复杂背景下“低小慢”目标检测技术研究
发布时间：2021-08-07 23:49
“低小慢”目标是飞行高度低于2千米且飞行速度小于50千米/小时的这一类小型航空设备的统称[1]。作为代表的多旋翼无人机以及遥控航模具备体积较小、质量轻以及易于改装的特点,如果在“低小慢”航空器上配备摄像头或炸药并用于不正当途径,会对我国公众安全和空防安全造成潜在威胁,因此类似于“反无人机群”课题的低空慢速小目标检测技术研究已经成为热点问题。为此,本文在充分调研国内外研究现状的基础上,就复杂背景下低空慢速小目标的检测问题进行了研究,具体分析了复杂背景中“低小慢”目标的成像特征、噪声特征、目标特征以及背景特征,提出了一套具备复杂空间环境自适应性的“低小慢”目标检测方法。本文就可见光图像和红外图像针对性地提出了不同的“低小慢”目标检测算法。对于可见光相机拍摄下的复杂场景:（1）针对逆光和局部高亮情况,提出了一种基于不均匀光照校正的背景建模算法。该体系引入二维伽马函数自适应抑制光照不均匀图像以及提取颜色特征,并借助扩展尺度局部不变算子提取纹理特征,级联至ViBe+背景模型中实现对“低小慢”目标的有效检测;（2）针对复杂动态场景,提出了一种基于视觉显著性的目标检测算法。该算...
【文章来源】：中国科学院大学(中国科学院长春光学精密机械与物理研究所)吉林省
【文章页数】：123 页
【学位级别】：博士
【部分图文】：
低空慢
第1章引言3年。2017年10月，一名27岁的中国女游客因在梵蒂冈禁飞区放飞无人机，被警方以违反航空禁飞管理法和涉嫌制造恐慌的原因带回警察局调查。2018年10月3日，一名来自中国北京的26岁游客桂关雄突破印度景区泰姬陵的安检，试图在泰姬陵皇家大门前放飞无人机，被印度中央工业安全部队制止并带回调查。如何对低空慢速小目标进行有效地监测预警，已经成为世界各国在地空防御领域所关注的热点问题。在低空探测系统中，雷达易受天气及杂波干扰，探测盲区较大且回波较校光学图像探测较雷达相比成像更为清晰，可以更为直观地判别虚假目标，提高低空慢速小目标的发现几率。在此基础上，如果增加相机数量可以提高探测系统的作用范围，也可以根据环境情况配备不同种类相机（可见光相机或红外相机）优化观测效果[2]。因此，在光电探测方面实现对“低小慢”目标的精准探测和拦截具有明显的优势。“低小慢”目标预警系统的工作原理如图1.2所示。图1.2“低小慢”目标预警系统的工作原理Figure1.2WorkflowoftheLSSaircraftearlywarningsystem为了检测“低小慢”目标，美国NorthropGrumman公司研制出的Venom系统可为低空预警提供精确的目标位置坐标，英国BlighterSurveillanceSystems公司、ChessDynamics公司和EnterpriseControlSystems公司联合研制的AUDS可以在15秒左右探测目标并发射定向的大功率干扰射频使航空器失效，意大利SelexES公司的FalconShield可以在5千米到10千米的距离内评估潜在威胁，以色列Rafael公司的DroneDome可以360度探测无人机，并扰乱无人机与其操
第1章引言5四个角度来对检测方法进行概述，同时会对各种算法的优势与不足进行分析，为低空慢速小目标检测算法的深入研究奠定基矗图1.4“低小慢”目标检测算法分类Figure1.4“Lowslowandsmall”targetdetectionalgorithmclassification1.2.1基于不同图像属性的检测算法根据图像属性不同，可以将图像检测分为可见光背景下的“低小慢”目标检测和红外背景下的“低小慢”目标检测两类。（1）基于可见光相机图像的目标检测算法可见光相机拍摄的图像一般具有清晰的纹理、边缘以及较高的空间分辨率，其高成像质量有利于目标检测，但是相机的工作受天气变化和光照变化制约，夜间和阴雨天气检测效率低，且无法识别伪装目标。针对可见光图像，同济大学的叶利华等人针对野外飞行场景，提出了一种基于深度学习的无人机识别方法，该算法使用方向梯度直方图（HOG）提取特征，通过ImageNet数据集在Caffe框架下对图像进行训练，并使用支持向量机（SVM）对目标进行分类，该方法具有较高的检测准确率，但是深度特征提取需要较大的计算量，训练时间较长[3]。南京理工大学的楼竞等人引入人类视觉显著性和区域稳定性计算图像的特征，并通过分段门限阈值提取目标，该方法具有较高的检测准确率，但由于其使用先验知识对目标进行分割，故算法不具有普适性，难以适用于复杂场景[4]。（2）基于红外相机图像的目标检测算法红外相机按波段划分又可以分为短波红外（ShortWavelengthInfraredBand，SWIR）相机、中波红外（MiddleWavelengthInfraredBand,MWIR）相机以及长波红外（LongWavelengthInfraredBand,LWIR）相机三种。相机主要依赖于目标与景物之间的辐射温差来产生景物的图像，其灰度分布动态范围较大。红外图像
