复杂成像探测中的微弱目标检测算法研究
发布时间：2023-05-31 18:52
成像目标检测、识别与跟踪是计算机视觉领域的研究热点,无论在军事还是民用领域都有着极其广泛的应用。尤其在军事领域,微弱成像目标检测在雷达探测及光电探测系统中均具有?分重要的作用,对图像中目标的检测精度将直接影响系统的探测性能。实际应用中,需要捕获目标场景的诸多细节信息,便于图像解析及对各类运动军事目标的探测与识别。由于容易受到光照条件、场景复杂度、目标运动速度及可能发生的遮挡等众多因素影响,目前现有的目标检测算法还存在鲁棒性不强、精度不高、实时性及适应性较差等诸多局限性,这将直接影响成像探测系统的目标探测性能。本文围绕复杂成像探测中的微弱目标检测方法,开展相关基础理论及应用研究,旨在进一步提高目标检测精度、降低虚警率和满足工程应用的实时性要求,以期提高成像探测系统的性能。本文主要工作包括以下几个方面:(1)对复杂成像探测系统中的目标检测基础理论进行了研究和算法仿真,包括帧差法、背景减除法、光流法以及基于这些理论的扩展和改进算法。重点针对复杂红外场景下的弱小目标检测涉及到的特有算法和理论进行了研究,如红外图像预处理、红外图像高分辨率重建及红外图像稀疏表示方法等,并进行仿真测试。总结了各种算...
【文章页数】：149 页
【学位级别】：博士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究背景与意义
1.2 国内外研究现状及发展动态分析
1.2.1 成像目标检测技术
1.2.2 红外成像弱小目标检测
1.3 主要研究内容及技术路线
1.4 论文的结构安排
第二章 成像目标视觉检测基础理论
2.1 红外成像特性分析
2.1.1 红外成像机理
2.1.2 红外图像的特点
2.1.3 典型红外背景及目标特性分析
2.2 红外图像预处理
2.2.1 图像增强
2.2.2 红外图像高分辨重建
2.3 成像目标检测技术
2.3.1 帧间差分
2.3.2 背景减除法
2.3.3 光流法
2.3.4 动态规划
2.4 红外弱小目标检测
2.4.1 空时滤波法
2.4.2 视觉显著性检测
2.4.3 基于稀疏表示的弱小目标检测
2.5 本章小结
第三章 基于背景建模的目标检测算法
3.1 概述
3.2 高斯背景模型
3.2.1 单高斯背景模型
3.2.2 混合高斯背景模型
3.3 核密度估计背景模型
3.3.1 非参数估计方法
3.3.2 基于核密度估计的背景建模
3.4 实验结果与算法分析
3.4.1 实验结果
3.4.2 性能分析
3.5 本章小结
第四章 基于多尺度几何分析的红外目标检测算法
4.1 概述
4.2 多尺度几何分析
4.2.1 多尺度几何分析理论
4.2.2 Contourlet变换
4.2.3 Shearlet变换
4.3 基于NSST的红外弱小目标检测
4.3.1 多特征融合与Kurtosis最大化
4.3.2 基于最大对比度准则的阈值分割
4.4 实验结果与性能分析
4.4.1 实验设置
4.4.2 实验结果
4.4.3 性能分析
4.5 本章小结
第五章 基于视觉显著性的红外弱小目标检测方法
5.1 概述
5.2 视觉显著性模型
5.3 红外弱小目标视觉显著性检测
5.3.1 局部对比度检测模型
5.3.2 红外目标HB-MLCM检测算法
5.4 基于MDMSHB模型的红弱小目标检测方法
5.4.1 方向滤波器
5.4.2 改进的高提升响应滤波器
5.4.3 多方向及多尺度分析
5.4.4 自适应阈值分割
5.5 实验结果与算法分析
5.5.1 实验设置
5.5.2 实验结果与分析
5.6 本章小结
第六章 基于分数域最优时频特征的SAR目标检测
6.1 SAR图像及其特性分析
6.1.1 SAR成像概述
6.1.2 SAR图像特性分析
6.2 时频分析理论
6.2.1 信号的展开
6.2.2 短时傅里叶变换
6.2.3 Gabor变换及展开
6.2.4 Wigner-Ville时频分布
6.3 分数阶傅里叶变换
