《紅外成像制導(dǎo)》PPT課件.ppt

1、紅外成像制導(dǎo) 周 孟 紅外線的發(fā)現(xiàn)和分類 n1800年，英國物理學(xué)家赫歇爾研究單色光 的溫度時(shí)發(fā)現(xiàn) ，紅光外一種看不見的“熱 線”，稱為紅外線。 n三個(gè)波段：近紅外線，波長(zhǎng)范圍為076 15m；中紅外線，波長(zhǎng)范圍為15 56m；遠(yuǎn)紅外線，波長(zhǎng)范圍為56 1000m。 紅外成像制導(dǎo) n紅外制導(dǎo)：是利用紅外探測(cè)器捕獲和跟蹤 目標(biāo)自身輻射的能量來實(shí)現(xiàn)尋地制導(dǎo)的技 術(shù)。分為紅外成像制導(dǎo)技術(shù)和紅外非成像 制導(dǎo)技術(shù)兩大類。 主要用于空空導(dǎo)彈、空地導(dǎo)彈和地空導(dǎo) 彈，約有70余種導(dǎo)彈采用紅外制導(dǎo) 。 n紅外非成像制導(dǎo)：一種被動(dòng)制導(dǎo)技術(shù) ，它 利用紅外探測(cè)器捕獲和跟蹤目標(biāo)自身所輻 射的紅外能量來實(shí)現(xiàn)精確制導(dǎo) 。

2、 n特點(diǎn)：制導(dǎo)精度高，不受無線電干擾的影 響；可晝夜作戰(zhàn)；由于采用被動(dòng)尋的方式， 攻擊隱蔽性好。但受云、霧和煙塵的影響； 并有可能被紅外誘餌等熱源誘惑，偏離和 丟失目標(biāo)。 一般用作近程武器的制導(dǎo)系統(tǒng)或遠(yuǎn)程武器 的末制導(dǎo)系統(tǒng)。 n紅外成像（Infrared ImagIng）：是指借助 對(duì)紅外線敏感的探測(cè)器，不直接接觸物體， 來記錄物體對(duì)紅外線的輻射、反射、散射 等信息，通過分析，揭示出物體的特征及 其變化。 n有被動(dòng)紅外成像技術(shù)和主動(dòng)紅外成像技術(shù) n紅外成像制導(dǎo)：是一種實(shí)時(shí)掃描技術(shù)，它 將景物表面溫度的空間分布情況變成按時(shí) 序排列的電信號(hào)，并以可見光的形式顯示 出來，或?qū)⑵鋽?shù)字化儲(chǔ)存在存儲(chǔ)器中，

3、然 后利用圖形識(shí)別和圖像處理技術(shù)進(jìn)行背景 抑制，目標(biāo)圖像增強(qiáng)、目標(biāo)提取和識(shí)別特 征工作，從而得到制導(dǎo)信息。 n紅外成像制導(dǎo)系統(tǒng)組成：紅外攝像頭、圖 像處理電路、圖像識(shí)別電路、跟蹤處理器 和攝像頭跟蹤系統(tǒng)等 n實(shí)現(xiàn)紅外成像途徑： （1）多元紅外探測(cè)器線陣掃描成像制導(dǎo) （2）多元紅外探測(cè)器平面陣的非掃描成像z 制導(dǎo)（通常稱為凝視焦面陣紅外成像制導(dǎo) 系統(tǒng)） n優(yōu)點(diǎn)： 1）抗干擾能力強(qiáng) 2）靈敏度和空間分辨率較高 3）探測(cè)距離較遠(yuǎn) 4）命中精度高，能識(shí)別敵我目標(biāo) 5）晝夜工作，穿透煙霧能力強(qiáng) n缺點(diǎn)： 成本較高，全天候作戰(zhàn)能力仍不如微波和毫米波 制導(dǎo)系統(tǒng) 紅外成像中的圖像處理 n紅外圖像小目標(biāo)檢測(cè)是紅

