紅外弱小目標搜索跟蹤算法研究.pdf

1、隨著隱身技術的發(fā)展，遠距離小目標的探測識別越來越多的依賴于被動探測技術，利用目標紅外輻射的紅外探測技術頗受關注。本文針對紅外告警系統(tǒng)在復雜條件下，目標難以區(qū)分，系統(tǒng)虛警率較高，難以對運動目標進行持續(xù)跟蹤的情況，研究了紅外圖像預處理算法、紅外小目標搜索算法以及目標跟蹤預測算法。主要研究內(nèi)容如下:
　　(1)研究了紅外小目標圖像特征，建立了紅外小目標成像模型、背景、噪聲模型以及目標運動模型。在圖像模型基礎上，獲得了圖像背景抑制效果評價

2、方法，目標搜索算法評價方法以及目標跟蹤算法評價方法。
　　(2)研究了空域和頻域常用的背景抑制方法，在總結各種背景抑制算法優(yōu)劣性的基礎上，提出了“劃分目標區(qū)域法”的背景抑制算法。紅外圖像處理效果的對比以及SCR的定量對比表明該方法可以有效抑制背景、增強目標對比度。
　　(3)研究了紅外目標搜索方法。分析了目標搜索技術與多幀檢測技術的差異，提出了一種基于目標運動軌跡的曲率閾值的目標搜索算法。仿真實驗表明該搜索算法較傳統(tǒng)利用目標

3、運動特性的目標搜索算法有更好的抗噪性，運用該方法可以有效降低搜索過程產(chǎn)生的虛警率。在基于曲率閾值的目標搜索方法中，進一步深入探討了實際搜索幀數(shù)的選取原則。
　　(4)研究了紅外運動目標跟蹤方法。將模糊控制理論中的預測方法應用于紅外目標跟蹤中進行目標預測。相對傳統(tǒng)Kalman濾波在二維角度空間中的不穩(wěn)定性，模糊預測方法解決了無距離參數(shù)時的目標跟蹤問題。利用紅外告警系統(tǒng)對該改進方法進行了實驗研究，結果表明此方法預測誤差較小，可以對移動

4、目標進行有效跟蹤。
　　本文的主要創(chuàng)新有:
　　1、提出了一種劃分目標存在區(qū)域的背景抑制算法。該算法在處理相同的實驗紅外圖像時，得到的信雜波比SCR為7.680，高于高通濾波、中值濾波、局部加權濾波、頻域高通濾波等傳統(tǒng)背景濾波方法。
　　2、提出了一種基于加速度條件的曲率閾值目標搜索算法。在噪聲密度高達1％時，三維匹配濾波算法的搜索虛警率接近100％，而基于曲率閾值的目標搜索算法則仍然能保持5％以下的搜索虛警率。