6.3.1 FrFT的定义
6.3.2 FrFT的特性
6.4 基于最优FrGT时频谱特征的SAR目标检测
6.4.1 二维分数阶Gabor变换
6.4.2 最优窗函数设计
6.4.3 最优阶决策
6.4.4 能量衰减梯度特征
6.5 实验结果与算法分析
6.5.1 实验设置
6.5.2 实验结果与分析
6.6 本章小结
第七章 总结与展望
7.1 全文总结
7.1.1 工作总结
7.1.2 创新点及主要贡献
7.2 后续工作展望
致谢
参考文献
攻读博士学位期间取得的成果
本文编号：3825829
【文章页数】：149 页
【学位级别】：博士
【文章目录】：
摘要
abstract
第一章 绪论
1.1 研究背景与意义
1.2 国内外研究现状及发展动态分析
1.2.1 成像目标检测技术
1.2.2 红外成像弱小目标检测
1.3 主要研究内容及技术路线
1.4 论文的结构安排
第二章 成像目标视觉检测基础理论
2.1 红外成像特性分析
2.1.1 红外成像机理
2.1.2 红外图像的特点
2.1.3 典型红外背景及目标特性分析
2.2 红外图像预处理
2.2.1 图像增强
2.2.2 红外图像高分辨重建
2.3 成像目标检测技术
2.3.1 帧间差分
2.3.2 背景减除法
2.3.3 光流法
2.3.4 动态规划
2.4 红外弱小目标检测
2.4.1 空时滤波法
2.4.2 视觉显著性检测
2.4.3 基于稀疏表示的弱小目标检测
2.5 本章小结
第三章 基于背景建模的目标检测算法
3.1 概述
3.2 高斯背景模型
3.2.1 单高斯背景模型
3.2.2 混合高斯背景模型
3.3 核密度估计背景模型
3.3.1 非参数估计方法
3.3.2 基于核密度估计的背景建模
3.4 实验结果与算法分析
3.4.1 实验结果
3.4.2 性能分析
3.5 本章小结
第四章 基于多尺度几何分析的红外目标检测算法
4.1 概述
4.2 多尺度几何分析
4.2.1 多尺度几何分析理论
4.2.2 Contourlet变换
4.2.3 Shearlet变换
4.3 基于NSST的红外弱小目标检测
4.3.1 多特征融合与Kurtosis最大化
4.3.2 基于最大对比度准则的阈值分割
4.4 实验结果与性能分析
4.4.1 实验设置
4.4.2 实验结果
4.4.3 性能分析
4.5 本章小结
第五章 基于视觉显著性的红外弱小目标检测方法
5.1 概述
5.2 视觉显著性模型
5.3 红外弱小目标视觉显著性检测
5.3.1 局部对比度检测模型
5.3.2 红外目标HB-MLCM检测算法
5.4 基于MDMSHB模型的红弱小目标检测方法
5.4.1 方向滤波器
5.4.2 改进的高提升响应滤波器
5.4.3 多方向及多尺度分析
5.4.4 自适应阈值分割
5.5 实验结果与算法分析
5.5.1 实验设置
5.5.2 实验结果与分析
5.6 本章小结
第六章 基于分数域最优时频特征的SAR目标检测
6.1 SAR图像及其特性分析
6.1.1 SAR成像概述
6.1.2 SAR图像特性分析
6.2 时频分析理论
6.2.1 信号的展开
6.2.2 短时傅里叶变换
6.2.3 Gabor变换及展开
6.2.4 Wigner-Ville时频分布
6.3 分数阶傅里叶变换
6.3.1 FrFT的定义
6.3.2 FrFT的特性
6.4 基于最优FrGT时频谱特征的SAR目标检测
6.4.1 二维分数阶Gabor变换
6.4.2 最优窗函数设计
6.4.3 最优阶决策
6.4.4 能量衰减梯度特征
6.5 实验结果与算法分析
6.5.1 实验设置
6.5.2 实验结果与分析
6.6 本章小结
第七章 总结与展望
7.1 全文总结
7.1.1 工作总结
7.1.2 创新点及主要贡献
7.2 后续工作展望
致谢
参考文献
攻读博士学位期间取得的成果
本文编号：3825829
本文链接：https://www.wllwen.com/shoufeilunwen/xxkjbs/3825829.html