低信噪比下紅外小目標檢測方法的研究.pdf

1、復雜背景下紅外運動目標的檢測和跟蹤是紅外成像制導和紅外預警系統(tǒng)中的關鍵技術難題，它分別針對遠距離點目標和近距離面目標進行檢測、跟蹤。大量的低空背景景物以及點目標的特點——遠距離、低信噪比、強雜波等，增加了目標檢測和跟蹤的難度。為此，本文應用了TBD檢測的方法，而且，在多幀積累之前，首先進行了圖像預處理以提高信噪比，抑制背景。良好的預處理將提高后續(xù)的多幀積累的效率，對比常用的幾種預處理算法，如高通濾波、中值濾波、數學形態(tài)學的tophat濾

2、波、維納濾波等方法的優(yōu)點和不足，提出了一種改進的SUSAN濾波器——區(qū)域奇異性濾波，該濾波方法對于提高單幀檢測概率有很好的功效。而TBD檢測方法中，采用了動態(tài)規(guī)劃算法。動態(tài)規(guī)劃算法是一種解決組合尋優(yōu)問題的高效算法，通過將 n維問題變換為n個一維優(yōu)化問題，一個一個地求解的方法，很好的提高了效率。但由于其本身存在著不足，一是多幀積累后能量擴散，產生團聚效應；二是在信噪比較低時，需要積累的軌跡很多，存儲量和計算量都較大，尤其是當積累幀數較多時

3、。為此本文針對這兩條進行了改進，在動態(tài)規(guī)劃的算法中加入了方向加權和截斷序貫似然比的方法。方向加權中應用了軌跡預測的方法，考慮了目標幀間運動的連續(xù)性，降低了開窗搜索的大小，從而很好的抑制了團聚效應，且在一定程度上提高了算法效率。截斷序貫似然比方法也是一種TBD檢測的方法，其通過多級門限截斷置信度較低的軌跡樹達到提高效率的目的，在動態(tài)規(guī)劃中加入該算法，使之積累的軌跡數減少，降低了計算量和存儲量。針對以上幾項改進，通過大量的實測和仿真圖像對算