序列红外图像目标检测和识别算法的研究.pdf

序列红外图像目标检测与识别算法研究 摘 要 远距离红外弱小目标的检测,中远距离不完整信息的红外目标识别及智能红外目标识别方法 是红外搜 索与跟踪系统 精确制导系统 红外预警系统 大视场目标监视系统 卫星遥感系统等的一项核心技术 研究低信噪比图像中小目标的实时检测算法 不完整信息的目标识别算法及智能目标识别算法 对于增大 作战距离和增加反应时间 提高己方的生存概率具有重要的意义 就国内外目前对红外弱小目标检测及红外目标识别的研究而言 主要存在着以下问题: 1. 弱小目标检测通常是利用多帧信息 在提高检测算法性能上做研究 而忽略了先对单帧做预处理算 法研究 从而导致了大量冗余运算 2. 对斑点目标的检测算法通常是采用质心代表整体的方法 然后利用类似点目标检测算法实现检测功 能 这种算法忽略了帧内的重要信息 而单纯依赖于质心代表目标的准确性以及帧间的相关信息 往往导 致漏检及虚警的发生 3. 模式识别中,二值模式特征提取方法主要集中在矩法 神经网络方法 基于边界分析或惯性矩的方法 但是这些算法主要缺点是计算量大 或是发生尺度缩放 平移或旋转情况时不能保持不变性 以及在外界 噪声的影响下性能不稳定 4. 传统的目标识别方法一般是针对二值模式的 即首先要在灰度图像中将目标从背景中分割出来 这 种处理方法会把分割中的误差引入识别系统 而加大了识别难度 对于灰度图像的神经网络识别算法通常 采用前馈神经网络结构及基于梯度的误差反向传播的训练算法 往往会出现收敛速度慢 需要选择学习参 数且无法保证全局最优等固有缺陷 本文对低信噪比红外图像序列中弱小目标的检测 不完整信息的目标识别算法及智能目标识别问题进 行了深入 系统的研究 主要研究成果如下 1. 利用点目标 噪声及背景杂波在空间分布的特征 提出了旋转均值滤波算法 这种算法不仅可以最 大限度地提升点目标的信号强度 而且能够抑制背景及杂波 有效提高信噪比 深入分析复杂背景红外图 I 像的噪声特性 并由此先对红外图像进行灰值形态学滤波 利用目标在图像平面表现为“能量包”的空间特 性 提出了基于能量特征的红外斑点目标的检测算法 对实际红外图像数据处理结果表明该算法不仅具有 很高的检测概率 而且计算简捷 大大提高了算法的实时性 2. 分析了一种得到广泛重视的用于不变目标识别的高阶神经网络算法 并结合三角学知识实现了快速 训练 大大提高了计算效率 解决了传统高阶神经网络实际运用中计算量的瓶颈问题 将信息熵的概念引 入了特征提取过程 提出了一种针对二值模式的多窗二值局部熵的特征提取算法 结合最近邻分类算法 识别实验结果表明 本文提出的快速高阶神经网络学习算法及基于多窗二值局部熵的特征提取算法在保证 了分类性能的同时 大大简化了计算 提高了算法的实时性 3.利用方向可调滤波器直接提取图像中目标子图的特征信息做为特征向量 而不再采取首先分割的方 法 通过引入一种成功用于非线性及非高斯情况时估计问题的序贯Monte Carlo 方法— 粒子滤波算法把识 别问题转变为估计问题 使之避免了分割结果的影响 利用最大后验概率准则实现高的识别准确率 4. 提出一种新型的模糊形态学神经网络 利用模糊化函数及最大化模糊神经元对规一化的图像实现模 糊化,并运用方向可调滤波器提取模糊化模式的特征量作为分类网络的输入 将灰值形态学中 Top-Hat”变 换与自组织特征映射神经网络相结合 实现了映射区域的自动选择 结合遗传算法并行特点 实现网络连 接权值的快速调节 实验对比结果表明 本文提出的网络不仅可以达到对二值模式及灰度图像的快速识别 的目的 而且克服了传统网络的基于梯度下降算法收敛性慢及输入新模式时需要重新调整网络结构的问 题 5. 以真实红外点目标 斑点目标图像 中远距离红外面目标图像及标准的模式库中的样本为研究对象 将基于旋转均值滤波的点目标图像预处理算法 基于能量特征的斑点目标检测算法 快速高阶神经网络学 习算法 基于多窗二值局部熵的特征提取算法 基于序贯蒙特卡罗方法的不完全形状信息的目标识别算法 以及基于遗传算法的模糊形态学神经网络应用于高性能红外目标检测 成像与识别系统平台 并开发了红 外图像目标检测及识别仿真软件 关键词 目标检测 特征提取 目标识别 红外图像序列 旋转均值滤波 高阶神经网络 多窗二值局 部熵 残缺信息 序贯Monte Carlo 方法 模糊逻