《自適應實時紅外小目標圖像處理方法研究》是依託中國科學院精密測量科學與技術創新研究院，由鄧鶴擔任項目負責人的面上項目。
基本介紹
- 中文名：自適應實時紅外小目標圖像處理方法研究
- 項目類別：面上項目
- 項目負責人：鄧鶴
- 依託單位：中國科學院精密測量科學與技術創新研究院
項目摘要,結題摘要,
項目摘要
傳統局域化分析方法因受Heisenberg測不準原理的制約，在分析複雜背景下低信噪比紅外小目標圖像時,易產生模態混疊問題，自適應性差，且難以滿足系統實時性的要求。針對上述挑戰，本項目基於經驗模態分解（EMD）自適應局域化分析特性，探索複雜背景下自適應實時紅外小目標圖像處理新方法。首先，正確認識複雜背景下紅外小目標圖像的模態混疊及機理，並設計基於多幀集成的去混疊算法，提升算法分析性能；其次，探索符合紅外圖像特性的二維EMD方法，並依此構建圖像自適應預處理、自適應分割等技術，高效提取候選目標；最後，結合目標的時空特性，研究基於時空域融合濾波的真假目標甄別方法，降低算法運算量，滿足系統實時性需求。與此同時，開發紅外小目標圖像處理算法仿真平台，並通過仿真改進和完善理論研究。本項目為自適應實時紅外小目標圖像處理系統的設計和開發提供關鍵理論基礎和套用方案，拓展該技術在軍用和民用領域的套用範圍。
結題摘要
小目標圖像處理技術已在軍事領域（如精確制導、預警探測、戰地指揮和偵察、敵我識別等）和民用領域（如衛星大氣紅外雲圖分析、醫療圖像病理分析、地質分析、入侵檢測、森林火災探測等）得到持續的普遍關注。但是，小目標圖像中的目標小、強度弱，沒有先驗的大小、形狀、紋理及運動等信息，且目標、背景和噪聲混疊在一起，難以直接檢測。傳統局域化分析方法受Heisenberg測不準原理制約，易產生模態混疊問題，且自適應性差，導致小目標檢測的虛警率和漏檢率偏高。本項目針對上述挑戰，發展自適應局域化紅外小目標圖像分析及檢測方法。項目總體取得了良好的研究成果：1）由於小目標的出現只引起圖像全局紋理的較小變化，但會引起局部區域紋理的較大變化，我們提出了一種加權局部圖像熵抑制紅外圖像背景和噪聲、增強目標，最終大幅度地提高圖像信噪比；2）為有效度量紅外圖像中目標區域與鄰域背景之間的灰度差異，設計了一種基於加權局部差異度量的小目標檢測方法，該方法可以簡單、有效地檢測不同複雜背景下的紅外小目標；3）針對傳統的基於局部變化的小目標檢測方法可能導致較高的漏檢率和虛警率，構建了一種基於熵的視窗選擇方法，自適應選擇局部區域尺寸，有效避免目標漏檢問題；4）依據模糊集理論，構思了一種模糊距離概念，通過度量目標內部、背景內部、目標與背景之間的模糊距離，將因小目標的出現導致的局部紋理變化轉化為模糊距離的度量，進一步提高紅外小目標的檢測率及降低虛警率。本項目的實施為自適應紅外小目標圖像處理系統的設計和開發提供理論基礎和套用方案，拓展該技術在軍用和民用領域的套用範圍。項目執行期間共發表署課題號論文10餘篇SCI論文，包括IEEE Trans. Cybernetics, IEEE Trans. Geoscience & Remote Sensing, Pattern Recognition, IEEE Trans. Aerospace & Electronic Systems, IEEE Trans. Biomedical Engineering等，6個授權專利，培養博士生3名。
