导读:本文包含了弱小运动目标论文开题报告文献综述及选题提纲参考文献，主要关键词:弱小运动目标,奇异值分解,混合高斯模型,动态阈值
弱小运动目标论文文献综述
王军,李云伟,王恺睿[1]（2019）在《基于SVD的改进混合高斯模型弱小运动目标检测算法》一文中研究指出为了在提高弱小运动目标的检测准确度的同时满足实时性要求,提出了一种基于SVD的改进混合高斯模型弱小运动目标检测算法。针对普通混合高斯模型阈值选取没有针对性的问题,运用基于奇异值分解(SVD)的动态阈值调整更新方法,提高混合高斯模型对弱小运动目标检测准确度。实验结果表明,该算法能够准确、高效地检测特定弱小运动目标。(本文来源于《实验技术与管理》期刊2019年06期）
王津申,李阳,王清峰,鲜宁[2]（2019）在《高光谱图像序列中的运动弱小目标检测》一文中研究指出高光谱图像序列包含时域信息和光谱信息的弱小运动目标检测,其因在民用和军用中的重要作用而引起了研究人员的兴趣。提出了一种新的空时联合异常方法来解决弱小运动目标的检测问题。该方法分别从空间域和时间域利用异常检测算法计算了空间异常图和时间异常图。为了检测目标的运动一致性特征,该方法生成了运动轨迹预测图。将空间异常图、时间异常图和轨迹预测图融合后,可以很容易地从背景中检测到感兴趣的目标。该方法被应用于云杂波背景下的空中目标测试数据集。实验结果表明,该方法具有较低的虚警率和较高的检测率。(本文来源于《飞控与探测》期刊2019年03期）
杨丹[3]（2018）在《红外弱小运动目标的检测算法研究》一文中研究指出红外弱小目标检测一直以来是军事领域内的研究热门问题,它代表着一个国家的国防军事力量,是红外制导系统重要组成部分,也是建立一套高效、完整、综合防御体系非常重要的基石,与此同时红外弱小目标的检测在交通、医疗和安防监控等领域的应用价值也是显而易见的。但是红外弱小目标成像时辐射的能量弱、包含的信息少、成像的面积小,而且没有明显的形状、纹理等特征,所以如何在复杂的背景环境下高效的检测出红外弱小运动的目标具有重要的军事意义和理论意义。在深度学习没有用到行为识别领域之前,密集轨迹算法是该领域里面的经典算法之一。而轨迹作为一种局部特征能很好的表示视频中的运动信息,本文研究的对象为红外图像中运动的弱小目标,所以本文首次提出将密集轨迹算法用于红外弱小目标的检测中。本文提出了一种在连续轨迹上进行红外弱小运动目标检测的算法,该方法的步骤主要包括:首先相对单帧图像,视频序列中包含更多的时域信息,为了充分利用时域的相关性,本文对连续的图像序列进行稠密光流计算,得到稠密采样点的连续轨迹;接着对静止场景而言,在同一时段内目标的运动轨迹的欧式距离要大于背景的运动轨迹的欧式距离,根据背景与目标运动特性的不同对轨迹上的采样点进行过滤,除掉背景上的采样点;其次目标所在的采样点在位置上具有一定的聚集性,故对轨迹上的采样点及其邻域进行填充产生一个二值图像,对该二值图像进行形态学处理、提取轮廓得到一系列候选目标区域;然后因为红外目标和背景在像素值上具有一定的对比度,所以计算每个候选目标区域的局部对比度得到局部对比度映射图,再对其进行自适应阈值分割进一步剔除伪目标得到确认的红外弱小目标。本文使用时长为3分6秒的a视频和2分47秒的b视频对本文红外弱小运动目标检测算法进行了测试。实验的结果显示,通过本文算法检测后,a视频的召回率是62.54%,准确率是84.56%,检测率是71.9%,平均帧率约为0.327fps。b视频的召回率是52.80%,准确率是26.04%,检测率是34.88%,平均帧率约为0.349fps。本文的对比实验算法有:空域的红外弱下运动目标检测算法有:基于红外图像显着性直方图与几何不变性的弱小目标检测,基于红外图像局部对比度的弱小目标检测,基于光谱残差的显着性检测算法;空时域结合的红外弱小运动目标检测的算法有:基于背景消除与卡尔曼滤波的红外弱小目标检测与跟踪。本文算法的准确率高于其他叁种空域的红外弱小目标检测算法,说明本文算法的低误检率。本文算法的召回率高于空、时域结合的红外弱小目标检测算法,说明本文算法的高检测率。相比较四种对比算法,本文算法的检测率是最高的,说明本文算法对于红外弱小运动目标的检测具有高检测率和低误检率。(本文来源于《西安理工大学》期刊2018-06-30）
