论文部分内容阅读
空间运动小目标检测跟踪算法的研究是天基探测领域的前沿研究内容,当前研究的主要不足在于复杂起伏背景抑制难、背景边缘滤除策略粗、移动背景应对方法缺。本课题针对这些不足,开展天基微弱运动小目标检测的相关算法研究,针对背景漂移<1p/f、SCR≤1的环境,探讨有效的算法模型和关键技术,以解决强杂波、复杂背景中获取点目标并保证低虚警率这一核心问题。研究成果包括:（1）针对传统背景抑制算法对SCR≤1的图像中杂波抑制效果较差这一不足,提出“融合形态学算子的非局部均值滤波（TPNLM）”背景抑制算法模型。该算法能够在最低SCR≈0.22的环境下增强弱点目标,达到平均33.60倍的信杂比增益,优于同类的其他代表性背景抑制/目标增强算法。（2）针对低信杂比（SCR≤1）环境下单帧目标提取精度差这一难点,提出“邻域显著图（NSM）”算法模型。该算法适用于云层/陆地等强杂波环境下的目标检测,能够在SCR≤1（最小SCR≈0.55）的环境下获取平均50倍的SCR增益、平均检测率98%、虚警率在1.22×10-5以下,优于同类的其他空域检测算法。（3）针对大量杂波存在的图像序列,利用NSM在空域上的有效性,提出邻域显著图和时域假设检验联合的检测模型（NSM-THT）。实验结果表明,提出的算法模型能够有效提取SCR<1的序列中的目标轨迹,检测率≈0.99,平均虚警率约为4.44×10-5。（4）针对慢速目标提取精度较差的问题,提出度量空域灰度差异的时域轨迹搜索算法模型（TDLMS-GSD-ASS）。实验结果表明,此算法模型用于提取SCR<1的序列中速度<1p/f的慢速目标轨迹时,能达到99.6%的检测概率,平均虚警率为8.05×10-5。（5）针对漂移背景导致弱小目标跟踪性能下降的问题,提出时域相关性背景抑制和空域区域灰度水平目标确认的迭代跟踪算法模型（TS-RGL）。实验结果表明,这种算法模型能够跟踪平均SCR<1,背景最大漂移速率≈0.8 p/f的序列中平均运动速率<5p/f的目标。综上,课题对天基目标相关理论做了较为详尽的介绍,针对当前研究的不足和课题的研究难点,提出不同的算法模型,解决了相应的关键问题,并做了较为详尽的对比论述。为了进一步验证算法模型有效性,设置了多种极端场景进行测试,对算法模型的有效性进行了全面验证。本课题为后续天基运动弱小目标检测的进一步研究提供了一定的理论支持。