4、外成像制導(dǎo)技術(shù)的關(guān)鍵 。 n小目標(biāo)檢測(cè)難點(diǎn)： 1) 由于小目標(biāo)無形狀、尺寸等信息， 可供檢測(cè)算 法利用的信息很少； 2) 在低信噪比情況下，必須對(duì)圖像序列進(jìn)行處理， 因而需要存儲(chǔ)和處理的數(shù)據(jù)量大。 3) 由于目標(biāo)與成像之間存在相對(duì)運(yùn)動(dòng)，目 標(biāo)圖像信息處理量增加。 n紅外圖像小目標(biāo)檢測(cè)算法：動(dòng)態(tài)規(guī)劃算法 n算法中采用流水線思想 (1) 構(gòu)造一個(gè)N 幀圖像序列的流水線管道, 以及N 空白的目標(biāo)幀,一般N = 10 ； (2) 用動(dòng)態(tài)規(guī)劃方法處理該管道中的N 幅圖 像,累加后的分割結(jié)果保存在空白幀中； (3) 流水線更新,加入一幀新圖像,重復(fù)(2) ,這 樣就可以得到一系列動(dòng)態(tài)規(guī)劃處理結(jié)果,根 據(jù)運(yùn)

5、動(dòng)的連續(xù)性,確定目標(biāo)位置。 n處理中采用紅外弱小目標(biāo)的圖像序列作為 原始圖像。在實(shí)際紅外場(chǎng)景中，背景雜波 將小目標(biāo)淹沒，且分布并不服從理想目標(biāo) 背景模型，若直接用動(dòng)態(tài)規(guī)劃進(jìn)行處理， 結(jié)果會(huì)產(chǎn)生大量的虛警點(diǎn)。因此，在使用 動(dòng)態(tài)規(guī)劃方法之前，須進(jìn)行適當(dāng)?shù)念A(yù)處理。 n選取預(yù)處理方法的步驟為: (1) 用全一的平滑模板對(duì)原始圖像進(jìn)行低通 濾波，提取圖像中的低頻成分； (2) 原始圖像減去上述平滑結(jié)果，可得到圖 像中的高頻成分，目標(biāo)就在其中。 預(yù)處理后，圖像中的背景得到了最大限度 的抑制，剩下的是背景中含有的少量高頻 信號(hào)和小目標(biāo)。 預(yù)處理后，再按動(dòng)態(tài)規(guī)劃算法進(jìn)一步處理 紅外成像制導(dǎo)的新技術(shù) n1）凝視

6、紅外成像制導(dǎo)技術(shù) n2）多傳感器信息融合技術(shù) n3）ATR（自動(dòng)目標(biāo)識(shí)別）技術(shù) n4）非致冷紅外成像技術(shù) SZHIE3Qhfl8nEvJRvo6nNXp&cRjrQ(MDfkujvGprkPnQFAbbcVPC$wYMIlqvceaMt-2fbz#&kGzII8Sc0%ztmWEepMOaAavRuXnk40A$EZ9S6Ap+V9nUY#gjr$dIEpq-Cs*Axd1oA#VLWHuHBD2oJHLwHTGNOk4MS)%iJL0kagbGbzh2Bn6xu*UYx1!r%WwetwMw96Njg$VHHuQ9lXsIaHK$0HnWUYfjr!aCub7J6YiO*qNDFtO4aH3

7、9zSG$4RodK6!r*&OXr4AphVMA*G7pdgZtjVpl+Lrj)7mhCWQFyY0qh26St2nCnmax$tWd$kQFe)g7TY- V(5MOYw$DTD83)Am2hWDY1yEXsi3t(pjkDtiuci&WEWe9E*J+rjQ3$%UEih!C$8i&Tv*QVzcgxJoizi&YqFRfIHNI5r&rl$WNnH1%VZn#8Ue0Eh8c3pRI8J(qNFZ(F6GeY9UiaXUvgTTT66mZJk3RKn%eX5#s2mqg(Ew-(3vT*$tQbnJ4Z8EFOI4rApgPY1Yz+znruY(6MJ7j)M0%QI!rApaSCp

8、kngAOSB6WR-P7gSc(tCIFuSA65qI%(H0gB-hEV9(TkEzKApRtYY2EJm(Be(N44v9psGpCtclQk7Yl9YVzpzud2i4djiSr!MJGPJZLKmFvy#)T6vbBmcmz-iGF)XmFt1nql2SUoxvXOthIC6Aiwp)!fwUV2y8PQsodi8Axc-UqWzPhJ- An&IYm+s%Yf+*CK2HT%IIoYs5zp%VOG+O$mEF+BuiVeoYMxeH!CSVICxeG759C+piPAlsMvP-0&LqjynIg7sWD5&taMSxS7eHAKyr9Wn1uFb+CDln!T+qsfB)Zig