杨慧,张宝辉,沙涛,王东京,王润宇[4]（2018）在《地空背景下红外弱小运动目标检测》一文中研究指出受到云层飘移、树木晃动、背景噪声杂波等因素的影响,红外弱小目标在地空背景下无法被精确检测。针对这个问题,本文提出了一种融合时空结构张量的背景差分检测算法。首先,通过当前图像与背景模型的比对确定出运动变化的全部像素,再用前景点计数的方法消除噪声等因素造成的孤立点错误检测;然后,时空结构张量模块利用连续帧图像的时间空间信息检测出运动块;最后,对前景目标像素和前景目标块进行融合操作,并将目标区别于背景二值化显示。与其它算法对比的实验结果表明,本文提出的算法具有稳定的检测率,且虚警率有明显降低,是地空背景下红外弱小运动目标检测的有效方法。(本文来源于《红外技术》期刊2018年05期）
席江波[5]（2017）在《弱小运动目标快速检测及处理技术研究》一文中研究指出在太空竞争日趋激烈的今天,空间监视对于了解空间态势、避免太空碰撞、维护太空资源安全具有重要意义。弱小目标检测是空间监视、空间态势感知的重要环节和关键技术,是后续空间目标在天球位置确定、轨道参数确定、目标尺寸和形状确定及分类、空间常驻目标编目等任务的基础。弱小运动目标由于其能量弱,目标所占像元数目少、不具备形状纹理等特征,而且其成像与大量背景恒星相似,容易形成大量虚警目标,因而,相比于其它大目标,检测难度大大增加。对于空间弱小目标,目前常用的目标观测模式包括恒星凝视模式和速率跟踪模式,在恒星凝视模式下,恒星为点状,而目标为条纹状(长曝光时间,如果曝光时间相对较短,目标轨迹也可为离散点状)。在速率跟踪模式下,恒星为条纹状,而目标为点状。本文在不同观测模式下,深入系统地研究了可见光序列恒星背景图像中的弱小运动目标的高效检测问题。(1)天文探测系统成像链路建模研究针对典型形状的目标,建立了辐射亮度与星等的对应关系,建立了天文成像探测系统中的光学系统、探测器、相对运动及振动各环节的点扩散函数(PSF)和调制传递函数(MTF)模型,得到了探测系统总的PSF及MTF模型。(2)不同观测模式下可见光恒星背景图像的建模研究可见光恒星背景图像中噪声和背景特性分析为后续图像预处理提供理论基础,恒星及目标建模可用于后续检测算法测试及性能评估。首先根据噪声统计分布的不同,对各类噪声进行了分类分析;研究了可见光恒星背景图像的背景特性,分析了弱小运动目标和恒星的特性,建立了弱小运动目标和恒星的成像模型;最后对成像链路中所有要素进行组合,建立了可见光恒星背景图像的模型。为了验证算法的检测性能,提出了由恒星凝视模式下图像生成速率跟踪模式下可见光恒星背景图像的方法。(3)可见光恒星背景序列图像预处理算法研究图像预处理的主要目的是减少或消除空间辐射引起的亮坏点、图像中饱和恒星在帧转移型CCD探测上引起的Smear效应、杂散光及多通道传感器引起的非均匀背景等,从而能够使用适合的全局分割阈值进行图像分割,提高目标单帧检测率的同时,降低单帧虚警率。针对以上问题,基于局部阈值的亮坏点检测及邻域插值方法、提出了 Smear效应自动检测及消除方法、一维均值迭代的背景估计和减除方法,很好地减小或消除了上述现象。此外,为了提高恒星及目标的定位精度,提出了基于相位传递函数的高精度质心定位算法,定位精度达0.1211像元(信噪比为3),远优于传统质心法,最后,还研究了图像配准方法,实现了基于联合变换相关的相移测量法的图像配准。(4)恒星凝视模式下弱小运动目标检测算法研究最大似然检测算法给出了一个很好的弱小目标检测的数学框架,然而其缺点是计算量大、需要目标的先验信息。