红外图像的目标检测与识别技术研究学号：姓名：指导老师：摘 要低信噪比红外图像中目标的检测与识别技术是增加制导武器系统作用距离，加强系统防御能力的关键技术之一。本文研究了红外序列图像中目标的检测与识别技术，主要包括图像预处理、目标检测、目标识别。本文首先分析了红外图像的特点，简要介绍了图像增强的一些方法。然后综合考虑系统的快速性及后续处理的需要，提出一种新的红外图像预处理方法。该算法充分利用红外图像中噪声的随机性和目标运动的相关性的特点，采用灰度对比值分割出潜在目标图像区域，再对潜在目标区域进行图像增强。本文遵从最简单的DBT(先检测后跟踪)检测算法的设计思路，提出了一种基于帧间相关光流法的红外目标检测方法。实现了红外图像预处理与目标检测任务在一个完整的框架下的统一，实验结果证明了提出的目标检测方法兼顾了快速性和稳健性。在分析红外目标图像的基本特征和不变性特征及典型的红外目标识别方法后，针对红外图像的特点提出了一组新的特征量，并结合局部最亮点轮廓线的不变矩对红外目标进行了分类识别。 关键词: 红外图像，目标检测，识别技术ABSTRACTThe low signal-to-noise ratio in infrared image target detection and recognition technology is one of the key technologies that increase the distance of the role of guided weapons systems, system defense capabilities. This paper studies the infrared image sequences in target detection and recognition technologies, including image preprocessing, target detection, target recognition. This paper first analyzes the characteristics of the infrared image, a brief introduction to some methods of image enhancement. And considering the need of fast and follow-up treatment, raised a new infrared image pre-processing methods. This algorithm takes advantage of the characteristics of the random noise in the infrared image and the correlation of the target motion, using the gradation ratio divided potential target image region, then the potential target area for image enhancement. Design ideas in this article comply with the most simple of the dbt (after the first detection, tracking) detection algorithm, proposed an inter-frame correlation-based optical flow method of infrared target detection method. Infrared image pre-processing and target detection task in the framework of a complete unified, experimental results show that the proposed target detection method both fast and robust. In the analysis of the basic features of the infrared target image and the invariant feature and typical infrared target recognition method for infrared image characteristics of a set amount of new features, combined with local highlight of the contour of the moment invariants of infrared target the classification.Keywords: infrared image, target detection, identification technologyII目 录摘 要IABSTRACTII1 绪 论11.1 研究背景和意义11.2 国内外研究现状及发展趋势11.3 本论文的主要工作32 红外图像的产生及特征42.1 红外图像的产生机理及特点42.2 红外图像直方图62.2.1 直方图的定义及特点72.2.2 红外图像直方图82.3 红外图像的对比度及分辨率92.4 红外图像的噪声分析93 红外目标检测技术103.1 红外序列图像运动目标检测的基本方法103.1.1连续帧间差分法103.1.2背景差分法113.1.3光流法123.2针对红外序列图像中运动小目标的检测算法143.2.1利用运动特征检测红外弱小目标的方法143.2.2基于移动式管道滤波的小目标检测方法143.2.3基于帧间相关性的红外序列图像弱小目标的检测方法153.3红外弱小目标检测技术153.4基于帧间相关光流法的红外目标检测方法174. 