biāo)檢測(cè)時(shí)，使用了多幀多特征時(shí)空融合策略，提出了弱小目標(biāo)融合檢測(cè)框架。在此框架下，提出了多特征自適應(yīng)融合檢測(cè)和多特征向量空間距離測(cè)度像融合檢測(cè)算法。背景的復(fù)雜性決定了單幀單一特征不能正確地進(jìn)行弱小目標(biāo)檢測(cè)。無論是多特征自適應(yīng)融合檢測(cè)算法還是多特征向量空間距離測(cè)度像融合檢測(cè)算法，都利用了局部最大灰度特征、形態(tài)學(xué)特征和局部熵特征。多特征自適

3、應(yīng)融合檢測(cè)算法是將各個(gè)特征圖像通過加權(quán)系數(shù)進(jìn)行融合，權(quán)系數(shù)的確定是自適應(yīng)的，是依據(jù)各個(gè)特征圖像中特征峰值與背景灰度均值來確定的，并且權(quán)系數(shù)是隨著不同圖像序列而變化的。多特征向量空間距離測(cè)度像融合檢測(cè)算法是將特征圖像中像素點(diǎn)對(duì)應(yīng)的多個(gè)特征值組合成相應(yīng)的特征向量，在多個(gè)特征向量空間上依據(jù)各點(diǎn)的特征向量和其所在行的平均特征向量之間的距離測(cè)度來進(jìn)行檢測(cè)。 通過試驗(yàn)證明，本文所提出的融合檢測(cè)算法，在降低虛警率的同時(shí)提高了檢測(cè)概率，有著非常