最优投影和最大值投影减小了最大似然算法的计算量,但是算法检测性能被降低,只适合中高信噪比场合。多级假设检验算法为了解决最大似然及最大值投影算法存在的问题,将多种可能的目标轨迹以树的结构组织起来,随时在每一级去除没有通过检验的树。然而,多级假设检验方法在每幅图像的每个像元上搜索,计算量及存储开销仍然很大;而且该算法不适合检测航迹点缺失的低信噪比目标。针对以上问题,提出了基于时间索引图像的弱小运动目标检测算法,首先采用时间索引滤波算法,利用恒星和目标在时间索引图像中所在区域时间索引值的不同,采用时间索引滤波算法快速干净地消除大量恒星和噪声。其次,采用恒星凝视模式下基于时间索引的多级拟假设检验的弱小目标检测算法。在经过时间索引滤波后的图像中,对候选目标采用搜索树检测,通过多级拟假设检验确定待检测目标。该算法可实现低信噪比、低虚警率、小计算量约束下的高检测率检测。仿真结果表明:在信噪比大于等于1.5时,可实现检测率为100%的无虚警检测,目标的定位精度优于0.2像元。该算法不需目标的先验信息,可检测不连续轨迹点目标,需要的图像帧数少,减少了算法硬件实现难度。(5)速率跟踪模式下弱小运动目标检测算法研究速率跟踪模式下由于图像中存在大量恒星条纹,因而其运动参数可由图像本身提供,再通过匹配滤波方式生成条纹滤波模板。首先提出并推导了基于傅里叶及Radon变换的恒星条纹参数估计方法;接着实现了基于迭代匹配滤波和多帧迭加的弱小运动目标检测算法,该算法通过迭代匹配滤波生成恒星条纹模板滤除恒星,多帧迭加提高目标信噪比,再采用较高的分割阈值实现目标的分割检测。仿真结果表明:算法可成功检测信噪比为1的目标,且无虚警;5帧一组迭加检测在信噪比为1.5时,检测精度可以达到0.1326像元。(6)基于多DSP及定点建模的快速处理与嵌入式代码生成研究基于TI公司的定点DSP TMS320DM6437,及Xilinx公司的Spartan 3E系列FPGA XC3S500E,设计了 FPGA+多DSP平台的弱小目标快速检测硬件方案。基于MathWorks公司代码生成工具MATLAB Coder及定点建模工具Fixed-Point Designer,优化了算法的MATLAB代码并建立了算法的定点模型,生成了基于定点DSP TMS320DM6473的嵌入式C代码。(本文来源于《中国科学院大学(中国科学院西安光学精密机械研究所)》期刊2017-07-01）
李思俭,樊祥,朱斌,程正东[6]（2017）在《基于运动模糊复原技术的红外弱小目标检测方法》一文中研究指出在红外对空探测系统中,由于探测器时刻处于运动状态使得目标图像产生剧烈的运动模糊,给红外小目标检测造成困难。为了解决运动模糊条件下红外小目标检测的问题,提出将运动模糊复原技术和图像增强技术引入红外探测系统。先将探测器采集到的原始图像经过维纳滤波,对运动模糊进行处理并抑制噪声干扰,再利用梯度法对处理后的图像做锐化处理,增强目标边缘。实验验证和仿真分析结果都表明,该方法运动模糊复原效果明显,并在一定程度上抑制了噪声,提高了目标对比度,使目标在背景中更加凸显,并且能够显着提高目标图像质量。引入的评价参数峰值信噪比和均方差表现良好,该方法可以增强探测系统的使用性能。(本文来源于《光学学报》期刊2017年06期）
张帅,刘秉琦,李勇,黄富瑜,陈玉丹[7]（2016）在《一种超大视场中红外弱小运动目标的快速检测方法》一文中研究指出超大视场红外凝视成像系统具有视场大、被动探测、凝视探测等独特优势,但当系统用于弱小目标检测时,由于背景复杂、噪声干扰、目标信息少等问题,检测的准确性和效率往往不高。本文通过采用超大视场中空时域融合处理的思想,提出了一种基于最大化背景模型进行背景抑制的改进方法。该方法首先通过图像预处理、多帧差分选取研究区域;然后通过改进的背景预测模型检测疑似目标点;最后,利用邻域相关准则判定真实目标。通过实验证明:该方法将原方法中的目标信噪比提高了5倍以上,灰度值提高了10倍以上,而且保留了更多的目标信息。同时目标检测时间减少了50%以上,提高了检测准确性和检测效率。(本文来源于《红外技术》期刊2016年08期）
