论文部分内容阅读
通常,微弱点状运动目标总是隐藏在强背景下,由于背景杂波的强度比传感器内部噪声及目标亮度大得多,而且往往不知道其统计特性,直接检测和跟踪目标是很困难的,强杂波因此成为目标检测中的一大障碍。所以杂波抑制在目标检测过程中占非常重要得地位。在图像处理中,我们通常是通过摄像机获得原始的图像序列的。很多情况下摄像机安装在运动平台上,由于由摄像机颤动引起的全局运动是在图像序列中普遍存在的,这个因素在图像中将产生平移,旋转以及视差畸变等后果。全局运动对动目标检测带来了较大的负面影响,增加了图像处理的复杂度。所以,图像校正过程也就成了在运动分析和分割中关键而不可分割的一部分。论文中详细介绍了全局运动估计与补偿的系统结构、关键技术。并重点研究了一种基于回归分析的图像全局运动估计与补偿技术,它首先利用光流场法估计局部图像背景点的速度场,然后利用鲁棒的叠代排除法估计图像传感器的全局运动模型参数,再利用估计出来的全局运动参数对图像进行双线性内插运动补偿。这种技术具有计算量少,实现简单,性能可靠等优点。图像全局运动加以补偿后,图像背景只是相对静止的。而由于背景杂波的存在会使检测器性能恶化。所以进一步抑制图像背景杂波技术在构造高效检测器中是极其重要的。本文还研究了一种小波回归估计法,并详细描述了非参数回归如何将原始传感器数据变换成“信号加噪声”模型。另外,杂波抑制后,残留噪声的高斯性和独立性通过Kendall秩相关法和计算Friedman统计量的方法来进行了验证。其结果表明此技术路线的有效性和可行性。