论文部分内容阅读
随着精确制导武器的发展,人们希望在远距离目标或小目标阶段时就能对目标进行有效的检测和识别。远距离目标的检测和识别要求保证较高的检测效率和较低的虚警率,同时又要在较短的时间内做出判断乃至相应的反应。
目前远距离目标检测大多数是针对红外图像序列中弱小目标检测,由于单传感器图像数据只能提供单一的目标信息,在目标识别中存在一定的局限性。而多传感器图像数据之间存在互补性和冗余性,可以利用多传感器图像的综合数据,将不同传感器得到的多源图像数据进行融合,以得到信息增强了的融合图像。融合图像中包含了单传感器图像数据中无法得到的丰富信息,有利于检测复杂背景下的弱小目标。
针对以上问题,本文重点对图像融合的远距离目标检测进行研究,采用了多传感器特征级与决策级融合的方法对远距离目标进行检测。采用了形态学算子top-hat提取空中目标的形态学特征,通过定义加权系数进行自适应融合,以实现目标检测;针对尺度大小和形状不同的点目标,利用小波分解提取高频特征,定义了高斯基本概率分配函数,利用D-s证据理论决策级融合方法实现远距离目标检测;针对复杂背景下的人体目标,提取了人体目标邻域统计特征,然后在D-S证据理论中采用s型基本概率分配函数,最后检测出目标;对目标定义了运动区域的可信度度量,进而利用模糊积分进行可信度融合以实现目标检测。在文中同时给出了不同场景实验数据以及对仿真实验算法的结果进行分析。
对多传感器图像序列中的远距离目标检测问题,本文通过大量的实际数据检测结果表明所采用的算法对远距离运动目标检测具有较好的效果。