【参考文献】：
期刊论文
[1]低对比度图像的清晰化与增强[J]. 陈子妍. 科技视界. 2019(14)
[2]基于双边伽马校正的保亮度图像增强方法[J]. 胡钰,李甜甜,黄梁松,李玉霞. 计算机应用与软件. 2019(05)
[3]基于统计信息的改进滑动平均目标检测算法[J]. 李大维,孙海江,刘伟宁,刘培勋. 液晶与显示. 2018(06)
[4]基于一维最大熵的视频图像运动背景减除[J]. 李亚,王颖. 计算机与现代化. 2018(03)
[5]基于空时混沌分析的海面小弱目标检测[J]. 李正周,曹雷,邵万兴,陈文豪,刘冰. 光学精密工程. 2018(01)
[6]基于粒子滤波和背景减除的多目标检测与跟踪算法[J]. 李明杰,刘小飞,张福泉,翟萍. 计算机应用研究. 2018(08)
[7]基于SLIC分层分割的无人机图像极小目标检测方法[J]. 赵坤,张羽君,张建龙,王勇. 数据采集与处理. 2017(04)
[8]低小慢无人机降落野外场景识别方法[J]. 叶利华,王磊,赵利平. 计算机应用. 2017(07)
[9]视觉显著性预测综述[J]. 孙夏,石志儒. 电子设计工程. 2017(09)
[10]改进各向异性扩散模型在图像滤波去噪中的应用[J]. 张长胜,冯广,刘子裕,李川,钱斌. 传感器与微系统. 2017(04)
博士论文
[1]复杂天空背景下红外小弱目标检测与跟踪关键技术研究[D]. 刘德鹏.重庆大学 2018
[2]视觉注意建模及其在图像分析中的应用[D]. 方芳.哈尔滨工业大学 2012
硕士论文
[1]基于Retinex理论的非均匀光照图像增强研究[D]. 刘敏.广西师范大学 2019
[2]视觉注意机制下的红外弱小目标显著性检测[D]. 周伟.西安电子科技大学 2017
[3]海上红外小目标检测及跟踪技术研究[D]. 段鹏.电子科技大学 2013
[4]视觉注意机制相关研究及其中视觉显著度与重要度间关系的量化分析[D]. 王君乐.华南理工大学 2010
[5]基于多级假设的红外小目标检测算法[D]. 张红.中国科学院研究生院（西安光学精密机械研究所） 2006
本文编号：3328771
【文章来源】：中国科学院大学(中国科学院长春光学精密机械与物理研究所)吉林省
【文章页数】：123 页
【学位级别】：博士
【部分图文】：
低空慢
第1章引言3年。2017年10月，一名27岁的中国女游客因在梵蒂冈禁飞区放飞无人机，被警方以违反航空禁飞管理法和涉嫌制造恐慌的原因带回警察局调查。2018年10月3日，一名来自中国北京的26岁游客桂关雄突破印度景区泰姬陵的安检，试图在泰姬陵皇家大门前放飞无人机，被印度中央工业安全部队制止并带回调查。如何对低空慢速小目标进行有效地监测预警，已经成为世界各国在地空防御领域所关注的热点问题。在低空探测系统中，雷达易受天气及杂波干扰，探测盲区较大且回波较校光学图像探测较雷达相比成像更为清晰，可以更为直观地判别虚假目标，提高低空慢速小目标的发现几率。在此基础上，如果增加相机数量可以提高探测系统的作用范围，也可以根据环境情况配备不同种类相机（可见光相机或红外相机）优化观测效果[2]。因此，在光电探测方面实现对“低小慢”目标的精准探测和拦截具有明显的优势。“低小慢”目标预警系统的工作原理如图1.2所示。图1.2“低小慢”目标预警系统的工作原理Figure1.2WorkflowoftheLSSaircraftearlywarningsystem为了检测“低小慢”目标，美国NorthropGrumman公司研制出的Venom系统可为低空预警提供精确的目标位置坐标，英国BlighterSurveillanceSystems公司、ChessDynamics公司和EnterpriseControlSystems公司联合研制的AUDS可以在15秒左右探测目标并发射定向的大功率干扰射频使航空器失效，意大利SelexES公司的FalconShield可以在5千米到10千米的距离内评估潜在威胁，以色列Rafael公司的DroneDome可以360度探测无人机，并扰乱无人机与其操
