红外小目标检测 报告.docx
红外小目标检测方法概述1110540103李方舟1.什么是红外小目标？关于小目标”的定义，目前没有统一的定论。一般认为，当红外成像的距离较远时，在成像平面上只占几个或几十个像素的面积，表现为点状或斑点状，对比度和信噪比较低的目标，即可称之为小目标。2 为什么要进行红外小目标检测？红外成像具有距离远，隐藏性高，抗干扰力量强，穿透烟尘，雾以及阴霾的力量强，可全天候，全时间工作等优点。因此被广泛应用于监视侦察以及导航等军事领域，成为现代精确制导武器的主要技术之一。在尽可能远的距离上检测并跟踪到敌方目标，以争取在有利的时机发动攻击。是打算现代战斗胜败的重要因素。距离越远，目标成像面积越小，图象质量越差，对目标的检测和跟踪越困难。因此，讨论小目标的检测和跟踪方法，对提高红外成像系统的作用距离，有着特别重要的意义。目标检测作为寻的制导系统中的前端处理环节，是精确制导中最为关键和核心的组成部分。只有准时检测到目标，才能保证如目标的如目标跟踪等后续工作的正常进行。基于此缘由，在红外注视成像的图像序列中进行目标检测具有相当的难度，几乎全部的小目标检测法都致力于增加图像的信噪比，积累目标能量，以提高目标检测力量。3 .红外小目标检测方法分析对于红外目标的检测问题，目标的一些先验信息，如目标的外形、大小，目标灰度变化在时间上的连续性，以及目标运动轨迹的连续性等是有效分割目标和噪声的关键。目标检测方法依据这些特性的使用挨次不同，可分为两大类：先检测后跟踪(DeteCtBeforeTrack,DBT)方法和先跟踪后检测(TrackBeforeDetect,TBD)方法。3.1 DBT检测方法基于先检测后跟踪的目标检测技术属于一类经典的红外目标检测。该类方法分为两步:首先依据目标外形，强度等特性，在单帧图像中检测出候选目标，然后依据实际需要，在分割后的二值化图形序列中，通过序列图像投影到目标轨迹。DBT检测方法主要分以下几种：1)阈值检测方法所谓阈值检测方法，是基于目标在图像中主要为高频重量，而背景对应低频部分这一事实，对沉没在近似正态分布杂波中的已知其响应分布的小目标，寻求其最佳信噪比。2)小波分析方法2O世纪90年月以来，小波的应用讨论得到了很大的进展。小波分析方法目标检测的主要思想是将目标看作图像中的高频重量，采用小波多尺度分解提取图像中的高频信息，然后通过选取合适的阈值消退噪声的影响，从而实现目标的检测。3)数学形态方法数学形态学将集合论的方法用于图像分析，是物体外形定量描述的有效手段。尤其是它同图像处理技术的紧密结合，现己进展成为一个新的图像处理分支，即图像形态学。数学形态学作为一种数字图像处理的新方法，其讨论的主要目的在于描述图像的基本结构和特征。其主要内容是在积分几何和随机集论基础上，设计一整套变换、概念和算法，描述图像的各个像素之间的关系。形态学的基本运算有4个：膨胀、腐蚀、开和闭。灰度图像的腐蚀和膨胀过程可直接从图像和结构元素的灰度级函数计算出来O与基本形态学运算不同，系统处理的是灰度图像，而不是集合。腐蚀C¾Xxy)=11三(x-iJ-J)-g(T,-j)膨胀(/gX")=min(XT尸j)+g(T-)开运算(八g)(xJ)=(7g)®g()闭运算(/g)(,y)=(/®g)g(j)对于腐蚀运算和膨胀运算还有以下性质阿四)=(¾)f®(g&h)=(f®g)®h4)神经网络方法神经网络技术在模式识别与分类、识别滤波、自动掌握、猜测等方面己展现了其非凡的优越性。神经网络的结构由一个输入层、若干个中间隐含层和一个输出层组成。神经网络分析法通过不断学习，能够从未知模式的大量的简单数据中发觉其规律。神经网络方法克服了传统分析过程的简单性及选择适当模型函数形式的困难，它是一种自然的非线性建模过程，毋需分清存在何种非线性关系，给建模与分析带来极大的便利。BP算法即多层网络误差反传算法,网络结构为：一个输入层、一个输出层、若干个隐含层,一般隐含层取1,每层由多个神经元组成,网络结构如图2所示。BP算法学习过程由正向传播和反向传播组成。正向传播：输入信号输入层向隐含层、输出层传播。图2BP网络结构yh-f(WihXi)(21)y,f-fi(y"nrfJjv,p>(2-2)，；;其中,Xi为输入信号；yh,f】为隐层输出及转移函数;y3f2为输出层输出及转移函数；Wih为输入层至隐含层连接权值；Whj为隐含层至输出层连接权值。反向传播：如输出层得不到目标值,将目标值与输出值之差反向传播,逐层修改各层神经元连接权值,使输出误差减小至允许范围内。其权值修正公式为W¼w÷17=yvfv(n)+8jyh(2-3)其中，¾=fl(XM%(n)yh)YTJ-yj).wih(11+V=wih(n)+8hi其中，如=f(23b/xi)Jyvly(n)Sj);i式中，%(n+l),丘(n+l)分别表示第(n+l)次权值系数；whf(n),wik(n)分别表示第n次权值系数;tj为输出层第j个结点目标值；n为训练速度系数,取值01。3.2 TBD检测方法为了进一步提高简单背景下红外目标的检测性能,基于TBD的目标检测方法渐渐进展起来,它充分采用课处理过程中为个阶段的信息，与DBT方法相比，实现了低信噪比下目标检测的可能，TBD方法的基本思路：对单帧图像，先不推断图像中有无目标，先对图像中较多可能的目标轨迹行跟踪，然后对各条轨迹进行检测判决，最终得到真实目标的轨迹。TBD方法主要包括以下几种：1)三维匹配滤波方法2)动态规划方法3)假设检验方法4 .两种目标检测方法的比较DBT方法TBD方法优点算法简洁，硬件简洁实现抗干扰力量强不足抗干扰力量较差算法简单，硬件实现较难适用范围实时目标检测低信噪比下目标检测5 .红外目标检测存在的问题当前，红外目标检测技术仍旧存在不易克服的一些难点问题，主要表现在一下几个方面。D简单背景下，存在难以猜测的背景干扰，低信噪比下的目标信号几乎被掩盖在背景噪声之中。2）效果越好的分割算法计算量就越大，越简单，对存储空间要求高，实时性越差。3）红外目标检测的精确性不高，由于机动目标的运动防线和速度具有很大的随机性，隐刺没针对机动目标的检测，始终是学者们致力要解决的问题。4）弱小红外目标的检测问题始终以来都没有得到完善解决。弱小目标是指背景灰度差异不高于背景方差的小目标。对简单背景下红外弱小目标的检测技术的讨论，对于提高小代化高技术武器的作战距离及反应速度具有重要意义。6 .总结红外运动小目标检测技术是计算机视觉领域的关键技术之一,在众多行业领域都有着广泛的应用。本文就目前红外运动小目标检测方法的国内外讨论进展进行了论述。对DBT和TBD两类运动目标检测方法进行了具体的分析，并且对两类方法的特点进行了比较。同时对当前红外运动目标检测存在的主要问题进行了归类。最终对红外运动目标检测的进展趋势进行了展望，指出将来运动目标检测进展的诸多进展方向。
