1、由于在軍事和民用諸多領(lǐng)域的應(yīng)用，利用圖像序列對弱小運動目標進行檢測、跟蹤成為當前的一個熱門課題。由于距離較遠或者其本身較微小，同時加上復雜的強背景雜波干擾，目標幾乎完全淹沒在背景及噪聲之中，在成像系統(tǒng)中表現(xiàn)為弱小目標特性，要直接檢測出目標變得異常困難。本文研究的正是弱小目標檢測與跟蹤系統(tǒng)中的兩項關(guān)鍵技術(shù)：強背景雜波抑制與基于多幀的弱小目標檢測技術(shù)。 本文首先引入序列圖像中檢測強背景雜波下弱小目標這一問題，然后在其典型應(yīng)用——視頻

2、成像系統(tǒng)中將問題展開，討論了背景雜波、噪聲和目標的特征，分析了該類檢測的特點與難點，給出了一種基于背景雜波抑制的弱小目標檢測系統(tǒng)模型。即采用先對序列圖像進行背景雜波抑制，再進行基于多幀的目標檢測策略。背景雜波抑制的任務(wù)為：抑制背景雜波能量、改善信雜比；對原始圖像數(shù)據(jù)進行分布變換——由復雜、未知分布轉(zhuǎn)化為簡單、已知分布。同時，研究了背景雜波抑制效果的評價體系，給出了四項檢驗標準：殘余噪聲正態(tài)性、殘余噪聲白化程度、信雜比增益以及單幀檢測性能

3、。 本文討論了基于圖像準平穩(wěn)區(qū)域劃分的自適應(yīng)雜波估計與抑制方法，并進行了詳細的計算機仿真實驗。由于原始復雜圖像灰度數(shù)據(jù)的全域非平穩(wěn)特征造成自適應(yīng)算法對背景雜波的跟蹤性能較差，因此考慮將原始圖像劃分為多個準平穩(wěn)的圖像子塊，然后在每個子塊內(nèi)利用自適應(yīng)算法對背景雜波進行估計與抑制。針對基于四叉樹分割的準平穩(wěn)區(qū)域劃分方法精度不高的問題，給出了一種基于分水嶺分割的準平穩(wěn)子域劃分方法。對原始圖像數(shù)據(jù)進行平滑處理后作為自適應(yīng)空域非因果濾波器的

4、輸入數(shù)據(jù)，避免了由于目標空域擴展帶來的背景估計失準。采用RLS算法估計背景雜波，收斂性好，數(shù)據(jù)穩(wěn)定性高，對特定樣本數(shù)據(jù)估計比LMS算法精確。對以上研究點進行了相應(yīng)的實驗仿真，并獲得了較好的結(jié)果。 討論了圖像序列中的弱小運動目標檢測技術(shù)。針對基于TBD和DBT兩種思想的多幀檢測技術(shù)，詳細討論了目標分割與檢測方法?；贒BT思想的檢測方案中，主要討論全域閾值法、局域閾值法和恒虛警門限法幾種目標分割方法?；赥BD思想的目標分割已融合

5、在目標檢測中，因此接下來本文詳細討論了幾種基于TBD思想的目標檢測方法，如三維匹配濾波法、投影變換法、基于多級假設(shè)檢驗的方法、高階相關(guān)法和基于全局搜索的目標檢測方法。最后針對強背景雜波下圖像序列中的弱小運動目標檢測問題，本文給出了一種基于時域軌跡集成的多幀檢測方案：首先采基于分水嶺分割的RLS算法對圖像背景雜波進行抑制，然后利用恒虛警門限法對單幀圖像進行二值化分割，此時再利用八鄰域判決法對候選目標進行檢測。總之，本論文不僅達到了相關(guān)課題