紅外小目標(biāo)檢測(cè) 報(bào)告

1、紅外小目標(biāo)檢測(cè)方法概述1110540103 李方舟什么是紅外小目標(biāo)？關(guān)于小目標(biāo)”的定義，目前沒(méi)有統(tǒng)一的定論。一般認(rèn)為，當(dāng)紅外成像的距離較遠(yuǎn)時(shí)，在成像 平面上只占幾個(gè)或幾十個(gè)像素的面積，表現(xiàn)為點(diǎn)狀或斑點(diǎn)狀，對(duì)比度和信噪比較低的目標(biāo)， 即可稱之為小目標(biāo)。為什么要進(jìn)行紅外小目標(biāo)檢測(cè)？紅外成像具有距離遠(yuǎn)，隱蔽性高，抗干擾能力強(qiáng)，穿透煙塵，霧以及陰霾的能力強(qiáng)，可全天 候，全時(shí)間工作等優(yōu)點(diǎn)。因此被廣泛應(yīng)用于監(jiān)視偵察以及導(dǎo)航等軍事領(lǐng)域，成為現(xiàn)代精確制 導(dǎo)武器的主要技術(shù)之一。在盡可能遠(yuǎn)的距離上檢測(cè)并跟蹤到敵方目標(biāo)，以爭(zhēng)取在有利的時(shí)機(jī)發(fā)動(dòng)攻擊。是決定現(xiàn)代戰(zhàn) 爭(zhēng)勝負(fù)的重要因素。距離越遠(yuǎn)，目標(biāo)成像面積越小，圖象質(zhì)量

2、越差，對(duì)目標(biāo)的檢測(cè)和跟蹤越困難。因此，研究小目標(biāo)的檢測(cè)和跟蹤方法，對(duì)提高紅外成像系統(tǒng)的作用距離，有著非常重要的意 義。目標(biāo)檢測(cè)作為尋的制導(dǎo)系統(tǒng)中的前端處理環(huán)節(jié)，是精確制導(dǎo)中最為關(guān)鍵和核心的組成部分。 只有及時(shí)檢測(cè)到目標(biāo)，才能保證如目標(biāo)的如目標(biāo)跟蹤等后續(xù)工作的正常進(jìn)行。基于此原因， 在紅外凝視成像的圖像序列中進(jìn)行目標(biāo)檢測(cè)具有相當(dāng)?shù)碾y度，幾乎所有的小目標(biāo)檢測(cè)法都致 力于增強(qiáng)圖像的信噪比，積累目標(biāo)能量，以提高目標(biāo)檢測(cè)能力。紅外小目標(biāo)檢測(cè)方法分析對(duì)于紅外目標(biāo)的檢測(cè)問(wèn)題，目標(biāo)的一些先驗(yàn)信息，如目標(biāo)的形狀、大小，目標(biāo)灰度變化在時(shí) 間上 的連續(xù)性，以及目標(biāo)運(yùn)動(dòng)軌跡的連續(xù)性等是有效分割目標(biāo)和噪聲的關(guān)鍵。目標(biāo)檢

3、測(cè)方 法根據(jù)這些特性的使用順序不同，可分為兩大類：先檢測(cè)后跟蹤(D e t e c t B e f o r e T r a c k，D B T )方法和先跟蹤后檢測(cè)(T r a c k B e f o r e D e t e c t，T B D )方法。31 DBT檢測(cè)方法基于先檢測(cè)后跟蹤的目標(biāo)檢測(cè)技術(shù)屬于一類經(jīng)典的紅外目標(biāo)檢測(cè)。該類方法分為兩步:首先 根據(jù)目標(biāo)形狀，強(qiáng)度等特性，在單幀圖像中檢測(cè)出候選目標(biāo)，然后根據(jù)實(shí)際需要，在分割后 的二值化圖形序列中，通過(guò)序列圖像投影到目標(biāo)軌跡。DBT檢測(cè)方法主要分以下幾種：閾值檢測(cè)方法所謂閾值檢測(cè)方法，是基于目標(biāo)在圖像中主要為高頻分量，而背景對(duì)應(yīng)低頻部分這