第1章引言5四个角度来对检测方法进行概述，同时会对各种算法的优势与不足进行分析，为低空慢速小目标检测算法的深入研究奠定基矗图1.4“低小慢”目标检测算法分类Figure1.4“Lowslowandsmall”targetdetectionalgorithmclassification1.2.1基于不同图像属性的检测算法根据图像属性不同，可以将图像检测分为可见光背景下的“低小慢”目标检测和红外背景下的“低小慢”目标检测两类。（1）基于可见光相机图像的目标检测算法可见光相机拍摄的图像一般具有清晰的纹理、边缘以及较高的空间分辨率，其高成像质量有利于目标检测，但是相机的工作受天气变化和光照变化制约，夜间和阴雨天气检测效率低，且无法识别伪装目标。针对可见光图像，同济大学的叶利华等人针对野外飞行场景，提出了一种基于深度学习的无人机识别方法，该算法使用方向梯度直方图（HOG）提取特征，通过ImageNet数据集在Caffe框架下对图像进行训练，并使用支持向量机（SVM）对目标进行分类，该方法具有较高的检测准确率，但是深度特征提取需要较大的计算量，训练时间较长[3]。南京理工大学的楼竞等人引入人类视觉显著性和区域稳定性计算图像的特征，并通过分段门限阈值提取目标，该方法具有较高的检测准确率，但由于其使用先验知识对目标进行分割，故算法不具有普适性，难以适用于复杂场景[4]。（2）基于红外相机图像的目标检测算法红外相机按波段划分又可以分为短波红外（ShortWavelengthInfraredBand，SWIR）相机、中波红外（MiddleWavelengthInfraredBand,MWIR）相机以及长波红外（LongWavelengthInfraredBand,LWIR）相机三种。相机主要依赖于目标与景物之间的辐射温差来产生景物的图像，其灰度分布动态范围较大。红外图像
【参考文献】：
期刊论文
[1]低对比度图像的清晰化与增强[J]. 陈子妍. 科技视界. 2019(14)
[2]基于双边伽马校正的保亮度图像增强方法[J]. 胡钰,李甜甜,黄梁松,李玉霞. 计算机应用与软件. 2019(05)
[3]基于统计信息的改进滑动平均目标检测算法[J]. 李大维,孙海江,刘伟宁,刘培勋. 液晶与显示. 2018(06)
[4]基于一维最大熵的视频图像运动背景减除[J]. 李亚,王颖. 计算机与现代化. 2018(03)
[5]基于空时混沌分析的海面小弱目标检测[J]. 李正周,曹雷,邵万兴,陈文豪,刘冰. 光学精密工程. 2018(01)
[6]基于粒子滤波和背景减除的多目标检测与跟踪算法[J]. 李明杰,刘小飞,张福泉,翟萍. 计算机应用研究. 2018(08)
[7]基于SLIC分层分割的无人机图像极小目标检测方法[J]. 赵坤,张羽君,张建龙,王勇. 数据采集与处理. 2017(04)
[8]低小慢无人机降落野外场景识别方法[J]. 叶利华,王磊,赵利平. 计算机应用. 2017(07)
[9]视觉显著性预测综述[J]. 孙夏,石志儒. 电子设计工程. 2017(09)
[10]改进各向异性扩散模型在图像滤波去噪中的应用[J]. 张长胜,冯广,刘子裕,李川,钱斌. 传感器与微系统. 2017(04)
博士论文
[1]复杂天空背景下红外小弱目标检测与跟踪关键技术研究[D]. 刘德鹏.重庆大学 2018
[2]视觉注意建模及其在图像分析中的应用[D]. 方芳.哈尔滨工业大学 2012
硕士论文
[1]基于Retinex理论的非均匀光照图像增强研究[D]. 刘敏.广西师范大学 2019
[2]视觉注意机制下的红外弱小目标显著性检测[D]. 周伟.西安电子科技大学 2017
[3]海上红外小目标检测及跟踪技术研究[D]. 段鹏.电子科技大学 2013
[4]视觉注意机制相关研究及其中视觉显著度与重要度间关系的量化分析[D]. 王君乐.华南理工大学 2010
[5]基于多级假设的红外小目标检测算法[D]. 张红.中国科学院研究生院（西安光学精密机械研究所） 2006
本文编号：3328771
本文链接：https://www.wllwen.com/shoufeilunwen/gckjbs/3328771.html