论文部分内容阅读
复杂背景下的红外图像弱小目标的检测、识别和跟踪在现代军事应用中是一个至关重要的课题。对于实际的武器系统来说,如何充分发挥红外目标检测技术的优势,尽可能提高目标的检测距离,以争取有利的时机获取来袭目标的相关信息成为决定现代战争胜负的重要因素。距离越远,目标成像面积就会越小,且其遭受强噪声和背景杂波影响的可能性就越大,因此如何实现低信噪比条件下红外弱小目标的检测就成为了一项更具实际意义和挑战性的研究课题。经验模态分解(Empirical Mode Decomposition,EMD)方法是近来由Norden E Huang提出的一种全新的多尺度分析方法,在非线性非平稳信号分析方面有良好的性能,被认为是对以傅立叶变换为基础的非平稳信号分析方法的重大突破。经验模态分解在一维信号处理上具有比较成熟和广泛的应用并取得了一定的成果。由于二维信号的复杂性,EMD方法及其应用还存在许多问题有待研究。本文针对复杂背景下的红外弱小目标检测问题,利用EMD分解方法在处理非线性、非平稳信号的优良特性,将其应用到实时的红外弱小目标检测中去,提出了有效检测的新方法,扩展了弱小目标检测的研究领域。主要工作如下:1.简单阐述红外图像的成像原理、模型及特点;介绍红外图像噪声的分类及特点,并利用传统检测方法对实时红外图像进行仿真实验。2.详细阐述了瞬时频率、本征模函数的基本概念、EMD分解方法与原理及其技术特征。通过实验分析了其在处理非线性非平稳信号分析方面的优点。3.将一维EMD方法引入到二维红外图像处理中,研究其有效的局部极值点选取规则和插值曲面构造方法,实现二维可分离的EMD分解,并研究解决其分解过程中出现的问题。4.根据二维EMD的基本思想,对其各实现环节进行了讨论。给出了具体的算法实现步骤,针对红外图像实例,实现并验证了其在红外弱小目标检测方面的优点。