论文部分内容阅读
近年来,远距离弱小目标检测技术变得越来越热门。在现代战争中,红外传感器的应用极其广泛,但其限制也很明显——作用距离短。通过改善检测算法的检测性能,可以达到增大红外传感器使用距离的目的。远距离弱小目标检测技术的难点在于:目标面积小,信噪比低,背景复杂。本文在充分研究空中红外弱小目标图像特性的基础上,对基于背景抑制的弱小目标检测方法进行了较为深入的研究,并对红外弱小目标检测算法的性能评估方法进行了探索。本论文的主要研究工作如下:1.为了扩大论文的数据集范围,以便在更大的数据支撑域内对算法的性能进行全方位的测试,本文引入了图像数据生成。该方法通过把多个小目标以不同的局部信杂比随机嵌入到天空背景的红外图像之中,生成测试环节所需的图像数据。该方法可以有效解决真实数据源不足所带来的测试瓶颈。2.通过将红外小目标图像在某一个像素点的领域内拟合为一个小平面,利用平面的梯度算子可以快速判断出平面极值点的特性,改进了原始的基于小波变换的背景抑制算法,将其与平面拟合的预处理算法结合,并以此改进算法为核心构建了一套以单帧标记多帧确认为结构的针对红外空中弱小目标的检测流程。改进后的流程有效的降低了序列红外弱小目标图像的虚警概率,并且改善了序列红外弱小目标图像的检测效果。3.支持向量回归(Support Vector Regression,SVR)是研究小样本情况下机器学习规律的有效理论之一。本文将SVR应用于红外弱小目标检测算法的性能评估之中,用SVR完成了对四种红外弱小目标检测算法的性能评估与性能比较,研究了单一背景参数与算法性能指标之间的依赖关系。同时,改变SVR的预测向量,将SVR研究单一特征与算法性能之间的依赖关系推广到研究多元特征与算法性能之间的依赖关系,并用该方法研究了任意两种背景参数与算法性能指标之间的依赖关系曲面,指出该方法的关键点。