第六章红外小目标检测
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
具体步骤 步骤一 第一层以每m帧统计表决一次，如果在m次检测中某固定位置或者邻
域中性质相似的区域连续出现n次，则该区域就纳入预选目标，并将其位 置、面积、圆形性特征的均值记录为检测结果；否则该次实验失败。有 时候，特征相似的区域出现不知一个，则通过特征相似性之差来判断最 相似的区域的取舍。如果某区域在前几帧没有出现，则第一次出现后将 其纳入监测范围 步骤二 在第一层监测结果的基础上实施第二层，以每m个监测结果的均值作 为小目标的位置输出，起邻域位置即为小目标。 步骤三 将第二层检测结果的均值作为小目标的位置输出，起邻域位置即为 小目标。
? 针对粒子滤波采样效率低，计算量大的 问题，在第8章中提出了一种基于粒子群 优化的辅助粒子滤波跟踪方法。
? 红外面目标 点目标随着弹目距离变小而成为面目标。图
像分辨率、对比度、图像信噪比提高。可以采 用给予分割的方法进行检测。主要方法包括红 外图像二维熵分割算法、基于改进 C-V模型的 分割方法及基于时空联合的红外目标模糊聚类 提取方法。 ? 第9章利用均值漂移理论对红外目标进行准确 跟踪。并提出了一种前视红外目标的鲁棒分层 跟踪方法，将均值漂移算法与特征匹配方法相 结合，利用特征匹配对目标坐标进行修正来实 现目标的实时跟踪。此外还提出了核带宽自动 更新的改进均值漂移算法，对红外成像制导跟 踪过程中不断增大尺寸的目标进行有效跟踪。
以上算法中，m一般取值为4、5、6；n相应的取值为2、3、4。
6.3 基于背景抑制和管道滤波的红 外运动小目标检测
远距离摄取的红外图像可以被认为是目标图像、背景图像、 噪声图像3个分量组成的。目标图像为灰度奇异点，唯一 可供利用的是目标的强度信息（在红外图像中体现为灰度 特征）。检测思路一般为：对单帧图像尽可能的抑制背景 和噪声；或者充分利用序列图像单帧间相关性和小目标运 动的连续性排除虚假目标。
wk.baidu.com??
( xk , yk ) ? ( x, y)
? ? R
?
1 k
k?1 k?0
? ??
( xk
,
yk
)
?
??
( x, y)
?
2
?
R
? ??
当R趋向于原型是，特征量C是单增趋向无穷的，它不受区域
评议、旋转和尺度变化的影响。
6.2.2 分层特征统计表决的小目标提取
即在下一帧图像中寻找与上一阵特征相似的区域，在某一固定位置或邻域附 近，相似区域越多，特征量越相似，是目标的可能性越大。
6.21 特征提取
表示特征的量很多，在此讨论以下几个
(1).区域面积
对于区域R来说，设像素为边长是单位长的正方形，其面积A的计算
? 为 A ? 1 ，可见计算区域面积就是对属于区域的像素计数。
( x, y)? R
(2).区域位置
用区域重心表示区域的位置，区域重心是一种全局描述符，其坐标根据
所欲属于区域的点计算。计算如下
目标跟踪
? 定义：通过对传感器拍摄到的图像序列的 分析，从复杂的诶经中检测和辨认出运动 目标，计算出目标在每帧图像上的位置， 预测目标运动的规律，给出目标运动速度 的顾忌，实现对目标的准确且连续的跟踪
? 红外小目标检测
目标小，可能仅为几个到几时个像素， 市场中表现为孤点或斑点，一般用单帧 图像进行检测。方法包括基于统计特征 表决、基于数学形态滤波的背景抑制和 管道滤波的红外小目标检测。
第三篇 红外目标识别与跟踪
? 红外小目标检测 ? 红外面目标检测 ? 基于粒子滤波的红外目标跟踪 ? 基于均值漂移的红外目标跟踪
目标识别
定义：目标识别是利用雷达等传感器和计算机， 对遥远目标所处的环境、目标类别、目标类型 及目标敌我属性等进行辨认的技术。
基本原理：利用雷达回拨中的幅度相位、频谱和 机化等目标特征信息，通过数学上的各种多维 空间变换来估算目标的大小形状重量和表面层 的物理特性参数，并根据大量的训练样本所确 定的鉴别参数，在分类器中进行识别判决 。
第六章 红外小目标检测
6.1 红外小目标检测方法
