复杂背景下目标检测与抗干扰跟踪方法研究
文献类型：学位论文
| 作者 | 张祥越1,2
|
| 答辩日期 | 2020-05-19 |
| 授予单位 | 中国科学院沈阳自动化研究所 |
| 授予地点 | 沈阳 |
| 导师 | 丁庆海 |
| 关键词 | 红外末制导 红外小目标检测 抗干扰目标跟踪 相关滤波 卷积神经网络 |
| 学位名称 | 博士 |
| 学位专业 | 模式识别与智能系统 |
| 其他题名 | Research on target detection and anti-jamming tracking method under complex background |
| 英文摘要 | 为了提高复杂背景下的目标检测与跟踪能力，本文以空空红外成像末制导为研究背景，开展复杂背景下目标检测与抗干扰跟踪技术研究，本文的主要贡献如下：1. 针对复杂背景下小目标检测能力不足的问题，提出了一种基于一阶方向过零点检测的红外弱小目标检测方法。该方法基于红外探测器在远距离的成像特性，对小目标和背景杂波的成像差异进行了分析，设计了一种一阶方向导数滤波器，该滤波器在多种不同方向对图像进行滤波，提高了小目标处的信号强度；随后利用此滤波器并基于过零点检测的思想来检测小目标。实验结果表明，该方法可以有效提高图像的信杂比并抑制背景杂波，能够准确检测出复杂背景下的红外弱小目标。2. 提出了一种基于三阶张量RPCA的红外弱小目标检测方法。为了保护像素之间的相关性，该方法首先提出了一种张量块模型将数据从二维空间转移到三维的张量空间。随后利用小目标图像的稀疏性与背景杂波的低秩性将小目标检测问题转化为数值优化问题，最后采用RPCA技术分离出小目标图像与背景图像。实验结果表明，该方法可以有效地从原始图像中提取出小目标，尤其在信号强度弱、小目标特征不明显的场景中表现出良好的小目标检测能力。3. 针对末制导中目标尺度不断变化的特点，从实际工程应用出发，开展多尺度点目标检测和多尺度面目标检测方法研究。在多尺度点目标检测方面，提出了一种基于中心域与邻域局部对比度的多尺度点目标检测方法。在多尺度面目标检测方面，采用Yolo v3 tiny模型对多尺度面目标进行检测。两种检测方法结构简单，在保持较高检测率的同时提高了运算速度，满足了工程应用中的实时性需求。4. 针对末制导阶段可能面临的自然和人为干扰，提出了一种基于多种深度特征感知的抗干扰目标跟踪方法。为了能够充分地描述目标外观，首先利用深度卷积网络中不同层输出特征图对信息描述不同的特点，提出了一种基于多种深度特征自适应选择的方法。随后，采用相关滤波的跟踪思想在连续空间域训练所需的跟踪器，提高了跟踪精度。实验结果表明，该方法能够有效应对跟踪时可能遭受的目标遮挡、形变等挑战，并展示了出色的抗干扰跟踪能力。5. 设计了空空红外成像末制导的工作流程。根据红外末制导中导引头与目标之间的距离变化规律，分析了不同阶段红外成像末制导所要解决的关键问题，并结合已经提出的红外弱小目标检测方法、多尺度目标检测方法以及抗干扰跟踪方法，设计了不同进入条件下的工作流程，对将论文研究成果向实际装备推广应用进行了初步探讨。 |
| 语种 | 中文 |
| 产权排序 | 1 |
| 页码 | 132页 |
| 源URL | [http://ir.sia.cn/handle/173321/27165]  |
| 专题 | 沈阳自动化研究所_光电信息技术研究室 |
| 作者单位 | 1.中国科学院沈阳自动化研究所; 2.中国科学院大学 |
| 推荐引用方式 GB/T 7714 | 张祥越. 复杂背景下目标检测与抗干扰跟踪方法研究[D]. 沈阳. 中国科学院沈阳自动化研究所. 2020. |
入库方式： OAI收割
来源：沈阳自动化研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。