复杂环境中红外亚图像动目标识别跟踪

本文分析了红外玫瑰线扫描亚成像制导的成像空间分布函数,提出一种基于神经网络特性的加权图像差分动目标检测模型。应用目标与干扰特征的统计特性,采用边跟踪边识别方法识别真假目标,从而精确跟踪。最后给出了仿真结果。

红外双色亚图像自适应识别跟踪

该文研究了红外辐射与双色辐射比,论述了红外双色亚成像的优点。对空域模糊,低信噪比的红外双色亚图像,提出了适应性强的子块灰度迭代分割二值化算法,并研究了空域模糊分割与特征参数识别。还研究了末制导初始阶段亚图像多帧积累探测和初始牵引,实现低虚、漏警率目标检测。最后研究了目标牵引到视场中心后,逐帧识别与自适应运动补偿锁定跟踪。实验表明,红外双色亚成像识别跟踪适用于静止、慢速和快速红外目标的末制导跟踪。

一种基于自适应阈值的图像分割算法

为提高目标检测概率,针对复杂的地面目标红外亚图像,提出了一种以最大类间方差法为基础的自适应阈值图像分割方法.用分割出的目标和背景区域的灰度统计量,设计了一个判断是否得到正确分割的准则.理论分析和实验结果表明,对于复杂背景下低对比度、低信噪比的地面目标,不论目标在图像中所占面积大小,利用该方法均可得到正确的分割结果.通过设置阈值运算的灰度取值范围,可大大减少计算量,节省处理时间.