激光雷达红外点目标图像预处理技术研究

论文摘要

开展点目标检测技术的研究,对提高区域防御系统的生存力、有效反击能力以及在未来战争中争夺制空权具有重要的军事意义和使用价值。点目标的成像面积仅为几个或几十个象素,目标强度相对较弱,无明显的尺寸、形状、纹理信息可供后续处理系统进行分析使用。远距离的红外成像目标通常隐藏在高度结构化的背景杂波中,相对于背景杂波和噪声,目标信号的幅值很弱,具有很低的信噪比。因此,远距离成像的点目标检测问题是近年来小目标红外图像检测与处理研究的热点和难点。红外图像点目标检测一般可分为三个阶段,依次为图像预处理、目标分割和目标检测。本文主要开展了图像预处理技术的研究工作。图像预处理的目的是提高传给主处理器的图像质量和信噪比,尽可能多的抑制背景杂波,其处理结果的好坏直接影响到系统检测性能的优劣和实时性。本文基于对多种常用去噪算法特点的理论分析,开展了相关仿真研究工作,按照相关课题的要求,针对总体实际采集并提供的点目标红外图像设计了多种预处理算法。论文主要开展了如下的预处理技术研究工作:（1）基于中值滤波+数学形态学的去噪技术。（2）基于BayesShrink阈值的小波高频系数重建去噪技术。（3）基于阈值公式(σ（21gM×N）1/2)/1g（j+1）的小波高频系数重建去噪技术（4）基于中值差分的高通滤波。可以有效凸显比总体提供的像素更少的点目标。（5）基于Wiener差分的高通滤波。论文对上述多项去噪技术进行了相关的仿真研究和分析比较,分析结果和实验数据表明:采用前三种算法去噪后的检测信噪比均可达到总体要求,去噪效果比较好,具有一定的实用价值;后两种方法虽未达到总体要求,但是差分的思想对于后续去噪工作具有很好的借鉴价值,可以考虑将差分思想用于小波去噪中。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 引言
• 1.2 论文的选题依据
• 1.3 红外图像弱小目标检测背景及意义
• 1.4 红外图像小目标检测的研究概况
• 1.5 论文结构
• 第二章 图像预处理算法研究
• 2.1 高通滤波原理
• 2.2 低通滤波原理
• 2.3 中值滤波原理
• 2.4 形态学滤波原理
• 2.4.1 数学形态学概述
• 2.4.2 灰度图像中的数学形态学
• 2.5 小波去噪的基本原理
• 2.5.1 小波去噪的意义和问题描述
• 2.5.2 小波去噪原理
• 2.6 Wiener滤波基本原理
• 第三章 小波理论及其在图像处理中的应用
• 3.1 小波分析的发展及应用
• 3.1.1 小波分析的发展
• 3.1.2 小波分析的应用
• 3.2 小波分析的基本理论
• 3.2.1 傅立叶分析
• 3.2.2 短时傅立叶变换
• 3.2.3 小波分析
• 3.2.4 多分辨分析
• 3.3 小波变换
• 3.3.1 连续小波变换
• 3.3.2 离散小波与离散小波变换
• 3.4 二维小波变换在图像处理中的应用
• 3.4.1 图像压缩
• 3.4.2 图像消噪
• 3.4.3 图像融合
• 3.4.4 图像平滑
• 3.4.5 图像增强
• 3.4.6 图像分割
• 3.5 小波图像去噪
• 3.5.1 边界延拓
• 3.5.2 小波分解与重构
• 3.5.3 阈值的选取
• 3.6 本章小结
• 第四章 红外点目标预处理算法
• 4.1 目标与观测模型
• 4.1.1 目标模型
• 4.1.2 杂波抑制模型研究
• 4.2 点目标的几种预处理方法
• 4.2.1 基于差分的高通滤波技术
• 4.2.3 基于中值滤波+数学形态学的去噪技术
• 4.2.4 基于BayesShrink阈值的小波高频系数重建的去噪技术
• 1/2/lg（j+1）阈值的小波高频系数重建的去噪技术'>4.2.5 基于σ（2lgM×N）^1/2/lg（j+1）阈值的小波高频系数重建的去噪技术
• 4.2.6 算法性能分析
• 第五章 总结
• 致谢
• 参考文献
• 攻硕期间研究成果