4、一事 實(shí)，對(duì)淹沒(méi)在近似正態(tài)分布雜波中的已知其響應(yīng)分布的小目標(biāo)，尋求其最佳信噪比。小波分析方法2O世紀(jì)9 0年代以來(lái)，小波的應(yīng)用研究得到了很大的發(fā)展。小波分析方法目標(biāo)檢測(cè)的主 要思想是將目標(biāo)看作圖像中的高頻分量，利用小波多尺度分解提取圖像中的高頻信息，然后 通過(guò)選取合適的閾值消除噪聲的影響，從而實(shí)現(xiàn)目標(biāo)的檢測(cè)。3）數(shù)學(xué)形態(tài)方法數(shù)學(xué)形態(tài)學(xué)將集合論的方法用于圖像分析，是物體形狀定量描述的有效手段。尤其是它同圖 像處理技術(shù)的緊密結(jié)合，現(xiàn)已發(fā)展成為一個(gè)新的圖像處理分支，即圖像形態(tài)學(xué)。數(shù)學(xué)形態(tài)學(xué) 作為一種數(shù)字圖像處理的新方法，其研究的主要目的在于描述圖像的基本結(jié)構(gòu)和特征。其主要內(nèi)容是在積分幾何和隨機(jī)集論基

5、礎(chǔ)上，設(shè)計(jì)一整套變換、概念和算法，描述圖像 的各個(gè)像素之間的關(guān)系。形態(tài)學(xué)的基本運(yùn)算有4個(gè)：膨脹、腐蝕、開(kāi)和閉?；叶葓D像的腐 蝕和膨脹過(guò)程可直接從圖像和結(jié)構(gòu)元素的灰度級(jí)函數(shù)計(jì)算出來(lái)。與基本形態(tài)學(xué)運(yùn)算不同，系統(tǒng)處理的是灰度圖像，而不是集合。腐蝕 （網(wǎng)啾無(wú)力=吧.六工- 7 -開(kāi)運(yùn)算 U g）3 y） = K爬g） 田（瓦y）閉適算 （/ g）（x: y）=（/田切啄（瓦”對(duì)于腐蝕運(yùn)算和膨脹運(yùn)算還有以下性質(zhì)/0（gQh）= C/0g）鋤4）神經(jīng)網(wǎng)絡(luò)方法神經(jīng)網(wǎng)絡(luò)技術(shù)在模式識(shí)別與分類、識(shí)別濾波、自動(dòng)控制、預(yù)測(cè)等方面已展示了其非凡的優(yōu)越 性。神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)由一個(gè)輸入層、若干個(gè)中間隱含層和一個(gè)輸出層組成。神

6、經(jīng)網(wǎng)絡(luò)分析法 通過(guò)不斷學(xué)習(xí)，能夠從未知模式的大量的復(fù)雜數(shù)據(jù)中發(fā)現(xiàn)其規(guī)律。神經(jīng)網(wǎng)絡(luò)方法克服了傳統(tǒng) 分析過(guò)程的復(fù)雜性及選擇適當(dāng)模型函數(shù)形式的困難，它是一種自然的非線性建模過(guò)程，毋需 分清存在何種非線性關(guān)系，給建模與分析帶來(lái)極大的方便。BP算法即多層網(wǎng)絡(luò)誤差反傳算法，網(wǎng)絡(luò)結(jié)構(gòu)為：一個(gè)輸入層、一個(gè)輸出層、若干個(gè)隱含層，一般隱含層取1, 每層由多個(gè)神經(jīng)元組成，網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示。BP算法學(xué)習(xí)過(guò)程由正向傳播和反向傳播組成。正向傳播： 輸入信號(hào)輸入層向隱含層、輸出層傳播。圖2 BP網(wǎng)絡(luò)結(jié)構(gòu)(2. Vyh = f ( yy 沾工 Jiyf = fl(hif(-2)flr其中,Xj為輸入信號(hào)；yh,f1為隱層輸