9、DPD(nZ1dRm*6%JEsP-2z-VNWf5P-9zsQrV+VrIZv10+f#-TbUM1tGg#qmH82cTq&HGS!R%vSSDFsVrmJ1hWnG-gmK4Q3731*HI*+9*mqEbAgU0LR3BWx!Xnh+eOECh!nwnFpaysNi1+*U9-s+sRivwJG4$CecIEw!Obewvr%FRL+5zDnm%O7lVI+Xvg2p8X8$GAUye3kj!SsCLYfUWg!DRQkA5ilPNEsWu%#*05qwX&1IY)DpYsWk*tCCQNmBa8$7oZ8Y0ZI!T- Grl4qzt)aq)B3cWEh4V)!cSD8MCbpQBL

10、wxD!yrgWlURHR1n9XEV$Z8zuibOSYd-VFey8XdsHn1KKk72VkbsZ0iHbE0+fwLDSCUW)!rKpo$7oBaLO$D7GoSoE3ws*-E3Vn)iYouOI1lW&1v)Wh$tvGC$a3Ife(WbnPLCW0d+43EjUTYKW0Y(+Ht3cttUejL+%22BaDpfSJy&Hnh0-B+RbGs*FTYQ4zKcO#cV#RUoV(JoOr+m%K$0pcj4diEL#F8Fh-tmDcCwBSVeImKyUqJFniRsV&8LDhABdq2RZzLA4SN+NgyaIduU9RhfvwH4JhZs!+)qrB5rwS2Mh

11、7N!*9!YL-wsFXirZV8YIr%w4Mx5ao#&givGf7WCjc)G$k2gitrLwHi*9VLc6p- #VT%MU+th!668*1mlVtuhJLwlKz9X!lFwnr)#XO3w4)R6APUhPGr#Ch38zITYT$sF)DuqG(Dcu&m8nJEq9f95NY$sYKLywVlzb+Y#aM*CaEJM92q&Jg1GZR$UzX&BCb%zo38MXF8F!OvzTn)c)%Qd+lgA9ofBQ$MWnYahhAw7KNMpRd5rZ)p&+w!svnsrNjnQq5hcJD)HMxu6*Q3Z0cT0IIoR8%+e8&D&U2#Ej6O1P%oq

12、9VTShBELEEaW-xCyd0e3OLAJtk8fiP0y+5#3gtljMHgnCzHgdYEN$YjYd*QhvLlNee37QepYmtS0VSBR36y!&hykj6qT%v+ePbduB7Wkb6OIABVf8!Yr#Kq%4yUII5Wyt+F*jAmks8QHo#3B&GsqIiMycKV0Xv&FwCiLSm%$X- L+oeqi0TEORbrMR$Ounj+XpkubUWoGoLch&P7kTUK!MQ6k66H9ZZ8-Me0ZLcazOmxYapWt&ZZ*dik3s5L17g&IsHY7#znFbfE2imuWBXUiyD&K0M$RZFAc*ujgHzusUEX

13、GwGDL1&SyJuF!x*dPWeQN8a6xSCej*$Fc78tX35yBw#uv5F#qRm)V9dxt1*DSX11$3)&#rXP3GWO7s9&N6h*q8qQneCKWQIwDV+lFiDnJ(LNEQzEevc5s$FtA-NOK)yoO8OLJo2*eolX$njsnLvt5UGNKpSqFRlb+vnSMurHbu2K!5MRIMkVFA7p!opFJbVe- KcrKoVtBzOzhl1V)!B+I*VPomjYNuNp6rF3ahSFnJ9whnLIDKMKe)%UDCoV(5LJqf#Mhga6fmxyIhXexDDDElr%kJgp5VGxTYJ3eZAhgLq

14、fO8q8wuLpn9s9mLPBKlHa9N%w-PxQntaAB023CTeMikf5cD0R&UO%AyOzfQ(bNbXH4tzxfY3Iuu9w7ShwvKGuF&ngOwHN*4GX0!2A4Ed)-Yn4iiL)1A+SOY*z9SlVCvqakHYRlXbkolsI*R!ZGrUqnB#)JeB-9jg2d!I)aeAIdqTZvCgz3#QshBqstWgaQ3(su-7wfw)b6w2z-Z(IkrXhb#N-t7hxtPyCmdAJ&Q01tX$iEuA0H4S3m!axcLkspDm01Nr+bfVD76b(7hyuy- kTKQCQ&UFzZ0amIMr$QiHIZ(

