基于多特征融合的海天背景紅外弱小目標檢測方法研究.pdf

1、隨著光電子技術(shù)、計算機技術(shù)和探測器技術(shù)的不斷發(fā)展，自動目標識別技術(shù)應用越來越廣泛。而紅外弱小目標檢測則一直是自動目標識別系統(tǒng)中重要的也是非常困難的研究課題。目標檢測模塊處于自動目標識別系統(tǒng)的最前端，其性能的好壞在很大程度上決定了整個系統(tǒng)的性能。復雜背景下的弱小目標，其幾何結(jié)構(gòu)形狀特征和灰度特征均不顯著，并且目標通常只有幾個或是幾十個像素大小，同時背景雜波的干擾使得檢測變得更為困難。本文針對海天背景下紅外圖像特性和弱小目標的特點，對弱小目

2、標的融合檢測進行了深入的研究，提出了多特征時空多層次融合檢測技術(shù)，主要研究工作如下： 在對弱小目標檢測時，使用了多幀多特征時空融合策略，提出了弱小目標融合檢測框架。在此框架下，提出了多特征自適應融合檢測和多特征向量空間距離測度像融合檢測算法。背景的復雜性決定了單幀單一特征不能正確地進行弱小目標檢測。無論是多特征自適應融合檢測算法還是多特征向量空間距離測度像融合檢測算法，都利用了局部最大灰度特征、形態(tài)學特征和局部熵特征。多特征自適

3、應融合檢測算法是將各個特征圖像通過加權(quán)系數(shù)進行融合，權(quán)系數(shù)的確定是自適應的，是依據(jù)各個特征圖像中特征峰值與背景灰度均值來確定的，并且權(quán)系數(shù)是隨著不同圖像序列而變化的。多特征向量空間距離測度像融合檢測算法是將特征圖像中像素點對應的多個特征值組合成相應的特征向量，在多個特征向量空間上依據(jù)各點的特征向量和其所在行的平均特征向量之間的距離測度來進行檢測。 通過試驗證明，本文所提出的融合檢測算法，在降低虛警率的同時提高了檢測概率，有著非常