基于字典学习的弱小目标检测研究(2)

菜单

2.1基于形态学滤波的背景抑制7

2.1.1结构元素7

2.1.2腐蚀7

2.1.3膨胀7

2.1.4开运算8

2.2基于字典学习与重构的背景抑制方法8

2.2.1字典结构9

2.2.2稀疏矩阵编码方法9

2.2.3字典学习11

2.3基于直方图的目标提取12

2.3.1背景图像的融合12

2.3.2利用直方图进行阈值分割12

3实验过程15

3.1实验环境及数据集简介15

3.1.1实验环境15

3.1.2数据集来源及分析15

3.1.3弱小目标生成叠加算法16

3.1.4字典学习使用样例18

3.2实验结果分析20

3.2.1实验结果20

3.2.2定量分析24

4不足与展望25

4.1实验存在不足之处25

4.2今后发展方向25

结论30

致谢31

参考文献32

1 绪论近年来，红外小目标检测的技术在红外成像技术的研究中有着重要的应用和发展，但是由于红外目标所占用的像素很少，并且经常埋没在复杂的背景中，所以研究弱小目标的检测有一定的挑战性。本文将会提出一个基于字典学习的弱小目标检测方法，并且针对真实的红外图像进行检测以验证程序的可靠性。在阐述这些方法之前，首先对本研究方向进行研究背景的介绍和一些基本知识的概述。
1.1 弱小目标检测方法研究背景及意义经过了两次世界大战的洗礼和发展，人们在信息的传递和接受的过程中开始借鉴和参考其他生物的优势，其中红外成像就是人模仿蛇类视觉的一个先进技术。这一技术利用光电信息转换技术来检测热辐射的红外线内的特定的波段，并将其转换成了可以进行分析的图像。经过了人们无数次的实验和验证后，这一技术已应用在了诸如导弹追踪系统、单兵夜间瞄准仪等军用领域，火灾智能监控识别系统、机场体温检测器等民用领域当中。现有的成像技术有很多，包含雷达成像、激光成像和可见光电视成像还有上文提到的红外成像等。红外成像依靠的是目标自身的热辐射工作原理和人类已知的红外光的特征规律，它比其他成像技术具有分辨率较高，气候适应能力强，能在夜间和低能见度下使用等优点。依靠着这些优点，红外成像技术在军事领域中的作用在冷战时期开始显现出来，并被加大力度的研究和利用，尤其是在远距离导弹防御、单兵夜视装备和红外成像制导方面。在经济因素成为现代战争的主要限制的今天，精确打击是各国军队现代化建设的着力点。美国陆航部队前期使用的GPNVG-18地面全景夜视系统于波斯湾战争和阿富汗战争中装备给 A-10飞行员，因这一款夜视仪可以做到视角 120度，几乎无视觉死角，其帮助飞行员取得了良好的对地攻击战绩。科索沃战争期间，北约甚至没有与南斯拉夫联盟武装有近距离冲突，依靠防区外的精确制导武器直接攻击预定目标，完成各种战争任务。
2015年7 月，美国国会宣布将在下一财年把第三代增强型夜视仪 ENVG Ⅲ装备到全美国陆军。这种利用红外成像技术的夜视仪可以实现影像的合并和校准，使士兵在夜间能看清敌人的距离提升到 1000米以外，并且允许士兵直接向身后目标开枪而不用回头。进入超视距打击的时代，红外成像制导系统就开始了快速的发展。经历了第一代的单点红外探测器或线列红外探测器和第二代系统使用的焦平面红外探测器，现有的红外成像系统的空间分辨率和灵敏度都非常的高，并应用在了拦截目标上。通过分析在导弹战斗部前加装的红外成像系统返回的实时红外图像，得出目标的弹道或位置进行制导是空空导弹的普遍模式。利用焦平面阵列的信号处理系统，导弹的瞬时视野将宽阔许多，不仅不会失误的锁定其他发热目标，还能分辨出多个目标或者是热焰弹、干扰丝等红外对抗的措施。传统的干扰措施在红外制导系统的发展下几乎对新一代的空空导弹已经没有什么干扰效果，空空导弹的猎杀率也由此大幅度提高。以 AIM-120中程空空导弹为例，经过实战验证，其猎杀率能达到惊人的85%。在上述举例中，我们发现红外成像技术的很多军事应用领域中都有目标检测这个过程，研究红外图像中的目标检测方法是提高红外成像技术应用质量的一个关键。其中，弱小目标是研究目标检测的一个重点，因为弱小目标一般亮度较低，并与其周围背景像素灰度值较为接近，即“弱”[12]。并且像素点少，在所得红外图像上很有可能只占十几个甚至是几个像素点，即“小”[12]。这两个特点主要是因为红外图像大都是通过红外设备在很远的距离上拍摄得到的。同时，红外弱小目标本身可能没有固定的形状和特征，只有人类推测得到轨迹信息来区分弱小目标和噪声。加之背景复杂，目标移动速度快等因素，弱小目标很容易就被淹没在淹没在背景之中，使之很难被高效的探测到。以拦截导弹头部辅助红外传感器传回的图像为例，因为其探测距离远，探测背景复杂，拦截目标小，究竟如何从传回的图像中检测出拦截目标就成了重点。红外目标图像一般可以被认为由背景图像，目标图像和噪声干扰三个部分组成[13]。一般的红外弱小目标的检测技术处理算法基本能对处于复杂背景和有噪声环境的目标进行自动的检测，但是这个算法的性能还是依赖于成像的距离和智能化的程度[14]。目前，红外弱小目标检测系统的重要性已经被人们所熟知并且加以研究利用，虽然并不完美，但是很多算法依然应用于了诸多的军事领域如红外追踪、航母预警、导弹拦截等。但是受制于硬件系统的性能和容量，现有的弱小目标检测系统并不能非常完美的寻找出弱小目标。硬件系统对于弱小目标检测非常重要，如果能够提供极快的运算速度和大的存储量，很多方法都能够减少虚警率，直接把目标检测出来。但是以现有的硬件技术，做到以上目标很困难。随着物理学所带动的计算机硬件的发展，应用数学带动着数学数字图像技术的发展，在弱小目标检测的理论和技术都会有着长足的进步。基于这些现实状况，我通过本次的毕业设计，首先对弱小目标检测的现有方法进行初步学习，并且利用字典学习的技术，进行背景抑制。在目标检测的方面，将这几个方法融合起来，提高弱小目标检测的准确率，并尽量提高运算的速度。