光电图像背景杂波的定量表征及其对成像系统目标获取性能的影响

论文摘要

随着光电成像技术的不断发展，现代成像系统能够在战术有效距离内显示出越来越具体的目标细节和场景内容，在大大改进了成像距离和成像清晰度的同时，也使得“场景内容”成为影响光电成像系统目标获取性能不可忽视的重要因素。这些干扰目标探测的场景内容就是所谓的背景杂波。而传统的成像系统性能表征模型对背景杂波效应没有考虑或考虑不足，因而，非常有必要对其加以改进，以适应不断发展的新型光电成像系统性能评估的需要。 本论文主要在以下几个方面进行了研究工作：（1）基于人眼视觉对图像结构信息的高度自适应性，综合考虑背景和目标在平均强度，对比度及强度分布方面的相似性，通过构建数学统计模型的方法来衡量背景杂波的强弱，提出了一种新的杂波量化描述尺度——目标结构相似性（TSSIM）尺度，该尺度既有传统数学统计方差尺度简单易行的优点，又充分考虑人眼在探测目标时的基本感知特性。由于该尺度对场景内容没有特定的限制，因而可广泛应用于各类光电图像。同时，借助于误差分析和相关性分析理论，从两个方面比较分析了该杂波尺度与现有杂波尺度，一方面是比较分析其与观察者试验目标探测概率的相关性；同时也比较其与目标平均探测时间的相关性。从而充分验证本文所提出的杂波尺度与人眼实际感知结果的一致性。（2）以目标结构相似性尺度为背景杂波度量因子，以荷兰TNO人类因素研究所提供的Search2试验数据库为基础，通过构建数学模型的方法，定量分析了背景杂波对观察者目标虚警概率的影响，并在此基础上，讨论了人眼视觉在背景杂波干扰下的虚警概率表征模型。（3）基于NVESD经典性能模型在背景特性表征方面的基本特点，以人眼视觉搜索探测特性领域的最新研究成果为理论依据，借助于相关性分析理论，确定对观察者目标探测概率具有最佳预测性能的信杂比表征尺度，以该尺度作为背景杂波修正因子，对NVESD静态目标探测概率模型进行修正；以同样的方法选择目标平均探测时间的背景杂波修正因子，对NVESD搜索模型进行修正，最终得到定量描述背景杂波效应的人眼视觉目标获取性能修正模型。同时，利用现场实验数据对修正模型和原模型预测结果的准确性进行了比较，从而以实际试验证明了修正模型的合理性。（4）初步构建包含背景杂波效应的机器视觉成像系统目标探测性能模型。本文以系统信号干扰比（SIR）为理论基础，引入巴特沃斯模型功率谱密度（PSD）模型来描述背景杂波，综合考虑光学系统、探测器、电子线路的功率传递函数、目标辐射强度和噪声信号的数学统计特性，及探测算法对杂波和系统噪声的抑制作用，初步建立了考虑背景杂波效应的机器视觉目标探测性能模型。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 研究背景及重要意义
• 1.1.1 基本概念
• 1.1.2 研究背景
• 1.1.3 研究意义
• 1.2 国内外研究现状
• 1.2.1 背景杂波量化表征技术
• 1.2.2 基于人眼视觉的光电成像系统
• 1.2.3 基于机器视觉的光电成像系统
• 1.3 研究内容及研究方法
• 1.3.1 背景杂波的量化表征
• 1.3.2 人眼视觉成像系统背景杂波修正模型的建立
• 1.3.3 机器视觉成像系统背景杂波修正模型的建立
• 1.4 论文的结构与特色
• 1.4.1 课题来源
• 1.4.2 内容结构
• 1.4.3 特色与创新点
• 第二章 光电图像中背景杂波的表征
• 2.1 基本概念
• 2.1.1 背景杂波的基本概念
• 2.1.2 量化描述背景杂波的意义
• 2.1.3 杂波量化尺度的基本要求
• 2.1.4 杂波量化尺度验证的一般过程
• 2.2 杂波量化与视觉感知模型
• 2.2.1 视觉感知模型
• 2.2.2 人眼视觉的基本感知特性
• 2.2.3 影响感知效应的主要因素
• 2.3 背景杂波量化尺度的分类
