弱小目標(biāo)檢測(cè)新方法研究.pdf

1、在一些關(guān)鍵的軍事領(lǐng)域（如預(yù)警系統(tǒng)、精確制導(dǎo)武器、防空系統(tǒng)）和民用領(lǐng)域（如刑偵、森林防火、交通管理、醫(yī)學(xué)成像、遙感、航天、探測(cè)天空中天體和海面人員搜救），待突破的技術(shù)瓶頸往往都集中在弱小目標(biāo)檢測(cè)技術(shù)上。在光學(xué)散射、衍射等光學(xué)效應(yīng)干擾下，遠(yuǎn)距離目標(biāo)在成像靶面上信噪比很低，而且彌散面積很小。另外，復(fù)雜背景對(duì)目標(biāo)檢測(cè)干擾也很大。因此，目標(biāo)極難從背景中分割出來。本研究主要內(nèi)容包括：
　?、欧謩e從時(shí)域、空域和頻域等空間，以弱小目標(biāo)信號(hào)能量累積

2、方式為基本出發(fā)點(diǎn)，研究了復(fù)雜背景下弱小目標(biāo)檢測(cè)的一些有效方法。通過大量的實(shí)際實(shí)驗(yàn)、仿真實(shí)驗(yàn)以及半仿真實(shí)驗(yàn)驗(yàn)證了本文提出的這些算法的有效性和魯棒性。對(duì)基于序列圖像時(shí)域剖面的運(yùn)動(dòng)弱小目標(biāo)，針對(duì)傳統(tǒng)時(shí)域剖面投影方法在目標(biāo)信噪比較低時(shí)檢測(cè)效果較差的問題，一種基于頻譜幅值函數(shù)的時(shí)域弱小目標(biāo)檢測(cè)方法在本文被提出。這種方法通過分析圖像上每個(gè)像素點(diǎn)的時(shí)域剖面曲線的頻譜函數(shù)，發(fā)現(xiàn)在頻譜函數(shù)為某值時(shí)目標(biāo)軌跡能量在特征圖像上達(dá)到最大，在此特征圖像上檢測(cè)目標(biāo)軌

3、跡從而檢測(cè)目標(biāo)。實(shí)驗(yàn)結(jié)果表明：在目標(biāo)信噪比較低時(shí)，該算法對(duì)弱小目標(biāo)的檢測(cè)性能要強(qiáng)于傳統(tǒng)的基于時(shí)域剖面的投影方法。
　?、茖?duì)深空背景下的弱小目標(biāo)，針對(duì)疊加圖像在使用傳統(tǒng)背景抑制方法效果較差的問題，提出了基于主方向抑制高通濾波的圖像預(yù)處理方法。這種方法在頻譜上對(duì)方向信息明顯的恒星線進(jìn)行濾除的同時(shí)，完整保留弱小目標(biāo)信號(hào)。實(shí)驗(yàn)驗(yàn)證了該濾波算法的有效性。針對(duì)深空背景下運(yùn)動(dòng)弱小目標(biāo)，提出了基于極大似然估計(jì)以及光斑檢測(cè)算子的方法。對(duì)非線性運(yùn)動(dòng)的

4、弱小目標(biāo)，在多維空間進(jìn)行目標(biāo)軌跡搜索，每次搜索后，采用光斑檢測(cè)算子進(jìn)行光斑目標(biāo)檢測(cè)。遍歷搜索弱小目標(biāo)后，得到最優(yōu)參數(shù)下的目標(biāo)運(yùn)動(dòng)信息以及響應(yīng)值。實(shí)驗(yàn)表明：該算法對(duì)線性及非線性運(yùn)動(dòng)的多目標(biāo)檢測(cè)效果很好。
　?、菍?duì)深空背景下恒星目標(biāo)，針對(duì)恒星圖像發(fā)生拖尾引起目標(biāo)信噪比降低及目標(biāo)定位精度下降的問題，提出了基于方向積分的拖尾星點(diǎn)定位方法。這種方法首先檢測(cè)恒星拖尾的方向、拖尾步長(zhǎng)。然后沿著拖尾方向以拖尾步長(zhǎng)進(jìn)行積分，得到能量增強(qiáng)的目標(biāo)。最后

5、通過傳統(tǒng)質(zhì)心法對(duì)目標(biāo)進(jìn)行檢測(cè)并進(jìn)行位置估計(jì)。仿真實(shí)驗(yàn)表明：該算法不僅可以有效提高拖尾星點(diǎn)的檢測(cè)能力，而且可以提高拖尾星點(diǎn)定位精度，從而提高星敏感器定姿精度。
　?、葘?duì)復(fù)雜背景下近似勻速直線運(yùn)動(dòng)的弱小目標(biāo)，針對(duì)傳統(tǒng)三維匹配濾波方法在目標(biāo)運(yùn)動(dòng)速度未知的條件下實(shí)時(shí)性較差的問題，提出一種基于分塊速度域迭代運(yùn)動(dòng)目標(biāo)檢測(cè)算法。首先計(jì)算序列圖像在速度域上的疊加響應(yīng)函數(shù)，然后檢測(cè)該響應(yīng)函數(shù)上的峰值從而獲得目標(biāo)的運(yùn)動(dòng)速度，最后利用此速度疊加序列圖像