论文部分内容阅读
复杂背景下的红外弱小目标和弱面目标的检测一直是个非常困难却又具有挑战的课题,复杂背景下的弱小目标通常只有几个像素大小,缺乏几何结构形状特征,其灰度特征也不明显,同时背景杂波的干扰使得检测变得更为困难。弱面目标尽管有结构特征,但是由于红外成像本身的特点及背景的复杂性,并且背景中有太多与目标灰度相近的干扰存在,使得传统的阈值分割和边缘检测方法无法检测到目标。本文针对复杂背景下弱小目标和弱面目标的特点,对其检测方法进行了深入的研究。本文首先介绍了红外弱小目标和弱面目标检测问题的的背景及国内外发展概况,重点阐述了研究红外目标识别问题的重要性。然后,详细介绍了基本的微粒群算法和几种改进算法的原理及模型,综述了微粒群在图像处理以及其他方面的的应用情况,通过将图像分割与微粒群算法相结合建立了基于微粒群的图像分割模型。接着,针对弱小目标检测问题,从背景抑制的角度出发,提出了最大最小滤波与小波内积相结合的背景抑制技术,该方法可以有效地抑制背景杂波,有利于目标的后续分割,进而提出了一种基于微粒群算法的对比度分割方法。针对红外弱面目标,从阈值分割的角度研究其检测方法,提出了基于微粒群的递归二维最大熵分割方法。二维最大熵法同时反映了图像的像素点灰度分布和邻域空间相关信息,虽然有较好的抗噪能力但增加了算法的复杂度,故利用微粒群算法寻优求解阈值来提高分割效率。实验结果证明,本文提出的算法能够准确快速地检测出红外弱小目标和弱面目标。