论文部分内容阅读
随着无人机技术的日渐成熟,微小型无人机已经在现代农业、快递物流、航空摄影、社会安全、灾难救援、军事侦察等方面得到了广泛应用并在使用效果和成本上体现出了巨大的优势。但无人机的非法无序使用也给空域环境安全带来了巨大的隐患。因此,对这种飞行高度低、飞行速度慢、外形尺寸小的机动目标(“低慢小”目标)进行探测的反无人机系统已经成为目前业界研究的热点。其中,红外成像探测系统由于精度高、隐蔽性好、抗干扰性强、可全天时被动工作等优点而成为了大多数反无人机探测系统中的基本配置。在红外成像探测系统中,提高对“低慢小”目标探测性能的关键技术中包括了红外焦平面阵列非均匀性校正与红外图像增强这两种图像质量提升技术和对红外弱小目标的检测技术两方面。本文围绕反无人机红外成像探测系统的图像质量提升与红外弱小目标检测中的图像背景抑制算法进行了深入研究。主要的研究内容和取得的成果如下。1.针对现有非均匀性校正算法中校正结果收敛速度慢、图像质量退化以及“鬼影”等问题,提出了一种时空域非线性滤波相结合的红外焦平面阵列非均匀性校正算法框架。并以此为基础提出了两种非均匀性校正算法,分别为基于三边滤波与时域梯度加权均值滤波相结合的非均匀性校正算法和加权引导滤波与时域非线性扩散方程相结合的非均匀性校正算法。在空域中,均针对条纹状固定图案噪声的特点对三边滤波与加权引导滤波器进行了改进,使其能够获取更加准确的固定图案噪声序列。时域中非线性滤波的应用使非均匀性校正可以通过仅仅数帧连续图像来实现,不需要多达上百帧连续图像迭代来获取收敛的校正参数,而且针对慢速运动的无人机目标也有较好的校正效果,因此具有较好的工程应用价值。实验结果表明,本文所提两种非均匀性校正算法能够有效的去除图像中叠加的条纹状固定图案噪声,校正结果中未出现“鬼影”,且图像退化现象也得到了较大改善。2.针对红外图像存在的对比度低及细节模糊的问题,本文提出了两种基于图像分解的细节与对比度增强算法。基于概率非局部均值滤波与Retinex理论的红外图像增强算法首先利用单尺度Retinex算法对图像进行灰度调节,然后使用概率非局部均值滤波将图像分解为基本层与细节层,针对不同的层次分别进行对比度与细节层增强,将处理后的细节层与基本层相加得到增强的红外图像。基于双权重加权引导滤波的红外图像增强算法设计了噪声与细节权重与加权引导滤波相结合以获取图像的基本层与细节层。利用噪声图像自适应地调节细节层的增强程度。实验结果表明本文所提两种增强算法能够有效地增强图像对比度与边缘细节,使红外图像具有良好的视觉效果。3.针对反无人机红外成像探测系统中红外弱小目标复杂背景抑制的难题,本文提出了两种多尺度平滑滤波的单帧图像弱小目标复杂背景抑制算法。分别为多尺度全局滤波与局部标准化欧氏距离的背景抑制算法和基于多尺度快速滚动引导滤波与双滑窗马氏距离的背景抑制算法。两种算法分别利用了全局滤波与滚动引导滤波对图像进行不同尺度的平滑以深度挖掘图像中弱小目标与背景的多维信息,最后采用多尺度图像的统计特性获取异常点(即弱小目标点),从而达到抑制红外图像中的复杂背景、增强弱小目标的效果。实验结果表明,本文所提出的两种背景抑制算法均较好地解决了传统背景抑制算法对复杂背景中强边缘抑制效果差的难题,取得了较好的背景抑制结果。