论文部分内容阅读
在图像处理领域,学者们长期以来关注的一个问题就是红外小目标的检测问题。尤其在制导、预警、遥感等方面,该项技术被广泛应用。然而,由于红外弱小目标的成像质量差,目标的尺寸较小,又因为受到系统的噪声和背景杂波干扰,目标信号往往淹没在背景里。因此,为了能够提高检测系统可靠性、稳定性,能够准确检测和跟踪这类目标,学者们通常着眼于研究背景抑制技术以及各种模式下的检测算法。本文在广泛研究了小波阈值去噪算法的基础上,提出了三种基于小波阈值去噪的红外弱小目标检测算法,然后提出了一个空间域动态阈值目标确认策略,最后提出了基于动态队列的管道滤波算法,并且搭建了一套完整的红外弱小目标检测系统。具体研究成果如下:(1)针对小波域检测算法的研究,提出了基于GCV阈值去噪的检测算法,该算法利用广义交叉确认准则能够有效地对小波子带阈值进行估计并且不需要估计噪声方差,从而避免了噪声估计不准确而带来的误差。(2)提出了基于小波和活跃度的检测算法,利用最小均方误差准则将邻域点加权平均得到当前点活跃度,再利用具有相似活跃度的点进行能量估计得到空间自适应Bayes阈值,从而将去噪阈值精确到了像素维度。(3)基于传统Bayes阈值、GCV阈值和空间自适应Bayes阈值三种小波阈值去噪算法,本文又提出了空间自适应多模型去噪策略,能够根据不同子带小波图像噪声特性来选取合适的小波阈值函数,从而提高检测效率。(4)提出了一个多向差分因子的空域小目标检测方法,该算法通过定义待检测像素点在红外图像各个方向上的梯度差异函数来进行目标判断和检测,在此基础上,本文进一步提出了动态阈值的目标确认策略,该策略通过将多向差分因子算法的方向差分阈值和二值分割的阈值参数从高到低滑动,来对算法检测出的潜在目标点进行由上往下的滑动分析和判决,可以有效地进行目标确认。(5)本文提出了基于动态队列的管道滤波算法,通过建立动态更新的管道队列,能够有效利用帧间信息融合来进行真实目标捕捉和虚假目标剔除,并且可以实时输出管道目标,有效地完成红外弱小目标确认和检测。(6)本文结合(3)中提出的小波域算法,(4)中提出的空间域算法和(5)中提出的时间域算法,最终设计出一个红外检测系统,实现了适用于单目标和多目标的序列图像检测算法,使系统拥有较高的检测概率和较低的虚警概率,并且具有较好的稳定性和实时性。(7)本文引入了工业界尤为常用的接收机特征(ROC)曲线来对红外小目标的检测算法给予评价。该曲线通过其与坐标轴下半部分围成的面积大小来衡量一个算法对于红外小目标图像的去噪程度和背景抑制性能,从而间接反映出算法的检测本领。最后,本文通过单帧图像以及多帧图像序列仿真对多种算法进行比较和分析,从而验证提出的检测算法和检测系统的有效性和实时性。