復(fù)雜環(huán)境下紅外小目標(biāo)檢測與跟蹤技術(shù)研究.pdf

1、本文根據(jù)紅外成像制導(dǎo)的處理流程對紅外目標(biāo)檢測、跟蹤以及紅外自動目標(biāo)識別算法進(jìn)行了一些研究。 根據(jù)紅外成像的特點(diǎn)研究了自適應(yīng)背景估計(jì)的原理，推導(dǎo)出了自適應(yīng)濾波器的數(shù)學(xué)模型，給出了其適合工程實(shí)用的數(shù)學(xué)表達(dá)式，并針對自適應(yīng)濾波器所存在的不足，提出了一種改進(jìn)的基于高斯內(nèi)核的自適應(yīng)背景估計(jì)算法。之后，將其應(yīng)用于小波變換后的小波系數(shù)中，進(jìn)行小目標(biāo)檢測。 針對復(fù)雜背景下的運(yùn)動目標(biāo)分割問題，提出了一種基于邊緣檢測的紅外成像目標(biāo)跟蹤算法。

2、該方法首先通過canny邊緣檢測算法，對輸入圖像進(jìn)行邊緣檢測，然后把邊緣圖像進(jìn)行場景對準(zhǔn)處理，計(jì)算出相應(yīng)的場景平移參數(shù)，根據(jù)這些平移參數(shù)，平移幀圖像后做差分處理。在殘差圖像中，根據(jù)局部熵的圖像分割法，對圖像進(jìn)行二值化處理。 針對小目標(biāo)的跟蹤問題，在討論常用多目標(biāo)關(guān)聯(lián)方法基礎(chǔ)上，提出適用于密集目標(biāo)環(huán)境的基于粒子群算法的多維分配算法。將其中的數(shù)據(jù)互聯(lián)表述為多重觀測數(shù)據(jù)集合之間的最優(yōu)組合分配問題，并用粒子群優(yōu)化算法求解。根據(jù)3σ原則增

3、加量測約束條件，據(jù)其對粒子群初始化。再通過合理的交叉變異策略利用確認(rèn)備選量測，減小搜索最優(yōu)解空間，實(shí)現(xiàn)靜態(tài)數(shù)據(jù)關(guān)聯(lián)。 針對紅外自動目標(biāo)識別問題，首先推廣了Yager融合公式，并給出了一種更理想的融合公式，新的合成公式能夠有效地合成高度沖突的證據(jù)，其合成結(jié)果優(yōu)于D-S證據(jù)理論合成公式和Yager合成公式。在此基礎(chǔ)上提出了一種基于D-S證據(jù)理論的紅外小目標(biāo)識別算法，該算法對中紅外和遠(yuǎn)紅外成像小目標(biāo)先進(jìn)行各種目標(biāo)特征的提取，根據(jù)提取的

4、特征進(jìn)行基本概率分配。對基本概率分配值再利用改進(jìn)的D-S組合公式進(jìn)行融合識別。文章還提出了一種基于一致性和模糊測度的數(shù)據(jù)分類優(yōu)選融合模型。該智能融合模型從兩方面進(jìn)行了不確定信息的處理：通過類別概率置信度的分類估計(jì)，修正探測數(shù)據(jù)誤差引起的目標(biāo)分類的偏差了；通過一致性測度進(jìn)行傳感器分組，利用模糊測度的傳感器組可靠信度量，實(shí)現(xiàn)傳感器組的優(yōu)選，使得最終融合結(jié)果是一致性和可靠性高的傳感器組決定，這樣的不確定信息處理與屬性融合有機(jī)的結(jié)合，使得融合系