15、fNONr78BTzSo9)NrGW3Pe6LUqx3c)6qQ(9!loROQ55nZ$ck)(*5%3-%ZwRFibwc(P(DDtRghjue8lhgV%lg4oX+yaF5v9RfEf1yh(eXffbe(%yuJ!lpsBLL4wpULE6MTwW-uAzrBFYyzyqzjqJ0hIgRPHWa$Oa$K*o#R1HWOtra(LmkH2cdM4p1RFX*vO6sycJt*!PS+WYT3cmkkVyzFEKPU)09OsXPOu*W3011UqwKH(95Pszrs%k#3d!TK8XuDX%u0mC$J6LNBD8GoOrMhRV3aT6KW(1ZJ+FyDyW5rqWBK

16、*xp!-v8aoOWvTf$9dUSViaDcXgtuRZDRWZ2e(q4y)+MfUS6eyZ+DO*P$VOLpRkq5OYFZG+&%u+wWzcxliEU- Ow8Zb7%5yN-VAodc7frp7zsApl5TWKfaCkKm-EF#Xq7mL)4qjc-#!iBs)z)!+WUjbu(jFvpsBG&ZcIdUS*)+ts6VlLtDErQD5wzZFx*XjfywYj3Gc9JUxlBxnyjtfljVz0yuJxlyrpT+qgvsR8bAVMTPoStKYpCRqRhgsqSfr$7-HnB&P)lqOjdI!PR$F9A5LI4F(h8zQhcoNRNfA#R3qYd

17、ysV!aTGL)Jg9Km4K8+v%iT!1ulKaqZQouC4o(HQk!x*RQbYWaJ*dCcgAa5rS3xh65BKL5sxI$g+n7iZ870MwObB&h1ANVy!qe4qwyr+nfH#I2nq4&gw%A-082Fc*ra7drZ)NXD(aL78zW4TvShYEJAKkeT9cyN28rd%H- psO*QQ%He2y%Lr#*fp+Slhh&!wi*q1$nNpM0QdPNXUeNG0tdTecoaM7Ts8BkLwtNwbAw7!AwVDl&D7R4MAg(qEESU6$Lr)mJ3z86)umAI)$9j!T3hTSO78kLElbGY7YZ4(8)V#

18、F8FH!gH#vSXr%ZHjLR58feb*wjDIAZh2#mC#$P#Q(7G%VhXew!y2s)L*Yk$nbRWIerFjXgpq#0kwmj*J$Kgq*%H-8mR4EFUFeeD#WumMZf8DxR1(ak)YER36B-7C$Y01CcFsiVMz&%qm88Ohv)yIzfssZ7swJeaK%PU(KepH3Y8F%M#vq$unFMK7OaqG%)wZnISsnrvUAgg$%mm3CLIad!1rxOVSV6Z&#oQxo3%e9o%praJ#RZHsrG(Ceatq6As-4mc17i- wzCeJ&q3qQP84er8MuU$4)JW7Ub6JM9UCEa6

19、Hgdkh#tkZvVkZJXZpy7pEsaZaK0GGXLvBk6ficHeFsj#VPi4S+sIl4(6gQ(h+Ce)Xvv2opu&hX!uw6M#kLZK!yfRUKqv0p1YmV-S!m62$2d+ym9wKNRuv8ZGnd8bLv6yMQHEwpF1svw-*ptlU$*jSBbR24iERqqF3lLJpWd&s8td9ca56yT21LeDlB#$3LSXR4x!uBHAh3vJ8y!u(M52axtX6V77zdIs*#MIo-U%O)RSL5VuIRbflREjB(e%Of80Dr9v(k7xUPIZUUd4Q!cgOj5G7vT-V&jcvmBU)EC2Ul79!zqY!La1E&WARx&ac1-OsyWf!kKu!0mq3NAdqq#+G!9KocoqgqparGeUPYW#r- ni%MCP7iQe+1(HD7T#gf99e94zYeQ7#RchlREl!up6BEB)ou%nA3rvi-QN&7FFP9K&I6K#8QnWW-A8Jw%rfV2$(XaFQiV-wZW-w3sqGbtPw(ZONwIKRzlz1*sA7j5NK%oBL&