目标检测是指从图像序列中寻找并提取出目标的过 程，是跟踪的基础。由于整个跟踪过程是从小目标 到面目标再到大目标连续的跟踪，所以小目标的检 测性能好坏直接决定末制导系统的有效作用距离及 设备的复杂程度。 在面目标阶段，目标还不是很稳定，可能出现目标 丢失，此时需要重新开始检测程序 此外，实际运动中热辐射相当复杂，因此，单帧的 目标检测十分脆弱，所以必须结合目标的运动特征 和帧间的相关性实现目标的检测锁定和跟踪。 现在的红外目标检测方向主要有两个发展方向 DBT(先检测后跟踪)和DBT(先跟踪后检测)。
目前主要方法: (1).三维匹配滤波器方法 (2).动态规划方法 (3).多级假设检验方法 (4).高阶相关方法
6.2 基于特征统计表决的小目标检测
军事小目标在成像的时候在帧间具有连续性和相关性，而噪声因其随机性 则不具备上述特点。因此，可通过对连续帧间候选目标(区域)的特征分析， 提取出真正的目标。
6.1.1 TBD方法 (detect before track)
先根据目标像素的强度检测出图像中的运动物体，然后对 其实施跟踪，在跟踪过程中不断修正检测结果，以实现更精 确的目标运动信息。
预处理(背景抑制)—判决(是否为潜在目标点)—表决(形 成二次决策)—输出
目前研究出的主要方法: (1).阈值分割方法。最大类间方差法、最大阈值法、最小误差
法 (2).基于像素分析方法。对图像进行差分、光流法 (3).数学形态方法。腐蚀、膨胀、开运算、闭运算 (4).小波变换方法。 (5).基于神经网络和遗传算法的方法
6.1.2 TBD方法 (track before detect)
在三维空间中对可能的目标轨迹进行跟踪，对每条跟踪 的轨迹计算其后验概率函数，若结果超过某一门限，则认 定该轨迹代表某一目标，然后对已标记了目标的帧进行空 间局部处理，判断是否为真实目标。
? ? 1
x?
x
A ( x, y)? R
? ? 1
y?
y
A (x, y)? R
区域重心坐标常不为整数
(3).区域圆形性
圆形性C是是对一个区域R所有边界点定义的特征
量：C
?
? ?
R R
，其中
?
R
为区域重心到边界点的平均距离，
? R为区域重心到边界点的距离的均方差，且
? ? R
?
1 k?1 k k?0
域中性质相似的区域连续出现n次，则该区域就纳入预选目标，并将其位 置、面积、圆形性特征的均值记录为检测结果；否则该次实验失败。有 时候，特征相似的区域出现不知一个，则通过特征相似性之差来判断最 相似的区域的取舍。如果某区域在前几帧没有出现，则第一次出现后将 其纳入监测范围 步骤二 在第一层监测结果的基础上实施第二层，以每m个监测结果的均值作 为小目标的位置输出，起邻域位置即为小目标。 步骤三 将第二层检测结果的均值作为小目标的位置输出，起邻域位置即为 小目标。
? 针对粒子滤波采样效率低，计算量大的 问题，在第8章中提出了一种基于粒子群 优化的辅助粒子滤波跟踪方法。
? 红外面目标 点目标随着弹目距离变小而成为面目标。图
像分辨率、对比度、图像信噪比提高。可以采 用给予分割的方法进行检测。主要方法包括红 外图像二维熵分割算法、基于改进 C-V模型的 分割方法及基于时空联合的红外目标模糊聚类 提取方法。 ? 第9章利用均值漂移理论对红外目标进行准确 跟踪。并提出了一种前视红外目标的鲁棒分层 跟踪方法，将均值漂移算法与特征匹配方法相 结合，利用特征匹配对目标坐标进行修正来实 现目标的实时跟踪。此外还提出了核带宽自动 更新的改进均值漂移算法，对红外成像制导跟 踪过程中不断增大尺寸的目标进行有效跟踪。
以上算法中，m一般取值为4、5、6；n相应的取值为2、3、4。
6.3 基于背景抑制和管道滤波的红 外运动小目标检测
远距离摄取的红外图像可以被认为是目标图像、背景图像、 噪声图像3个分量组成的。目标图像为灰度奇异点，唯一 可供利用的是目标的强度信息（在红外图像中体现为灰度 特征）。检测思路一般为：对单帧图像尽可能的抑制背景 和噪声；或者充分利用序列图像单帧间相关性和小目标运 动的连续性排除虚假目标。
wk.baidu.com??
( xk , yk ) ? ( x, y)
? ? R
?
1 k
k?1 k?0
? ??
