复杂环境下红外小目标检测与跟踪技术研究

论文摘要

本文根据红外成像制导的处理流程对红外目标检测、跟踪以及红外自动目标识别算法进行了一些研究。根据红外成像的特点研究了自适应背景估计的原理，推导出了自适应滤波器的数学模型，给出了其适合工程实用的数学表达式，并针对自适应滤波器所存在的不足，提出了一种改进的基于高斯内核的自适应背景估计算法。之后，将其应用于小波变换后的小波系数中，进行小目标检测。针对复杂背景下的运动目标分割问题，提出了一种基于边缘检测的红外成像目标跟踪算法。该方法首先通过canny边缘检测算法，对输入图像进行边缘检测，然后把边缘图像进行场景对准处理，计算出相应的场景平移参数，根据这些平移参数，平移帧图像后做差分处理。在残差图像中，根据局部熵的图像分割法，对图像进行二值化处理。针对小目标的跟踪问题，在讨论常用多目标关联方法基础上，提出适用于密集目标环境的基于粒子群算法的多维分配算法。将其中的数据互联表述为多重观测数据集合之间的最优组合分配问题，并用粒子群优化算法求解。根据3σ原则增加量测约束条件，据其对粒子群初始化。再通过合理的交叉变异策略利用确认备选量测，减小搜索最优解空间，实现静态数据关联。针对红外自动目标识别问题，首先推广了Yager融合公式，并给出了一种更理想的融合公式，新的合成公式能够有效地合成高度冲突的证据，其合成结果优于D-S证据理论合成公式和Yager合成公式。在此基础上提出了一种基于D-S证据理论的红外小目标识别算法，该算法对中红外和远红外成像小目标先进行各种目标特征的提取，根据提取的特征进行基本概率分配。对基本概率分配值再利用改进的D-S组合公式进行融合识别。文章还提出了一种基于一致性和模糊测度的数据分类优选融合模型。该智能融合模型从两方面进行了不确定信息的处理：通过类别概率置信度的分类估计，修正探测数据误差引起的目标分类的偏差了；通过一致性测度进行传感器分组，利用模糊测度的传感器组可靠信度量，实现传感器组的优选，使得最终融合结果是一致性和可靠性高的传感器组决定，这样的不确定信息处理与属性融合有机的结合，使得融合系统较好地处理了信息冲突，抑制了错误信息，保证了融合系统输出的可靠性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题的背景和意义
• 1.2 红外弱小目标检测技术
• 1.2.1 红外弱小目标检测技术概述
• 1.2.2 红外弱小目标检测技术研究现状
• 1.3 红外目标跟踪技术
• 1.3.1 多目标跟踪的数据关联算法
• 1.3.2 红外面目标跟踪问题以及研究现状
• 1.4 红外自动目标识别技术
• 1.4.1 基于多传感器目标识别技术
• 1.4.2 自动目标识别技术研究现状
• 1.5 本文主要研究内容
• 第2章 基于小波分析的自适应滤波在红外目标检测中的应用
• 2.1 引言
• 2.2 红外目标检测常用方法分析
• 2.3 基于高斯内核的自适应滤波算法
• 2.4 基于小波分析及自适应滤波结合的红外小目标检测方法
• 2.5 仿真分析
• 2.6 本章小结
• 第3章 基于边缘检测的红外目标跟踪算法
• 3.1 引言
• 3.2 红外目标跟踪常用方法分析
• 3.2.1 先检测后跟踪的方法（Detect-Before-Track）
• 3.2.2 先跟踪后检测的方法（Track-Before-Detect）
• 3.3 基于边缘检测的红外成像目标跟踪
• 3.3.1 场景的配准
• 3.3.2 运动目标检测
• 3.4 仿真分析
• 3.5 本章小结
• 第4章 基于粒子群算法的红外点目标跟踪
• 4.1 引言
• 4.2 多目标跟踪方法及其概念
• 4.2.1 多目标跟踪方法原理
• 4.2.2 几种红外目标跟踪方法
• 4.2.3 几种典型数据关联方法
• 4.3 基于粒子群算法的多维分配算法
• 4.3.1 问题的描述
• 4.3.2 量测的约束
• 4.3.3 基本粒子群优化算法
• 4.3.4 用 PSO算法解决静态数据关联
• 4.4 仿真分析
• 4.5 本章小结
• 第5章 红外目标自动识别算法研究
• 5.1 引言
• 5.2 基于 DS证据理论的红外小目标融合识别方法
• 5.2.1 证据理论的基本概念
• 5.2.2 证据理论的合成规则
• 5.3 基于类别概率置信度的数据分类估计
• 5.3.1 距离置信侧度
• 5.3.2 类别概率置信度实现目标分类估计
• 5.3.3 仿真及分析
• 5.4 传感器目标分类估计的优选融合
• 5.4.1 传感器目标分类估计的一致性分组
• 5.4.2 基于模糊测度的一致性分组优选融合
• 5.4.3 融合模型仿真及分析
• 5.5 本章小结
• 结论
• 参考文献
• 攻读博士学位期间发表的论文和取得的科研成果
• 致谢
• 个人简历