红外极小目标检测算法研究

低信噪比检测技术是实现红外自动目标识别的基本前提,其性能指标将直接决定系统探测距离的远近,是反映红外低可观测目标识别能力至关重要的一项核心技术。自适应背景估计方法是实现这一目标的有效途径。本文在重点论述几种背景估计常用技术的基础上,提出了红外极小目标的形态滤波优化改进算法,通过理论分析和实验检测表明:该算法简化了形态变换关系,优化了结构元构型,促进了滤波质量和运算速度的双向提高;保持了形态滤波算法有效保护信号特性的操作特点,并改善了它对杂波起伏不够敏感的固有缺陷,使其自适应背景感知能力更强;算法简洁紧凑,操作效率高;对复杂背景的低信噪比图像环境表现出良好的滤波性能和稳健的适应能力。

低信噪比图像目标检测技术研究——Ⅰ.数据流程与背景感知

提出了一种将背景区域感知与目标特征分析相结合的自动提取图像目标的层次化数据处理流程;探讨了线性预测估计和非线性均值滤波两种常用背景估计技术和自适应空间滤波的形态学背景感知方法。实验测评表明,形态滤波算法对背景的自适应感知能力强,能真实贴切地反映图像背景的起伏变化规律。

红外目标与环境的视景重建技术研究

研究了图像环境生成过程中红外目标特征信息提取所面临的重要技术问题,提出了自适应背景感知与对消处理、抑制背景的自动门限选取和形状分析与目标特征识别的层次化数据处理流程。基于数学形态学理论实现了图像背景感知的应用研究算法。实验测评表明,该算法对复杂变化的图像环境具有良好的滤波性能和稳健的适应能力。

低信噪比图像目标检测技术研究——Ⅱ.优化聚类与特征识别

作为自适应图像目标检测技术层次化数据处理流程的中层聚类和末端识别模块,本文对其进行了较为深入的探讨,给出了具体应用的几种实现算法。研究了保持形状特性的多结构元组合形态滤波算法,并探讨了采用外推方式挖掘残缺信号特征的应用算法。