复杂环境下弱小目标检测与识别技术研究.docxVIP

复杂环境下弱小目标检测与识别技术研究 图 4.1 状态转移范围图 37 图 4.2 递归流水管道处理方式的结构 39 图 4.3 3×3 的D ( xk ?1 ) 角度定义图 40 图 4.4 SSDP 递推形式程序流程图 41 图 4.5 轨迹预测-匹配算法流程图 42 图 4.6 关联初始轨迹流程图 43 图 4.7 5×5 范围搜索目标搜索路径 46 图 4.8 无噪声背景下能量扩散示意图 47 图 4.9 含高斯噪声背景下能量扩散示意图 47 图 4.10 阈值分割效果示意图 49 图 4.11 实验轨迹 50 图 4.12 基于状态稳定的 TBD 算法检测弱小目标结果 51 图 5.1 多传感器数据融合结构图 58 图 5.2 用于多传感器目标融合识别的分布式串行结构 58 图 5.3 目标识别流程图 61 图 6.1 程序操作主界面 68 图 6.2 图像预处理页 68 图 6.3 背景抑制算法页 68 图 6.4 目标分离页 68 图 6.5 运行结果界面图 69 图 6.6 软件结构图 70 viii 南京航空航天大学硕士学位论文 表清单 表 2.1 目标主要检测与识别依据统计表 13 表 3.1 基于小波变换和信息融合的弱小目标检测主要参数表 32 表 3.2 基于小波形态学的弱小目标检测主要参数表 34 表 3.3 多种方法检测结果比较 35 表 4.1 能量累积后目标的信噪比变化 48 表 4.2 不同的检测概率下虚警点数 49 表 4.3 轨迹匹配实验结果 50 表 5.1 速度证据的基本概率分配 61 表 5.2 轨迹离散度证据的基本概率分配 61 表 5.3 双波段的平均灰度比之比证据的基本概率分配 62 表 5.4 轨迹角度差证据的基本概率分配 62 表 5.5 传感器速度、轨迹离散度检测结果 62 表 5.6 第一次分类融合、判决结果 62 表 5.7 传感器对目标 2、3、4 的灰度、角度差检测结果 63 表 5.8 第二次分类融合、判决结果 63 表 6.1 弱小目标检测与识别软件图像显示表 66 表 6.2 弱小目标检测与识别软件文字显示表 66 ix 承 诺 书 本人郑重声明：所呈交的学位论文，是本人在导师指导下，独立进行研究工作所取得的成果。尽我所知，除文中已经注明引用的内容外，本学位论文的研究成果不包含任何他人享有著作权的内容。对本论文所涉及的研究工作做出贡献的其他个人和集体，均已在文中以明确方式标明。 本人授权南京航空航天大学可以有权保留送交论文的复印件，允许论文被查阅和借阅,可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或其他复制手段保存论文。 (保密的学位论文在解密后适用本承诺书) 作者签名： 日 期： 南京航空航天大学硕士学位论文 第一章 绪论 1.1 研究目的和意义 从海湾战争、科索沃战争到伊拉克之战，充分显示出了现代战争的高科技特性，国际军事的较量就是高科技的较量。利用信息技术，凭借高科技优势取胜，已为各国所清醒地认识。欲使各种高精尖武器在战场上充分发挥作用，必须使其具有高可靠性高精度的自动目标识别系统。1999 年，北约战斗机对南联盟一个地面雷达目标发射了大约 100 枚“哈姆”，由于“哈姆”导弹不具有目标识别能力，没能将其摧毁。2003 年 3 月 22 日，配有先进自动目标识别系统的美国“捕食者”无人机用“海尔法”反坦克导弹攻击伊拉克的一个自行高炮阵地取得成功。高精度的自动目标识别系统是提高攻击性武器自主精确打击能力的重要保障。 自动目标识别(Automatic Target Recognition，ATR)系统的主要任务是对静止和运动目标进行检测、成像与识别。美国在自动目标识别系统研制方面处于世界领先水平，特别是在海湾战争结束后，美国开始投巨资研制新一代自动目标识别系统，并对载人系统 U-2 和 Joint Stars 进行了改装，其主要目的是提高对地面目标的检测、成像和识别能力。美国在 1998 年就已将自动目标识别技术纳入美国军事装备技术研究计划之中，1999 年美国国际预测机构防务分析部在科索沃危机总结报告中把目标辨认列为未来战斗机的标准电子设备，由此可见自动目标识别在未来战争中的作用。 弱小目标的检测技术是目标自动检测系统中的核心技术之一。在现代化的高科技战争中，要求武器系统具备快的反应时间、远的发现距离。当距离较远时，这些目标在焦平面上成像的面积很小，一般不超过探测器像元的大小。目标在图像中呈现为点状，且信噪比极低，目标被噪声所淹没，给目标检测带来了极大的困难。十几年来，弱小目标的检测问题一直是光学和红外图像领域的研究热点。国际光学工程学会组织每年举行一次“弱小目标的信号与数据处理 (Signal and Data Proces