• 2.4 数学统计方差杂波量化尺度
• 2.4.1 统计方差（SV）尺度的基本概念
• 2.4.2 基于 SV的信杂比（SCR）尺度
• 2.4.3 SV尺度的优缺点
• 2.4.4 SV的改进尺度 SSV
• 2.5 基于人眼视觉对高对比度区域敏感性的杂波尺度
• 2.5.1 基于灰度级图像的整体杂波尺度
• 2.5.2 基于边缘滤波图像的整体杂波尺度
• 2.6 基于图像纹理的杂波尺度
• 2.7 背景杂波尺度的试验研究
• 2.7.1 基于 NVESD合成图像数据库的验证分析
• 2.7.2 基于休斯飞机公司图像数据库的验证分析
• 2.7.3 基于以色列图像数据库的验证分析
• 2图像数据库'>2.8 Search₂图像数据库
• 2图像数据库'>2.8.1 Search₂图像数据库
• 2.8.2 搜索试验过程
• 2.9 目标局部对比度
• 2.9.1 平方和根（RSS）尺度
• 2.9.2 DOLYE尺度
• 2.9.3 目标复杂性 TC
• 2.9.4 线功率谱特征（PSS）尺度
• 2.10 基于机器视觉的背景杂波量化尺度-PSD模型
• 2.10.1 机器视觉中光电背景杂波量化基本原理
• 2.10.2 机器视觉中光电背景杂波量化技术分析
• 2.10.3 结论
• 2.11 本章小结
• 第三章 目标结构相似性（TSSIM）杂波量化描述尺度
• 3.1 引言
• 3.2 目标结构相似性（TSSIM）尺度
• 3.2.1 基本原理
• 3.2.2 基本思路
• 3.2.3 数学意义
• 3.2.4 算法实现
• 3.2.5 合理性分析
• 3.3 目标纹理相似性（TTSIM）尺度
• 3.4 试验验证的基础
• 3.4.1 试验数据
• 3.4.2 性能评价测度
• 3.5 杂波尺度与目标探测概率的相关性分析比较
• 3.5.1 数据介绍
• 3.5.2 实验结果
• 3.5.3 分析与讨论
• 3.6 杂波尺度与目标平均探测时间的相关性分析比较
• 3.6.1 实验结果
• 3.6.2 分析与讨论
• 3.7 利用 TSSIM杂波尺度分析观察者的目标虚警特性
• 3.7.1 虚警模型
• 3.7.2 基于 TSSIM的目标虚警概率特性实验分析
• 3.8 本章小结
• 第四章 基于 TSSIM的 NVESD目标获取性能修正模型
• 4.1 引言
• 4.2 目标获取中的基本概念
• 4.3 NVESD目标获取性能模型
• 4.3.1 NVESD模型的基本发展过程
• 4.3.2 NVESD模型中的一些基本概念
• 4.3.3 静态性能模型
• 4.3.4 动态搜索探测性能模型
• 4.4 背景杂波对 NVESD目标获取性能的已有修正方法
• 4.4.1 Meitzler修正模型
• 4.4.2 D’Agostino修正模型
• 4.5 基于 TSSIM的NVESD目标获取性能的修正模型
• 4.5.1 基本概念
• 4.5.2 静态模型修正因子的选取
• 4.5.3 搜索模型修正因子的选取
• 4.5.4 修正模型的建立
• 4.6 修正模型的试验分析与讨论
• 4.6.1 静态修正模型的模拟结果
• 4.6.2 搜索修正模型的模拟结果
• 4.6.3 原 NVESD模型的模拟结果
• 4.6.4 模拟结果的分析与讨论
• 4.7 本章小结
• 第五章 背景杂波对机器视觉成像系统探测性能的修正
• 5.1 引言
• 5.2 机器视觉光电成像系统的基本组成
• 5.2.1 基于机器视觉的光电成像系统性能评估模型框架
• 5.2.2 基本思想
• 5.2.3 目标与背景杂波量化模型
• 5.2.4 图像处理算法模块
• 5.3 包含背景杂波效应的的目标探测性能模型
• 5.4 本章小结
• 第六章 全文总结
• 6.1 结论及主要创新点
• 6.2 进一步研究计划
• 致谢
• 参考文献
• 攻读博士学位期间研究成果