一種紅外序列圖像小目標(biāo)檢測(cè)新方法研究.pdf

1、隨著導(dǎo)彈技術(shù)的發(fā)展和紅外技術(shù)的進(jìn)步，紅外成像制導(dǎo)技術(shù)越來(lái)越受到研究人員的重視。紅外小目標(biāo)的檢測(cè)技術(shù)是紅外成像系統(tǒng)中的核心技術(shù)之一，如何在紅外圖像中檢測(cè)和識(shí)別圖像中的紅外小目標(biāo)是當(dāng)前和今后一個(gè)熱門(mén)的問(wèn)題。紅外圖像中包含了大面積連續(xù)的背景、紅外小目標(biāo)以及噪聲等幾個(gè)部分。在紅外圖像小目標(biāo)的檢測(cè)過(guò)程中，存在著信噪比低、可用的信息量少、背景信息復(fù)雜以及信息處理量大等問(wèn)題。目前的檢測(cè)方法主要分為基于單幀圖像檢測(cè)和基于序列圖像檢測(cè)兩種。基于單幀圖像處

2、理方法僅僅利用了圖像的一些基本特征，比如：像素的灰度等。此類(lèi)方法很難從比較復(fù)雜的圖像中檢測(cè)出小目標(biāo)來(lái)，因此，大多數(shù)檢測(cè)方法都是基于紅外序列圖像來(lái)進(jìn)行檢測(cè)。粒子群優(yōu)化(ParticleSwarmOptimization)算法是一類(lèi)啟發(fā)式隨機(jī)全局優(yōu)化技術(shù)，是一種基于群智能（SwarmIntelligence）方法的演化計(jì)算技術(shù)。PSO算法通過(guò)粒子間的相互作用發(fā)現(xiàn)復(fù)雜搜索空間中的最優(yōu)區(qū)域。PSO的優(yōu)勢(shì)在于只涉及簡(jiǎn)單計(jì)算，易于實(shí)現(xiàn)，適用范圍廣泛

3、。本文介紹了基本的PSO算法、若干類(lèi)改進(jìn)的PSO算法。本文提出了一種紅外序列圖像小目標(biāo)檢測(cè)的新方法：基于粒子群算法的紅外序列運(yùn)動(dòng)小目標(biāo)檢測(cè)算法。檢測(cè)步驟主要分為兩個(gè)部分：首先通過(guò)圖像預(yù)處理去除背景和少許的噪聲干擾。圖像預(yù)處理包括高通濾波、灰度門(mén)限分離和根據(jù)目標(biāo)運(yùn)動(dòng)特性進(jìn)一步預(yù)處理。然后對(duì)所得的候選目標(biāo)點(diǎn)進(jìn)行候選軌跡的構(gòu)造。最后利用粒子群算法檢測(cè)出真正的運(yùn)動(dòng)軌跡，并最終確認(rèn)紅外運(yùn)動(dòng)小目標(biāo)。仿真實(shí)驗(yàn)表明，該方法能夠有效、可靠地從紅外序列圖像