微弱点状多运动目标检测技术研究

论文摘要

“图像序列中微弱点状多运动目标检测与跟踪技术的研究”作为主动视觉研究领域的一个新分支,以其越来越多的应用而成为当今的研究热点,而又由于点状目标自身的特点以及目标对比度低,目标随机出现等问题,使目标在图像中的搜索、检测变得更为困难。首先详细介绍了微弱点状多目标检测的相关理论,移动通信领域的时空分集理论、TBD检测算法等。本文将这些理论算法应用到图像序列中微弱点状目标的检测,研究了一种基于组合帧图像区域划分、目标群概率加权以及帧间互关联的TBD目标搜索和运动轨迹估计技术。此技术首先将序列图像在时域上进行组合,消除背景影响,在此基础上对组合帧图像进划分估计出目标个数及各个目标的存在区域,从而在有效的减少计算量的同时,准确的搜索到各个目标,然后利用帧间目标的双向互关联特性初始化各目标的航迹。本文采用MATLAB平台对所述算法行了仿真,仿真结果和试验数据证明了本文所提算法的可行性和有效性,具有一定的应用价值。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题研究背景及意义
• 1.2 红外微弱目标的特点及检测难点
• 1.3 国内外研究现状
• 1.4 本论文主要研究工作和内容安排
• 第二章 微弱点状多运动目标检测技术基础理论
• 2.1 红外微弱点目标图像场景模型
• 2.2 NEYMAN-PEARSON 准则
• 2.3 信噪比的定义
• 2.4 TBD 检测算法门限值的确定
• 2 分布'>2.4.1 χ²分布
• 2.4.2 门限值的确定
• 2.5 TBD 和DBT 技术性能分析
• 2.5.1 先检测后跟踪DBT 算法
• 2.5.2 先跟踪后检测TBD 算法
• 2.6 时空分集理论的引用
• 2.6.1 时空分集问题提出
• 2.6.2 时空分集应用
• 2.7 本章小结
• 第三章 基于图像区域划分和帧间互关联的TBD 技术
• 3.1 引言
• 3.2 检测系统概述
• 3.3 组合帧图像划分
• 3.3.1 组合帧图像的形成
• 3.3.2 图像区域的划分
• 3.3.3 估计目标存在区域
• 3.4 组合帧内目标估计区域中的TBD 检测
• 3.4.1 区域TBD 检测
• 3.4.2 目标群概率加权融合
• 3.5 组合帧间双向互联特性判断目标轨迹
• 3.5.1 问题提出
• 3.5.2 双向互联特性判断目标轨迹
• 3.5.3 各目标的初始速度
• 3.6 本章小结
• 第四章 算法仿真与性能分析
• 4.1 实验条件
• 4.1.1 实验环境
• 4.1.2 实验数据准备
• 4.2 实验过程
• 4.2.1 实验流程图
• 4.2.2 检测算法的步骤
• 4.3 实验结果与分析
• 4.3.1 实验结果
• 4.3.2 实验分析
• 第五章 结论与展望
• 5.1 结论
• 5.2 展望
• 参考文献
• 攻读学位期间发表的学术论文
• 致谢