7、出及轉(zhuǎn)移函數(shù);yf,f2為輸出層輸出及轉(zhuǎn)移函數(shù)；wih為輸入層至隱含層 連接權(quán)值；whj為隱含層至輸出層連接權(quán)值。反向傳播：如輸出層得不到目標(biāo)值，將目標(biāo)值與輸出值之差反 向傳播，逐層修改各層神經(jīng)元連接權(quán)值，使輸出誤差減小至允許范圍內(nèi)。其權(quán)值修正公式為wjy + v = W屈，n) + 晌外(2- 3)其中，.再=fi( V 普)yk) ,弓 L - W . kWih( M + V = w ih f 渺 + 檢M其中，% = fi(yy話(心w 8診慫期第；ij式中,whj (n+1) ,wih(n+1)分別表示第(n+1)次權(quán)值系數(shù)；whj(n)，Wh(n)分別表示第n次權(quán)值系數(shù);t j為 輸

8、出層第j個(gè)結(jié)點(diǎn)目標(biāo)值；n為訓(xùn)練速度系數(shù)，取值01。3.2 TBD檢測(cè)方法為了進(jìn)一步提高復(fù)雜背景下紅外目標(biāo)的檢測(cè)性能，基于TBD的目標(biāo)檢測(cè)方法逐漸發(fā)展起來(lái)， 它充分利用課處理過(guò)程中為個(gè)階段的信息，與DBT方法相比，實(shí)現(xiàn)了低信噪比下目標(biāo)檢測(cè) 的可能，TBD方法的基本思路：對(duì)單幀圖像，先不判斷圖像中有無(wú)目標(biāo)，先對(duì)圖像中較多 可能的目標(biāo)軌跡行跟蹤，然后對(duì)各條軌跡進(jìn)行檢測(cè)判決，最后得到真實(shí)目標(biāo)的軌跡。TBD 方法主要包括以下幾種：三維匹配濾波方法動(dòng)態(tài)規(guī)劃方法假設(shè)檢驗(yàn)方法兩種目標(biāo)檢測(cè)方法的比較DBT方法TBD方法優(yōu)點(diǎn)算法簡(jiǎn)單，硬件容易實(shí)現(xiàn)抗干擾能力強(qiáng)不足抗干擾能力較差算法復(fù)雜，硬件實(shí)現(xiàn)較難適用范圍實(shí)時(shí)目標(biāo)

9、檢測(cè)低信噪比下目標(biāo)檢測(cè)紅外目標(biāo)檢測(cè)存在的問(wèn)題當(dāng)前，紅外目標(biāo)檢測(cè)技術(shù)仍然存在不易克服的一些難點(diǎn)問(wèn)題，主要表現(xiàn)在一下幾個(gè)方面。復(fù)雜背景下，存在難以預(yù)測(cè)的背景干擾，低信噪比下的目標(biāo)信號(hào)幾乎被掩蓋在背景噪聲 之中。2）效果越好的分割算法計(jì)算量就越大，越復(fù)雜，對(duì)存儲(chǔ)空間要求高，實(shí)時(shí)性越差。3）紅外目標(biāo)檢測(cè)的精確性不高，由于機(jī)動(dòng)目標(biāo)的運(yùn)動(dòng)防線和速度具有很大的隨機(jī)性，隱刺 沒(méi)針對(duì)機(jī)動(dòng)目標(biāo)的檢測(cè)，一直是學(xué)者們致力要解決的問(wèn)題。4）弱小紅外目標(biāo)的檢測(cè)問(wèn)題一直以來(lái)都沒(méi)有得到完美解決。弱小目標(biāo)是指背景灰度差異不 高于背景方差的小目標(biāo)。對(duì)復(fù)雜背景下紅外弱小目標(biāo)的檢測(cè)技術(shù)的研究，對(duì)于提高小代化高 技術(shù)武器的作戰(zhàn)距離及反應(yīng)速度具有重要意義。6總結(jié)紅外運(yùn)動(dòng)小目標(biāo)檢測(cè)技術(shù)是計(jì)算機(jī)視覺(jué)領(lǐng)域的關(guān)鍵技術(shù)之一，在眾多行業(yè)領(lǐng)域都有著廣泛 的應(yīng)用