如何在有干扰的情况下,在尽可能远的距离上对目标进行快速检测、精确跟踪和准确识别,是现代防御技术领域面临的重要挑战。点目标检测与识别是增加防御系统有效作用距离的关键,在远红外警戒、红外成像制导等方面得到广泛应用。本文在对现有点目标检测与识别技术进行分析的基础上,深入研究了复杂背景和深空背景下点目标的检测和识别技术,取得了一些有价值的研究成果。 当红外预警系统对低空飞行的运动目标进行检测时,由于云杂波的存在,系统的检测性能会受到严重影响。论文分析了云层背景下目标和云层在探测器上的时间响应特性,建立了四种类型的象素点时域模型。并以此为基础提出了云层背景下点目标的时域检测算法,理论分析和实验结果表明新算法能有效检测出各种云层背景下的点目标。 随着探测器技术的发展,探测器尺寸不断增大,帧速率不断提高,检测识别算法所要求的运算量呈几何级数增长。为了满足拦截系统的实时性要求,必须从算法层面上进行快速检测算法的研究,以解决处理系统运算能力不足的问题。为了使动能拦截器能实时检测出深空背景下的目标,本文提出了分段速度匹配算法,与其它算法相比,分段速度匹配算法的检测性能高,而且计算量低。为了使运算量降得更低,论文对分段速度匹配算法作了进一步改进。与分段速度匹配算法相比,改进算法在检测性能下降不大的情况下,计算量显著下降。 点目标识别是反导系统中最困难的问题之一。本文对空间物体沿弹道轨迹飞行时的温度变化规律进行了研究,分析了目标和诱饵的红外特征差异。为了从各种空间物体中识别出导弹弹头,设计了基于改进时延神经网络的识别系统,识别系统以空间物体的温度及亮度变化频率作为目标识别的主要特征。通过对多种条件下的目标和诱饵进行仿真实验,取得了令人满意的结果。