李冰清[8]（2016）在《基于声图像的弱小运动目标检测跟踪交互算法研究》一文中研究指出要实现对目标的跟踪,常规先要完成对目标的检测,再对目标进行跟踪。但是在水下强噪声杂波干扰背景下,弱小目标由于接收到的回波信噪比低,分辨单元数较少,对接收的声图像进行恒虚警(CFAR)检测时,检测概率会急剧降低、虚警目标增多,在降低系统的检测效率的同时,也会影响目标的跟踪效果。因此本文主要对动目标检测跟踪交互算法进行研究,意在提高目标检测效率、进而改善目标跟踪性能,对目标进行实时监测。首先,本文对基于声图像的目标检测算法进行研究。利用FFT波束形成、契比雪夫幅度加权、近场聚焦建立声图像,利用扇形变换可以对声图像进行坐标系的转换。采用CFAR图像域检测算法对单帧声图像进行检测,分析保护窗大小、虚警概率对CFAR检测影响,对不同信噪比下的声图像进行检测。随着信噪比的降低,目标的检测效果越来越差,为了改善检测效果,建立一种基于CFAR-Hough变换的多帧积累声图像的动目标检测算法。该算法在低信噪比下虽然能够实现对目标的良好检测,但Hough变换的参数需要在不同信噪比下进行重新设定,因此算法存在一定的局限性。其次,对动目标跟踪算法与数据互联算法进行研究。利用卡尔曼滤波对目标进行跟踪,通过航迹波门、贝叶斯数据互联方法确定点迹与点迹、点迹与航迹间的正确互联关系,仿真分析量测初始误差、杂波密度、波门大小、目标检测概率对最近邻域标准滤波器、概率最近邻域法、概率数据互联方法跟踪性能的影响。仿真发现,目标检测概率影响着系统的跟踪效果,如果能有效提高目标的检测概率,那么目标的跟踪精度也会得到一定幅度的提升。最后,研究了基于声图像的动目标检测跟踪交互算法。将CFAR-Hough算法与2/3快速起始逻辑法相结合,得到良好的航迹起始状态。建立交互算法框图,给出算法具体流程,并对该算法进行仿真性能分析。采用交互算法对目标进行监测,对跟踪目标进行航迹外推,预测出目标下一时刻可能出现的位置区域,这些信息可以作为检测单元的先验信息,对该区域进行细致的目标检测,提高检测效率,利用数据互联去除波门内的虚假目标,改善目标的跟踪性能。(本文来源于《哈尔滨工业大学》期刊2016-07-01）
张国亮[9]（2016）在《红外多光谱多个弱小运动目标的检测与跟踪技术研究》一文中研究指出随着目标隐身和诱饵干扰等反导技术的快速发展,探测包括诱饵和目标在内的多个运动目标变得越来越重要。但是由于目标的信噪比很低,使得现有的红外宽带探测技术无法满足复杂背景下目标的检测与跟踪。因此本文利用目标的多个光谱信息,针对低信噪比条件下的多个弱小运动目标的检测和跟踪进行研究,主要工作如下:本文利用二维经验模态分解(BEMD)方法在处理非线性非平稳数据方面的优势,对红外多光谱图像进行融合处理,在此基础上提出基于二维经验模态分解的异常检测算法,实现红外弱小目标的检测。该算法由于利用了红外多光谱图像的多尺度信息,可抑制背景杂波和消减高频噪声,进而可以提高检测概率。通过仿真数据和获得的真实图像对提出的算法进行了测试。实验结果表明,相比传统异常检测算法,本文提出的算法对检测弱小目标有更好的性能。同时该算法可为后续序列图像中弱小运动目标的检测与跟踪提供先验知识。针对红外多光谱图像序列中单个弱小运动目标的检测和跟踪问题,建立了单个运动目标的动力学模型和多光谱图像序列的量测模型。通过分布式估计融合策略对各传感器形成的局部航迹进行融合,在此基础上提出粒子滤波跟踪新算法。提出了基于序贯式量测融合策略的粒子滤波检测算法,该方法由于利用了各个波段所有的原始量测数据,因此检测概率高。提出的两种算法新生粒子建议密度函数由当前时刻的检验统计量生成,可以有效地减小粒子搜索空间,进而提高计算效率。相比传统单波段检测和跟踪算法,本文算法通过融合光谱信息能够进一步提高低信噪比条件下弱小运动目标的检测和跟踪能力。