( xk
,
yk
)
?
??
( x, y)
?
2
?
R
? ??
当R趋向于原型是，特征量C是单增趋向无穷的，它不受区域
评议、旋转和尺度变化的影响。
6.2.2 分层特征统计表决的小目标提取
即在下一帧图像中寻找与上一阵特征相似的区域，在某一固定位置或邻域附 近，相似区域越多，特征量越相似，是目标的可能性越大。
6.21 特征提取
表示特征的量很多，在此讨论以下几个
(1).区域面积
对于区域R来说，设像素为边长是单位长的正方形，其面积A的计算
? 为 A ? 1 ，可见计算区域面积就是对属于区域的像素计数。
( x, y)? R
(2).区域位置
用区域重心表示区域的位置，区域重心是一种全局描述符，其坐标根据
所欲属于区域的点计算。计算如下
目标跟踪
? 定义：通过对传感器拍摄到的图像序列的 分析，从复杂的诶经中检测和辨认出运动 目标，计算出目标在每帧图像上的位置， 预测目标运动的规律，给出目标运动速度 的顾忌，实现对目标的准确且连续的跟踪
? 红外小目标检测
目标小，可能仅为几个到几时个像素， 市场中表现为孤点或斑点，一般用单帧 图像进行检测。方法包括基于统计特征 表决、基于数学形态滤波的背景抑制和 管道滤波的红外小目标检测。
第三篇 红外目标识别与跟踪
? 红外小目标检测 ? 红外面目标检测 ? 基于粒子滤波的红外目标跟踪 ? 基于均值漂移的红外目标跟踪
目标识别
定义：目标识别是利用雷达等传感器和计算机， 对遥远目标所处的环境、目标类别、目标类型 及目标敌我属性等进行辨认的技术。
基本原理：利用雷达回拨中的幅度相位、频谱和 机化等目标特征信息，通过数学上的各种多维 空间变换来估算目标的大小形状重量和表面层 的物理特性参数，并根据大量的训练样本所确 定的鉴别参数，在分类器中进行识别判决 。
第六章 红外小目标检测
6.1 红外小目标检测方法
目标检测是指从图像序列中寻找并提取出目标的过 程，是跟踪的基础。由于整个跟踪过程是从小目标 到面目标再到大目标连续的跟踪，所以小目标的检 测性能好坏直接决定末制导系统的有效作用距离及 设备的复杂程度。 在面目标阶段，目标还不是很稳定，可能出现目标 丢失，此时需要重新开始检测程序 此外，实际运动中热辐射相当复杂，因此，单帧的 目标检测十分脆弱，所以必须结合目标的运动特征 和帧间的相关性实现目标的检测锁定和跟踪。 现在的红外目标检测方向主要有两个发展方向 DBT(先检测后跟踪)和DBT(先跟踪后检测)。
目前主要方法: (1).三维匹配滤波器方法 (2).动态规划方法 (3).多级假设检验方法 (4).高阶相关方法
6.2 基于特征统计表决的小目标检测
军事小目标在成像的时候在帧间具有连续性和相关性，而噪声因其随机性 则不具备上述特点。因此，可通过对连续帧间候选目标(区域)的特征分析， 提取出真正的目标。
6.1.1 TBD方法 (detect before track)
先根据目标像素的强度检测出图像中的运动物体，然后对 其实施跟踪，在跟踪过程中不断修正检测结果，以实现更精 确的目标运动信息。
预处理(背景抑制)—判决(是否为潜在目标点)—表决(形 成二次决策)—输出
目前研究出的主要方法: (1).阈值分割方法。最大类间方差法、最大阈值法、最小误差
法 (2).基于像素分析方法。对图像进行差分、光流法 (3).数学形态方法。腐蚀、膨胀、开运算、闭运算 (4).小波变换方法。 (5).基于神经网络和遗传算法的方法
6.1.2 TBD方法 (track before detect)
在三维空间中对可能的目标轨迹进行跟踪，对每条跟踪 的轨迹计算其后验概率函数，若结果超过某一门限，则认 定该轨迹代表某一目标，然后对已标记了目标的帧进行空 间局部处理，判断是否为真实目标。
? ? 1
x?
x
A ( x, y)? R
? ? 1
y?
y
A (x, y)? R
区域重心坐标常不为整数
(3).区域圆形性
圆形性C是是对一个区域R所有边界点定义的特征
量：C
?
? ?
R R
，其中
?
R
为区域重心到边界点的平均距离，
? R为区域重心到边界点的距离的均方差，且
? ? R
?
1 k?1 k k?0