时空非平稳强杂波抑制与微弱运动目标检测技术.pdf

摘要 层前馈BP网络模型。为了跟踪包含不同子结构的复杂背景，原始图像被划分为多 个子块，并在相应的子块中选择训练样本对结构元进行优化，提高了杂波的估计 精度。 提出了基于空时自适应分类的背景杂波快速估计与抑制方法。当图像序列中 没有摄像机运动造成的全域运动存在，或者是其全域运动被估计和补偿的相当好 时，对输入图像帧序列进行时域灰度矩学习，并据此将图像像素划分成两类：时 域静杂波和时域动杂波。前者一般是由无变化背景叠加上噪声引起的，而后者则 是因为背景的波动、变化、摄像机运动或者目标的存在造成的。对时域静杂波直 接采用时域估计并抑制，而对动杂波则通过空域自适应滤波方法进行去除。它综 合了时域滤波和空域滤波优点，既拥有时域运算的快速性，又能体现空域滤波的 准确性，强适应性和帧存少的优点。 提出了WGN模型下有利于实时实现的微弱运动目标空时集成检测系统，并进 行了详细的性能分析。主要思想是：根据先验信息或经验尽量在空域(单帧)上 集成目标能量，改善信噪比，从而通过单帧图像的二值化处理获得足够的目标检 测概率和虚警概率。然后利用相邻多帧上目标运动的时间连续性在时域上进一步 集成目标能量从而获得检测结果。对于空域集成检测，主要分析了线性和非线性 合并方式的检测性能，而对于时域集成检测，则着重对三维轨迹集成和时域投影 集成两种方式的性能进行了讨论和分析。 上述各个技术研究点均进行了相应的实验，并获得了较好的结果。总之，本 论文有相应的课题支持，具有广泛的应用前景，对于图像序列中微弱目标检测与 跟踪等图像处理，信号检测与估计等领域都具有一定的指导性意义和参考价值。 关键词：背景杂波抑制，微弱运动目标， 局域信杂比，准平稳子域划分，形态神 经网络，空时自适应杂波分类， 空时集成检测 Ⅱ ABSTRACT ABSTRACT inmoreandmorefieldshave a deal n地widespreadapplications great generated interests and dimsmall with clutter of for heavy detectingtracking movingtargets in interference theinterestedaresosmall images烈lu∞c鹤．Because targets inherently, and immersedin is di璇culttodetectandtrack usually strongback鲫mdclutter,itvery them．Andthisdissertationconcentratesinthetwo of key tcchBologieSback粤咖d clutter and detectioninadditive image suppressiontargets quasi-WGN． the of dimsmall in paperproposessystemdetecting Firsdy,this