学位论文 > 优秀研究生学位论文题录展示

基于Contourlet变换和混沌粒子群的红外小目标检测研究

作　者: 罗子娟
导　师: 吴一全
学　校: 南京航空航天大学
专　业: 通信与信息系统
关键词: 红外图像序列 小目标检测 Contourlet变换 混沌粒子群 最小二乘支持向量机 独立分量分析 最小一乘估计
分类号: TP391.41
类　型: 硕士论文
年　份: 2009年
下　载: 65次
引　用: 0次
阅　读: 论文下载
 

内容摘要


红外小目标检测是精确制导武器的关键技术之一。如何充分发挥红外小目标检测技术的优势,在红外探测成像方面具有重要意义。本文在介绍当前国内外小目标检测技术发展现状的基础上,研究了基于Contourlet变换和混沌粒子群的红外小目标检测方法,主要工作如下:1、提出了基于Contourlet变换和NSCT变换的红外小目标检测算法。该方法是在对图像进行Contourlet分解或NSCT分解后,提取其纹理特征,从而形成各点特征向量与中心向量间的多尺度距离像,最终实现红外小目标的检测。实验结果表明,该算法能较精确地检测出红外小目标,检测效果优于基于小波变换的检测方法。2、研究了基于Contourlet变换和形态学的红外小目标检测算法。该算法是采用Contourlet变换和形态Top-Hat滤波相结合的方法抑制红外图像的混合噪声及背景干扰,通过选择适当的结构元素进行系列形态组合运算,搜索局部极大值并确定阈值,从而分离出真正的目标。实验结果表明,该方法能有效检测和分割出低信噪比等复杂自然背景红外图像中的目标。3、给出了基于最小一乘和混沌粒子群的红外小目标检测算法。首先建立基于一乘准则的红外小目标自适应背景预测模型,然后应用混沌粒子群算法提取最优预测参数。实验结果表明该算法具有较高的检测概率,优于基于最小二乘的红外小目标检测算法。4、实现了基于最小二乘支持向量机和混沌粒子群的红外小目标检测算法。利用混沌粒子群优化最小二乘支持向量机,从而进行背景预测。文中给出了实验结果及分析,并与现有的空域和时域背景预测算法进行了比较,结果表明该算法具有更高的检测概率,明显优于已有的基于背景预测的红外小目标检测算法。5、给出了基于独立分量分析和混沌粒子群的红外小目标检测算法。将包含复杂背景和运动小目标的图像序列视作混合信号,目标视作独立分量,应用混沌粒子群算法实现不同准则下的独立分量分析以检测出运动小目标。文中给出了实验结果与分析,并与快速独立分量分析的检测算法作了比较。结果表明,该算法具有更高的检测概率,优于基于快速独立分量分析的检测算法。