研究了红外多光谱图像序列中多个弱小运动目标的检测问题。在单目标运动模型和量测模型的基础上建立多目标运动模型和量测模型。应用马尔科夫链对目标的存在变量进行建模,将多目标的联合检测和跟踪变为混合滤波问题。通过混合滤波获得目标的存在概率和状态估计,在贝叶斯滤波框架下提出了多个弱小运动目标的检测前跟踪方法,由交互式混合粒子滤波算法推导出目标出现个数后验概率的解析解,并最终实现多个弱小运动目标的检测。仿真实验验证了该算法的有效性。对红外多光谱图像序列中多个弱小运动目标的跟踪问题展开研究。由于概率假设密度滤波器(PHD)可将多目标跟踪问题在单目标状态空间中计算,而且不需要数据关联,因此其计算复杂度大大降低。首先研究了随机有限集理论和PHD滤波器,其次推导了概率假设密度滤波器的序贯蒙特卡洛实现方法,在此基础上建立了概率假设密度滤波器检测前跟踪算法。然后应用集中式融合策略提出了自适应多光谱概率假设密度滤波器检测前跟踪算法,该算法中的检测概率可通过图像数据自适应的计算。仿真实验结果表明本文所提算法对红外多光谱图像序列中的多个弱小运动目标的跟踪具有良好性能。(本文来源于《哈尔滨工业大学》期刊2016-06-01）
唐意东,黄树彩,钟宇,吴建峰[10]（2016）在《基于形态学和高阶统计量的弱小运动目标检测》一文中研究指出为检测复杂背景中的红外弱小运动目标,提出了一种基于形态学滤波和叁阶累积量分析的检测方法。该方法采用形态学背景估计方法对红外图像序列进行预处理,提高图像信噪比,并消除高亮度大尺寸背景和图像边缘对高阶累积量估计造成的影响。利用高阶累积量对高斯噪声是"盲的"这一特点,基于红外图像序列构造叁阶累积量作为统计判据检测图像中的弱小运动目标。仿真实验表明,该方法能够连续有效地检测红外弱小运动目标。(本文来源于《现代防御技术》期刊2016年02期）
弱小运动目标论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
高光谱图像序列包含时域信息和光谱信息的弱小运动目标检测,其因在民用和军用中的重要作用而引起了研究人员的兴趣。提出了一种新的空时联合异常方法来解决弱小运动目标的检测问题。该方法分别从空间域和时间域利用异常检测算法计算了空间异常图和时间异常图。为了检测目标的运动一致性特征,该方法生成了运动轨迹预测图。将空间异常图、时间异常图和轨迹预测图融合后,可以很容易地从背景中检测到感兴趣的目标。该方法被应用于云杂波背景下的空中目标测试数据集。实验结果表明,该方法具有较低的虚警率和较高的检测率。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
弱小运动目标论文参考文献
[1].王军,李云伟,王恺睿.基于SVD的改进混合高斯模型弱小运动目标检测算法[J].实验技术与管理.2019
[2].王津申,李阳,王清峰,鲜宁.高光谱图像序列中的运动弱小目标检测[J].飞控与探测.2019
[3].杨丹.红外弱小运动目标的检测算法研究[D].西安理工大学.2018
[4].杨慧,张宝辉,沙涛,王东京,王润宇.地空背景下红外弱小运动目标检测[J].红外技术.2018
[5].席江波.弱小运动目标快速检测及处理技术研究[D].中国科学院大学(中国科学院西安光学精密机械研究所).2017
[6].李思俭,樊祥,朱斌,程正东.基于运动模糊复原技术的红外弱小目标检测方法[J].光学学报.2017
[7].张帅,刘秉琦,李勇,黄富瑜,陈玉丹.一种超大视场中红外弱小运动目标的快速检测方法[J].红外技术.2016
[8].李冰清.基于声图像的弱小运动目标检测跟踪交互算法研究[D].哈尔滨工业大学.2016
[9].张国亮.红外多光谱多个弱小运动目标的检测与跟踪技术研究[D].哈尔滨工业大学.2016
[10].唐意东,黄树彩,钟宇,吴建峰.基于形态学和高阶统计量的弱小运动目标检测[J].现代防御技术.2016