传统的运动目标检测,多利用现有成像传感器(如摄像机等)获取三维目标的二维图像,然后采用计算机信号处理手段进行处理,最后根据需求把检测到的二维信息恢复为三维表征以再现真实目标,这种3-2-3的转换过程其检测的精度与计算量多呈正相关关系,精度越高,需要的数据量就越大,实时性就越低,给信息传输、存储与分析带来了极大的困难。常规成像探测可以去掉高频信息即极大地滤除噪声,保留信息的主体轮廓即可,从而一定程度上克服3-2-3维变换带来的海量数据处理的困难;但遥感探测,细节信息多以高频存在,无法依靠滤除高频噪声的方法降低冗余,因此这个过量冗余问题已经严重到不解决就难以继续进行数据处理与应用的状态。如果观测对象与观测载体之间有相对运动,那么运动目标捕获与识别时的数据冗余在上述基础上将更大,其实时检测就更加困难。　　因此在继续原有处理方式研究的同时,许多研究人员开始把目光转向新的图像获取与处理方式。昆虫复眼在运动目标检测方面具有独特的优势,近年来已成为许多学者关注的领域。某些低等动物,如蜻蜒、食蚜蝇等的复眼系统给我们提供了很好的例子。昆虫复眼体积小、重量轻、视场大,尤其对运动目标非常敏感,利用三维轮廓特征,仅需很少的信息就可在大范围内锁定目标区域然后采用二维凝视对其识别,且在运动环境下能够检测到常规检测很难识别的小目标,具有常规检测无法比拟的优势。　　本文在系统性地总结与分析昆虫复眼检测运动目标的理论基础上,重点针对常规运动目标检测所存在上述实际问题,采用仿生学与数字图像结合的方式,提出仿生复眼运动目标检测的图像获取与处理的新模式,建立基于复眼神经元的数据采集、检测模型,探索遥感信息获取的数字化转换机理,并以仿生复眼运动目标检测原型系统的设计研制为例验证了模型算法的有效性,解决了运动目标检测中视场、分辨率和实时性的矛盾问题,为推进仿生遥感信息获取与处理进行了有益的尝试。具体研究工作包括:　　(1)常规遥感信息获取与运动目标检测存在的问题分析及解决方法的提出。造成目标检测实时性差的根源在于大量的数据冗余,解决的方式在于目标数据的有效获取,改变常规的数据获取方式,实施有效的获取方案是提高检测效率的根源所在。通过运动目标矢量分析阐述了目标的运动模式,建立了图像获取与目标运动的矢量关系,为数据获取提供有效参考。　　(2)昆虫复眼检测运动目标生物机理分析及仿生检测概念方法的提出。本文从生物学角度出发,在昆虫复眼的解剖学、视觉电生理和行为学等真实研究数据基础上,深入系统的分析了国内外复眼检测机理的研究成果,从理论上揭示复眼3-3-2模式检测运动目标的机理。基于复眼检测运动目标的优势,创新性的提出仿生检测的概念和方法。　　(3)基于OMS(object motion sensitive)神经元的仿生模型改进及算法实现。深入分析OMS细胞神经元感知机理,提出了双层轮廓检测模型及变分辨率检测算法。利用Visual C++和Matlab混合编程,实现了三维轮廓目标区域的粗检测、二维凝视的精细识别,同时构建了不同影像间的匹配及复眼多通道信息获取模型。　　(4)基于STMD(small target motion detection)神经元的仿生模型构建及算法实现。深入分析STMD神经元感知机理,构建STMD检测模型及算法实现,解决了常规检测算法很难检测小目标的问题。　　(5)仿生复眼运动目标检测原型系统构建与实现。根据昆虫的检测机理,给出了系统的整体设计方案,设计了仿生复眼机械结构、同步控制电路系统,研发了数据采集软件,构建了目标检测特征库,并实现了系统的标定。为复眼系统的数据获取与处理,提供了有效保障。　　仿生复眼运动目标检测的研究是一个集仿生学、信息科学、控制论、遥感科学等于一体的多学科交叉研究,具有复杂的系统性。本文的研究工作是在该领域内的试探性尝试,希望能够推动该研究的进一步发展。