全文目录


摘要  4-5
ABSTRACT  5-12
第一章 绪论  12-18
  1.1 红外小目标检测的研究意义与特点  12-13
  1.2 红外小目标检测的国内外研究概况  13-16
  1.3 本文的主要内容以及创新点  16-18
    1.3.1 本文的主要内容  16-17
    1.3.2 本文的主要创新点  17-18
第二章 基于CONTOURLET 变换和NSCT 变换的红外小目标检测  18-29
  2.1 引言  18
  2.2 CONTOURLET 变换  18-21
    2.2.1 Contourlet 变换概述  18-19
    2.2.2 LP 变换  19-20
    2.2.3 方向滤波（DFB）  20-21
    2.2.4 塔形方向滤波器组（PDFB）  21
  2.3 基于CONTOURLET 变换的红外小目标检测算法  21-24
    2.3.1 小目标检测算法  21-23
    2.3.2 实验结果分析  23-24
  2.4 基于NSCT 变换的红外小目标检测算法  24-28
    2.4.1 无下采样Contourlet 变换(NSCT)  24-26
    2.4.2 实验结果分析  26-28
  2.5 本章小结  28-29
第三章 基于CONTOURLET 变换和形态学的红外小目标检测  29-35
  3.1 CONTOURLET 变换去噪算法  29-31
    3.1.1 阈值去噪  29
    3.1.2 尺度间相关去噪  29-31
  3.2 数学形态学  31-32
    3.2.1 腐蚀和膨胀  31
    3.2.2 开运算和闭运算  31
    3.2.3 Top-Hat 形态滤波  31-32
  3.3 检测步骤  32
  3.4 实验结果与分析  32-34
  3.5 本章小结  34-35
第四章 基于最小一乘与混沌粒子群的红外小目标检测  35-44
  4.1 引言  35-36
  4.2 混沌粒子群优化算法  36-38
    4.2.1 基本粒子群算法（PSO）  36
    4.2.2 PSO 早熟现象的判定  36-37
    4.2.3 混沌搜索机制  37-38
    4.2.4 混沌粒子群优化算法  38
  4.3 最小一乘背景预测模型  38-40
    4.3.1 空域背景预测的思想  38-39
    4.3.2 最小一乘背景预测算法  39-40
  4.4 二维TSALLIS-HAVRDA-CHARVAT 熵阈值分割与目标连续性检测  40-41
    4.4.1 二维Tsallis-Havrda-Charvat 熵阈值分割  40
    4.4.2 运动的连续性和一致性检测红外小目标  40-41
  4.5 实验结果与分析  41-43
  4.6 本章小结  43-44
第五章 基于最小二乘支持向量机与混沌粒子群的红外小目标检测  44-52
  5.1 引言  44-45
  5.2 最小二乘支持向量机的原理  45-46
  5.3 时域背景预测  46-47
    5.3.1 时域背景预测的基本思想  46-47
    5.3.2 时域背景预测的最小二乘支持向量机  47
  5.4 利用混沌粒子群算法优选核参数和惩罚系数  47-48
  5.5 实验结果与分析  48-51
  5.6 本章小结  51-52
第六章 基于独立分量分析和混沌粒子群的红外小目标检测  52-62
  6.1 引言  52
  6.2 独立分量分析算法  52-54
    6.2.1 ICA 定义  52-53
    6.2.2 独立性定义  53
    6.2.3 ICA 和投影法  53-54
  6.3 ICA 估计原理  54-58
    6.3.1 非高斯的最大化  54-56
    6.3.2 互信息的最小化  56-57
    6.3.3 最大似然函数估计  57-58
  6.4 红外小目标检测与背景分离  58-59
    6.4.1 适应度函数的选取  58
    6.4.2 初始化和约束条件的满足  58
    6.4.3 算法实现的具体步骤  58-59
  6.5 实验结果与分析  59-61
  6.6 本章小结  61-62
第七章 总结与展望  62-65
  7.1 本文的主要工作  62-63
  7.2 进一步的研究工作  63-65
参考文献  65-71
致谢  71-72
在学期间的研究成果及发表的学术论文  72

相似论文

  1. 基于SVM的常压塔石脑油干点软测量建模研究,TE622.1
  2. 双传感器图像联合目标检测及系统实现研究,TP391.41
  3. 基于嵌入式图像处理单元的运动目标跟踪系统研究,TP391.41
  4. 移动机器人视觉检测和跟踪研究,TP242.62
  5. 基于运动目标轨迹分析的智能交通监控系统,TP277
  6. 轮廓波变换及其在图像处理中的应用,TP391.41
  7. 基于视频的运动目标检测与跟踪方法应用研究,TP391.41
  8. 基于支持向量机的视频目标检测方法研究,TP391.41
  9. 基于主动视觉的运动目标检测与跟踪研究,TP391.41
  10. 嵌入式多参数环境智能监测系统的设计与实现,TP274
  11. 视频监控运动目标检索方法研究,TP391.41
  12. 安防监控系统中运动目标检测算法研究,TP391.41
  13. 基于视频监控的特定目标识别研究,TP391.41
  14. 复杂目标视觉注意模型研究,TP391.41
  15. 基于图像信息的运动目标检测与跟踪算法研究,TP391.41
  16. 运动目标检测与跟踪的研究,TP391.41
  17. 视频图像中的运动目标检测与跟踪,TP391.41
  18. 基于压缩感知的分布式视频编码技术研究,TN919.81
  19. 基于Davinci技术的车辆检测与跟踪算法的研究与实现,TP301.6
  20. 高光谱影像图谱信息目标检测研究,TP391.41
  21. 运动目标跟踪系统的设计与实现,TP391.41

中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理（信息加工） > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com