复杂背景条件下红外弱小目标检测技术研究

红外弱小目标检测技术是红外搜索与跟踪、红外预警、红外制导等防御和武器系统中的一项核心技术。研究复杂背景条件下的红外弱小目标检测技术，有利于提高红外探测系统的探测灵敏度，对增大系统作用距离、增加反应时间、提高己方的生存概率具有重要的意义。 本文针对复杂背景下的红外弱小目标检测技术进行了三个方面的研究: 1、 从红外成像系统方面对红外焦平面阵列的非均匀性校正问题进行研究。本文结合红外焦平面阵列的非线性模型(“S”形曲线模型)和Kalman滤波器，提出一种新的基于Kalman滤波的改进型两点校正法，该算法具有“S”形曲线两点校正法的处理简单、计算精度高等特点，同时利用Kalman滤波器对校正参数进行估计和修正，解决了“参数漂移”问题。实验仿真的结果表明，该算法能较好的对红外焦平面阵列进行非均匀校正。 2、 本文从红外图像预处理方面对红外背景抑制技术进行研究。针对传统的背景抑制算法难以解决的杂波干扰问题，本文提出了一种基于局部统计信息变化的自适应杂波抑制算法AFBLS（Adaptive Filter Based on Local Statistic），该算法能够对目标进行灰度增强，同时对杂波进行抑制。AFBLS算法结合传统的背景抑制算法，可以有效的对红外背景和杂波干扰进行抑制。对红外图像进行实验仿真的结论是：AFBLS杂波抑制算法是一种较好的红外弱小目标图像预处理方法，它能有效提高已有背景抑制算法的性能。 3、 本文对红外弱小目标检测算法进行了研究。分析了经典的管道算法的不足之处，并在此基础上对其进行改进，提出了动态更新的管道检测算法。通过仿真实验我们验证了改进的管道算法的性能，实验结果表明，该算法能够有效的对信噪比SNR（Signal-to-Noise Ratio）大于2的序列图像进行目标检测。