弱小运动图像目标形态检测理论与技术研究

论文摘要

序列图像中弱小运动目标的检测和跟踪技术研究，具有重大的军事意义和现实意义。由于目标距离遥远，其成像只有几个到十几个像素，无形状、更无纹理可言，且淹没于背景噪声和各种干扰之中。弱小运动目标的检测是一类典型的非平稳信号中不确定信号的检测问题。本文通过研究序列图像中弱小目标的灰度特征和运动特征，提出描述弱小目标存在和变化行为描述的“形态”概念：包括描述弱小目标静态行为的“灰度形态”，和描述弱小目标运动行为的“运动形态”，建立了序列图像中弱小目标“形态模型”。对弱小目标的“灰度形态”研究表明：对于“亮”目标而言，弱小目标在序列图像背景中表现为一个个微小的灰度“凸起”，检测出这些微小“凸起”是弱小目标单帧检测的主要任务；而对弱小目标的“运动形态”的研究表明：弱小目标的运动具有独立性和连续性。检测弱小目标的独立运动和连续运动，构成了弱小目标运动检测的主要内容，也是抑制序列图像中虚警的主要手段。本文通过对弱小目标“灰度形态”和“运动形态”的分析，指出只有通过对弱小目标“灰度形态”和“运动形态”的联合检测，才能真正实现弱小目标的捕获和跟踪。在此基础上，本文提出了弱小目标的“形态检测”理论；将传统检测方法和本文“形态检测”理论相结合，给出了弱小目标“形态检测”的方法；在此基础上建立了实现目标“形态检测”的系统结构框架，并相应给出了两种不同的弱小目标检测与跟踪系统结构。在目标“灰度形态”检测中，本文将数学形态学Top-hat滤波器用于图像的背景杂波抑制，以强化滤波后图像中弱小目标的“灰度形态”特征；通过自适应阀值化处理和数学形态学击中—击不中变换的应用，获得单帧图像下的可疑目标估计，从而形成了本文的弱小目标“形态分割”方法；将形态分割出的可疑目标作为分水岭分割的强制标记，保证了目标图像中可疑目标的完整分割，为可疑目标的“运动形态”检测提供了条件。在获得单帧条件下可疑目标后，采用运动分析方法获得图像全域运动估计和可疑目标的运动估计；弱小目标“运动形态”特征的应用—基于χ2检验和基于区间估计的目标运动参数关联估计方法，以及基于目标轨迹关联估计方法的应用，抑制了可疑目标集合中的虚警：而Kalman跟踪滤波器的应用，实现了目标的最终捕获。在序列图像弱小运动目标的形态检测与跟踪研究中，本文的研究工作和研究成果主要体现在以下几个方面：1．基于对序列图像中弱小目标灰度特征和运动特征的分析，提出了描述弱小目标存在和运动行为的“形态”概念：包括描述单帧图像中弱小目标与图像背景静态关系的“灰度形态”，以及描述序列图像中弱小目标运动行为的“运动形态”；在此基础上建立了弱小运动目标“形态模型”。2．在弱小目标“形态”分析的基础上，建立了弱小目标的“形态检测”理论，给出了弱小目标“形态检测”定理。3．在弱小目标形态检测实践中，提出了两种不同的弱小目标形态检测系统结构，基于“灰度形态”的弱小运动目标检测系统和基于“运动形态”的弱小运动目标检测系统。4．在弱小目标的“灰度形态”检测研究中，提出了一种基于强制形态标记的弱小目标水线分割方法。5．在弱小目标的“运动形态”检测研究中，提出了两种目标运动参数关联估计虚警抑制方法：基于χ2检验的参数关联估计方法和基于区间关联估计的方法。6．在弱小目标检测的噪声抑制研究中，提出了一种基于鲁棒加权回归估计的恒漏警噪声抑制方法。7．在基于点估计的弱小目标检测研究中，分析了时域集成目标检测方法的应用条件和检测效果，并分析了实现目标检测所需的信噪比条件和时域集成度条件。

