红外小目标检测与跟踪关键技术研究

Small-target detection based on infrared imagery in the machine vision field is drawing great attention at home and abroad. The detection and tracking of infrared small-target with complex backgruond is more challenging and practically significant. Aiming at the problem that infrared image sequences have complex cluttered background and low signal-noise ratio(SNR), this research introduces a method for the infrared small-target detection and tracking based on the visual attention mechanism and background estimation with low SNR. The research mainly includes application and key technique of visual attention mechanism, method of tuning and enhancing the signal-to-clutter ratio(SCR) to improve the quality of image, technique and algorithm of detecting small-target based on background estimation and so on. And the research focuses on the selection of region of intrest(ROI), the algorithm of SCR improvement and the filter model selection of background estimation. Based on the above research, the experiment of infrared small-target detection and tracking can prove the validity of the proposed theories and methods. This research provides effective technics and applicable method for infrared small-target detection and tracking, and provides theoretical significance and practical prospect for the development of the infrared image processing technology.

基于红外图像的目标检测在机器视觉领域受到了国内外广泛关注，尤其是复杂背景下红外弱小目标的检测和跟踪更富有挑战性和实际意义，是当前研究的热点问题。本项目针对红外图像背景复杂、信噪比低的特点以及由此带来的弱小目标检测的难点问题，对适合弱小目标检测与跟踪的技术和方法进行研究，提出一种基于视觉注意机制和一种在低信噪比条件下采用背景估计对红外弱小目标进行检测与跟踪的方法。主要研究内容有：视觉注意机制在弱小目标检测中的应用及关键技术，提高信杂比改善图像质量的方法，基于背景估计检测弱小目标的技术与算法等。研究重点是关注区域选取的方法、提高图像信杂比的算法以及实现背景准确估计的滤波器模型选择。在以上研究基础上，通过红外弱小运动目标检测与跟踪实验，验证所提出理论和方法的有效性。该项研究可为红外弱小目标的检测与跟踪提供有效的技术途径和实现方法，对红外图像处理技术的发展及其运用具有重要的理论意义和应用前景。

基于热成像原理的红外图像具有噪声强、干扰多，信噪比低的特点，给小目标检测带来很多困难，尤其在复杂多变的环境下和当目标具有不确定性时，使红外弱小目标检测与跟踪面临的难度和复杂性更大。本项目针对这一问题，重点对提高信杂比改善图像质量的方法、基于背景估计检测弱小目标的算法和基于视觉注意机制的弱小目标检测与跟踪的关键技术等进行研究。首先，对红外成像机制获得的图像特点及噪声类别、复杂背景成像的杂波信号进行了深入分析，通过理论研究和仿真实验，对现有方法进行评价、比较，提出了一种基于小波变换的红外图像去模糊方法，可有效提高信杂比，改善图像质量，保证后续目标检测与跟踪有满意的精度。在分析各种提高图像信杂比方法的基础上，提出了2种红外弱小目标检测方法。1、提出一种有效的基于视觉注意机制的红外弱小目标检测与跟踪的方法。该方法通过模拟视觉注意机制，生成图像的显著图，分割出感兴趣区域，在尺度空间对图像进行处理，获取图像多尺度下的特征，采用具有人类视觉特性的Dog算子增强目标抑制背景，选择出显著性较大的目标；2、提出一种改进的Robinsonguard滤波器进行背景抑制有效检测目标的算法。当小目标周围背景噪声较多且噪声和目标的灰度相差不大时，部分目标信息会被滤掉，滤波器不能保留完整的目标信息。为了避免小目标周围的背景噪声和小目标的尺寸形状不一对滤波结果造成的影响，将Tophat算子与Robinson guard滤波器结合，既可减少噪声对后续处理的影响，同时也降低了Robinson guard滤波器保护带对噪声的敏感性。 针对低对比度下小目标常被大量背景杂波和噪声干扰，检测结果不理想的问题，对基于二维最小均方（TDLMS）滤波器的背景估计方法进行了分析研究，提出了一种适合低信噪比情况下对背景进行估计的TDLMS滤波器结构，对滤波器的输入数据、迭代步长和滤波器的决策输出进行了改进；为了更有效抑制图像背景，研究了一种基于自适应窗口调整的Robinson guard滤波器的背景抑制算法，并通过仿真验证了提出方法的有效性。.理论分析和实验结果表明，本项目研究和提出的红外小目标检测算法具有较高的可靠性和实用性，对于在海空背景下的红外小目标检测有很高的检测精度，该项研究可为红外弱小目标的检测与跟踪提供有效的技术途径和实现方法，对红外图像处理技术的发展及其运用具有重要的理论意义和应用前景。

内容获取失败，请点击重试