红外图像识别技术研究194.1红外图像目标识别的研究现状及发展趋势194.2红外目标特征与分析204.2.1 图像识别系统224.3 模式特征识别244.3.1 不变量方法254.3.2 拓扑法识别264.4相关匹配法274.4.1相关匹配跟踪算法274.4.2特征匹配跟踪算法284.5 命中点选择研究284.6 决策函数295. 基于胡氏不变矩与几何特征的红外目标识别315.1 目标识别的概述315.2 图像特征提取325.2.1 胡氏不变矩335.2.2 几何特征335.3 基于胡氏不变矩与几何特征的红外目标识别345.4 实验结果及分析356.总结与展望376.1 总结376.2 展望38参考文献39致谢41II1 绪 论1.1 研究背景和意义 红外热成像系统不仅能透过烟、尘、雾等障碍来探测目标，实现昼夜连续被动探测，而且可以观察目标细节，进一步识别、精确定位及跟踪目标。红外成像设备具有隐蔽性好，探测能力强，作用距离远等优点。利用红外热成像实现目标检测识别是现代光电子技术领域的重要组成部分，在各个领域得到广泛应用。军事上用来侦察、跟踪和监视空中的飞机、导弹，海洋中的军舰，甚至行动着的部队。人们日常生活中用于交通管理、重要场所监视、运输工具违章行为监督等;医学上对生物组织运动分析等。噪、校正、数据压缩、图像增强与补偿等，以改善图像质量，减少后续运算量。目标检测主要是根据目标和噪声模型，基于实时图像的统计均值方差等，计算出图像的分割闭值，将闽值以上的信号点作为可能目标保留，再通过序列图像的检测，进一步确定目标。目标识别是从目标特征中挑选若干有用的特征来做进一步运算，通常用统计识别法，也有采用神经网络等算法，根据目标形状特征、灰度特征及运动特征判定识别目标。跟踪处理器完成有关跟踪模式、跟踪状态估计及滤波预测等运算，输出目标与系统光轴的角偏差。伺服机构把目标误差信号变成控制信号，使光轴始终指向目标，实施对目标的跟踪。图像信号的处理是整个智能目标跟踪系统的关键，能够快速准确的从红外序列图像中检测识别出目标，对后续的动作有很重大的意义。1.2 国内外研究现状及发展趋势 在实际应用中，红外目标检测识别研究主要涉及到以下几个方面:红外图像预处理、红外目标检测、对象识别等。下面就这三个主要步骤对国内外研究现状做一个简单介绍。红外图像预处理与可见光成像器件不同，红外成像器件存在光敏元响应的非均匀性，有时个别光敏元还可能是哑元。因此，红外成像系统不能简单地认为是一个线性空间不变系统。通过红外成像器件获得的红外图像是一个由真实场景图像、成像噪声和成像干扰组成的集合。因此红外成像预处理技术又可称为是一种背景抑制技术，通过图像的预处理操作，抑制复杂背景和杂波干扰，从而提高处理后图像的信噪比。对于一般较为平缓的背景来说，红外目标的局部辐射强度远远大于背景杂波的辐射强度，所以，高通滤波方法是很容易想到红外图像处理方法。空域高通滤波模板有着实时性和方法简便易实现等优势，在实际应用中得到广泛认可川。随着硬件技术的发展，一些快速处理器(如DsP、FPGA等)陆续出现并被广泛应用到图像处理中印，这使得更加复杂的算法得以实现。通过对原始红外图像实施小波变换，甚至再求取小波模极大值，使图像的信噪比得到很大提高闭。自适应频率高通滤波器是一种有效的海空红外背景抑制办法，滤波器参数的可调节性使得该方法能够同时处理平缓的天空和复杂的海杂波背景。基于低通滤波的红外复杂背景估计代表了另一种有效的红外目标图像预处理思路。由于待检测的目标对象往往只占很少的像素，可以由原始图像与经过低通滤波后的背景估计结果图像对应相减，即可实现背景的抑制。常见的这类方法都是在空间域里完成的，所以它们的实用性很强。如最小均方误差滤波、空间匹配滤波、中值滤波、数学形态学滤波阳，基于神经网络的滤波、基于模糊理论的滤波、以及基于小波变换的滤波等。它们各具特点:高通滤波器是最直接的模板运算，计算过程虽然简单但效果也较满意;背景估计滤波器是根据图像背景估计原理，选取不同的估计区域和权值去拟合背景特征，达到背景一致的目的;而形态学滤波是根据结构元素的定义选择可预计地决定去掉部分和保留部分的信息，当预知小目标的部分信息时，这种方法无疑是最佳选择，将原始图像与开运算结果求差即构成了著名的Top-hat变换。中值滤波作为一种重要的背景平滑滤波方法，将其应用到红外目标图像的预处理领域可以做到在衰减随机噪声的同时保证目标边界清晰，许多实践都证明基于中值滤波的红外图像预处理方法具有稳定的性能。1.3 本论文的主要工作 本文围绕红外序列图像中目标的检测识别，对红外图像的预处理、目标检测、目标识别做了详细的研究，本文的具体章节安排如下:第一章:说明了研究的目的，概述了目前红外目标检测识别技术的发展现状和趋势。第二章:首先分析红外目标的成像特点，然后较为详细的介绍了几种常见的红外目标图像预处理方法，进行了仿真和分析比较;接着提出了基于灰度比变化分割红外图像的预处理办法，并进行了实验分析。第三章:在分析了几种传统的目标检测算法及一些针对弱小目标的典型检测算法后，提出了一种结合帧间相关和光流法的红外目标检测算法，并用于预处理