论文目录

• 摘要
• ABSTRACT
• 目录
• 图表目录
• 词汇表
• 第一章 绪论
• 1.1 课题背景
• 1.2 课题研究的内容和任务
• 1.3 弱小运动图像目标特点
• 1.4 弱小运动图像目标检测面临的问题
• 1.4.1 检测模型问题
• 1.4.2 目标强度问题
• 1.4.3 运动检测问题
• 1.4.4 类目标干扰问题
• 1.5 弱小运动图像目标检测方法回顾
• 1.5.1.基于目标灰度特征的空域检测方法
• 1.5.2.基于目标运动特征的时域检测方法
• 1.5.3.基于灰度特征和运动特征的时空域联合检测方法
• 1.6 研究方法及主要成果
• 1.6.1.研究方法
• 1.6.2.研究工作和成果
• 1.7 论文安排
• 第二章 弱小运动图像目标形态检测理论与系统结构
• 2.1.引言
• 2.2.弱小运动目标形态模型
• 2.2.1.弱小目标形态定义
• 2.2.2.弱小目标灰度形态
• 2.2.3.弱小目标运动形态
• 2.2.4.弱小目标形态模型
• 2.3.弱小运动目标形态分析
• 2.3.1.弱小目标图像信号分析
• 2.3.2.弱小目标的灰度形态
• 2.3.3.弱小目标的独立运动
• 2.3.4.弱小目标的轨迹关联性
• 2.4.弱小运动目标形态检测
• 2.4.1.弱小目标形态检测定理
• 2.4.2.弱小目标灰度形态检测
• 2.4.3.弱小目标运动形态检测
• 2.5.弱小目标形态检测系统结构设计
• 2.5.1.基于灰度形态的目标检测系统
• 2.5.2.基于运动形态的目标检测系统
• 2.5.3.两种检测系统结构分析
• 2.6.小结
• 第三章 弱小目标检测中的背景噪声抑制
• 3.1.引言
• 3.2.定义和概念
• 3.2.1.信杂比
• 3.2.2.信噪比
• 3.2.3.滤波增益
• 3.2.4.正态性检验
• 3.2.5.独立性检验
• 3.3.基于时空域估计的背景杂波抑制技术
• 3.3.1.基于非参数回归估计的空域滤波
• 3.3.2.空域自适应滤波的背景杂波抑制
• 3.3.3.形态学Top-hat滤波
• 3.3.4.基于时域滤波的背景杂波抑制
• 3.4.基于鲁棒回归估计的恒漏警（CLAR）噪声抑制技术
• 3.4.1.恒漏警（CLAR）噪声抑制
• 3.4.2.噪声参数的鲁棒加权估计
• 3.4.3.孤立噪声的形态学抑制
• 3.4.4.噪声抑制试验
• 3.4.5.方法分析及讨论
• 3.5.小结
• 第四章 基于点估计的弱小目标检测
• 4.1.引言
• 4.2.单帧图像检测模型
• 4.3.点估计检测理论基础
• 4.3.1.假设检验
• 4.3.2.虚警和检测概率
• 4.3.3.似然比检验
• 4.3.4.聂孟—皮尔逊（Neyman-Pearson）准则
• 4.3.5.检测性能与信噪比
• 4.4.基于点估计的多帧时域集成弱小目标检测
• 4.4.1.概述
• 4.4.2.多帧时域线性集成检测模型
• 目标支持域直径'>4.4.3.目标运动速度>目标支持域直径
• 4.4.4.目标运动速度<目标支持域直径
• 4.4.5.检测方法分析
• 4.5.弱小目标检测中的信噪比条件
• 4.5.1.单帧检测
• 4.5.2.时域线性集成检测
• 4.6.时域线性集成检测中的集成度条件
• 4.7.小结
• 第五章 弱小目标灰度形态检测
• 5.1.引言
• 5.2.二值形态学的基本运算
• 5.2.1.数字图像的矢量平移和原点反射
• 5.2.2.二值图像形态腐蚀和膨胀
• 5.2.3.二值开闭运算
• 5.2.4.击中击不中变换
• 5.3.灰度形态学的基本运算
• 5.3.1.几个定义
• 5.3.2.灰度图像的支持域和表面函数
• 5.3.3.灰度腐蚀和膨胀
• 5.3.4.灰度开运算和灰度闭运算
• 5.3.5.形态学梯度
• 5.4.灰度形态学中的结构元
• 5.4.1.扁平结构元
• 5.4.2.灰度结构元
• 5.4.3.结构元分解
• 5.5.形态学运算信号分析
• 5.5.1.预备知识
• 5.5.2.腐蚀和膨胀分析
• 5.5.3.开闭运算分析
• 5.6.形态学滤波器
• 5.6.1.开-闭组合滤波
• 5.6.2.Top-hat滤波和Bottom-hat滤波
• 5.6.3.Top-hat滤波对亮目标的邻域增强
• 5.6.4.多尺度形态学带通滤波
• 5.6.5.形态学锐化
• 5.7.结构元对形态滤波的影响
• 5.7.1.单帧检测率和单帧虚警率
• 5.7.2.弱小目标形态检测试验方案设计
• 5.7.3.试验结果及分析
• 5.7.4.形态学滤波结构元的选择
• 5.8.弱小目标灰度形态检测及形态分割
• 5.8.1.概述
• 5.8.2.基于Top-hat滤波的弱小目标形态分割
• 5.8.3.基于标记控制的水线分割
• 5.8.4.基于强制形态标记的弱小目标水线分割
• 5.9.小结
• 第六章 弱小目标运动形态检测
• 6.1.引言
• 6.2.运动估计理论基础
• 6.2.1.光流方程
• 6.2.2.块匹配法
• 6.2.3.摄像机参数模型
• 6.2.4.摄像机参数参考像素点的选取
• 6.3.运动背景校正及背景抑制
• 6.3.1.基于运动估计的背景校正
• 6.3.2.运动背景差分抑制
• 6.4.运动目标检测
• 6.4.1.基于光流的运动目标检测
• 6.4.2.基于背景差分的运动目标检测
• 6.4.3.基于背景差分形态分割的运动目标检测
• 6.5.基于邻域尺度变换的运动参数块匹配估计
• 6.6.虚警运动形态抑制
• 6.6.1.基于参数关联估计（PAE）的虚警运动形态抑制
• 6.6.2.基于轨迹关联估计（TAE）的虚警运动形态抑制
• 6.7.弱小运动目标Kalman跟踪
• 6.7.1.弱小目标跟踪模型
• 6.7.2.Kalman滤波跟踪算法
• 6.7.3.Kalman滤波器的性质
• 6.8.小结
• 全文总结
• 参考文献
• 附录
• 附1.误差函数的定义
• 附2.Chi平方分布
• 作者攻读博士期间取得的研究成果
• 作者攻读博士期间参加的研究工作
• 致谢