| 【中文题名】 | 红外小目标图像的检测和跟踪技术研究 |
| 【英文题名】 | Study on Detection and Tracking of Small Target in Infrared Imagery |
| 【学科专业】 | 信息与信号处理 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-10-24 |
| 【中关键词】 | 红外目标,边缘检测,形心定位,自动跟踪,Kalman预测,Mean |
| 【英关键词】 | infrared target,edge detection,center locating,auto-tracking,Kalman pre- dictor,Mean Shift, |
| 【分类导航】 | 工业技术>无线电电子学、电信技术>光电子技术、激光技术>一般性问题>红外技术及仪器>红外探测、红外探测器 |
| 【论文摘要】 |
红外运动目标(特别是红外小目标)图像的检测和跟踪是实现红外侦察预警的关键技术之一。红外图像成像的特点,决定了红外图像处理有别于可见光图像处理。在实际的武器系统中,对于复杂背景下的远距离运动小目标,所获得的红外图像一般具有形状特征变化较大、细节特征部分丢失、信噪比低等特点,这就进一步增加了红外目标检测和跟踪的难度。
本文根据武器装备预研课题《红外目标探测搜索与跟踪》的研制要求及红外目标图像的特点,分别研究了红外图像预处理、目标检测和目标跟踪的相关算法,给出了红外目标检测与跟踪的实现方案。在对性能较好的滤波降噪及目标边缘检测方法进行性能对比的基础上,采用结合小波降噪的Canny边缘检测算法,获得了较好的红外小目标检测效果。在红外目标跟踪方面,针对Mean Shift算法在目标遮挡、背景灰度骤变和感应器相对于背景和目标的不稳定快速运动情况下,容易丢失目标且不能恢复跟踪等缺陷,对算法进行了相应的改进和完善。首先,利用目标检测形心定位,实现了Mean Shift算法的自动初始化;其次在目标描述上,采用核函数级联的描述方式,使得目标在灰度变化等情况下跟踪更为稳定,同时引入相似性度量函数判断跟踪是否发生偏... |
| 【论文题纲】 |
|
摘要 |
3-4 |
|
ABSTRACT |
4-8 |
|
第一章 绪论 |
8-14 |
|
1.1 研究背景及意义 |
8 |
|
1.2 红外目标检测跟踪的研究现状 |
8-12 |
|
1.2.1 红外图像预处理 |
9 |
|
1.2.2 红外目标检测 |
9-11 |
|
1.2.3 红外目标跟踪 |
11-12 |
|
1.3 关键技术和主要工作 |
12-14 |
|
第二章 红外图像处理的特点与流程 |
14-18 |
|
2.1 红外成像原理 |
14-16 |
|
2.2 目标红外辐射特性及成像特点 |
16-17 |
|
2.3 红外目标检测跟踪流程 |
17-18 |
|
第三章 红外图像预处理 |
18-27 |
|
3.1 引言 |
18 |
|
3.2 灰度修改 |
18-19 |
|
3.2.1 灰度变换 |
18-19 |
|
3.2.2 直方图均衡 |
19 |
|
3.3 滤波降噪 |
19-26 |
|
3.3.1 高斯平滑滤波 |
20-21 |
|
3.3.2 中值减法滤波 |
21 |
|
3.3.3 Butterworth 高通滤波 |
21-22 |
|
3.3.4 小波消噪 |
22-24 |
|
3.3.5 实验结果与分析 |
24-26 |
|
3.4 本章小结 |
26-27 |
|
第四章 红外目标检测 |
27-42 |
|
4.1 引言 |
27 |
|
4.2 数学形态学 |
27-28 |
|
4.3 模糊 C-均值聚类检测 |
28-29 |
|
4.4 边缘检测 |
29-37 |
|
4.4.1 梯度算子 |
29-31 |
|
4.4.2 高斯型拉普拉斯算子 |
31-32 |
|
4.4.3 Susan 算法 |
32-33 |
|
4.4.4 Canny 算法 |
33-35 |
|
4.4.5 实验结果与分析 |
35-37 |
|
4.5 基于小波消噪的 CANNY边缘检测方法 |
37-41 |
|
4.5.1 小波函数的选取 |
38-39 |
|
4.5.2 实验与结果分析 |
39-41 |
|
4.6 本章小结 |
41-42 |
|
第五章 红外目标跟踪 |
42-61 |
|
5.1 引言 |
42 |
|
5.2 粒子滤波跟踪方法 |
42-45 |
|
5.3 MEAN SHIFT跟踪方法 |
45-53 |
|
5.3.1 Mean Shift 理论 |
45-49 |
|
5.3.2 Mean Shift 目标跟踪 |
49-51 |
|
5.3.3 实验结果与分析 |
51-53 |
|
5.4 基于 MEAN SHIFT 算法的红外目标自动检测跟踪方法 |
53-60 |
|
5.4.1 形心定位 |
54-55 |
|
5.4.2 Mean Shift 算法改进 |
55-56 |
|
5.4.3 Kalman 预测起始点 |
56-57 |
|
5.4.4 方法实现及流程设计 |
57-59 |
|
5.4.5 实验结果与分析 |
59-60 |
|
5.5 本章小结 |
60-61 |
|
第六章 总结与展望 |
61-62 |
|
6.1 工作及成果总结 |
61 |
|
6.2 今后研究方向 |
61-62 |
|
致谢 |
62-63 |
|
参考文献 |
63-68 |
|
攻读硕士学位期间发表的论文和参与项目经历 |
68 |
|
| 【DOI】 | LunWen.ID:2.2008.350985 |
