红外成像制导图像处理技术 下载 pdf 百度网盘 epub 免费 2025 电子书 mobi 在线

《红外成像制导图像处理技术》系统阐述了红外成像制导武器系统攻击目标过程中所要求的红外图像降噪与分割、红外空中弱小运动目标检测、红外运动目标跟踪和红外运动目标关键攻击部位识别等红外成像制导图像处理理论、方法和应用技术，涵盖了红外图像应用中涉及的核心内容。《红外成像制导图像处理技术》共8章，包括红外成像制导的概念、多分辨率分析理论、红外成像制导图像降噪和增强、基于模糊理论的红外图像分割、红外弱小运动目标检测、红外运动目标跟踪、红外目标关键攻击部位识别、红外成像制导图像处理的加速技术等内容。

目录

前言

第1章 绪论 1

1.1 引言 1

1.2 红外成像制导图像处理的关键技术及研究现状 2

1.3 本书的主要理论依据 8

1.4 本书的结构和内容安排 10

参考文献 11

第2章 红外导引系统概述 15

2.1 引言 15

2.2 红外导引系统发展概况 15

2.2.1 红外导引系统发展简史 15

2.2.2 主要发展阶段 16

2.2.3 国外红外导引系统发展 17

2.2.4 我国红外导引系统发展 19

2.3 红外导引系统功能 19

2.4 红外导引系统的基本构成 21

2.4.1 红外探测系统 21

2.4.2 跟踪稳定系统 22

2.4.3 目标信号处理系统 22

2.4.4 导引信号形成系统 23

2.5 常用红外成像制导图像处理技术 23

2.5.1 图像预处理 24

2.5.2 图像分辜 26

2.5.3 特征提取 28

2.5.4 目标只另 29

2.5.5 目标跟踪 32

2.5.6 误差信号提取 36

2.6 图像处理计算机 36

2.6.1 关键器件选择 36

2.6.2 系统结构设计 37

2.7 小结 38

参考文献 38

第3章 红外成像制导中的图像降噪和增强 39

3.1 引言 39

3.2 小波变换理论 39

3.2.1 小波变换概念 39

3.2.2 多分辨率分析 41

3.2.3 Mallat算法和图像的离散小波变换 43

3.3 基于**后验概率准则的小波域降噪和增强算法 46

3.3.1 常用的小波域降嗓算法 46

3.3.2 MAP准则下小波系数萎缩因子的确定 48

3.3.3 小波系数萎缩因子的修正 49

3.3.4 **后验概率准则降嗓过程描述 50

3.3.5 仿真与分析 50

3.4 Contourlet变换理论 54

3.4.1 拉普拉斯全字塔 55

3.4.2 方向滤波器组 56

3.4.3 Contourlet变换过程 58

3.5 Contourlet域图像降噪和增强算法 59

3.5.1 **后验概率准则的Contourlet域推广 59

3.5.2 Contourlet域降嗓过程 60

3.5.3 仿真与分析 61

3.6 非下采样Contourlet变换理论 66

3.7 非下采样Contourlet域混合统计模型红外图像降噪 66

3.7.1 非下采样Contourlet域混合统计图像降嗓模型 66

3.7.2 算法流程 67

3.7.3 实验与分析 68

3.8 小结 71

参考文献 72

第4章 红外成像制导中的图像分割 74

4.1 引言 74

4.2 基于模糊理论的图像处理 74

4.3 模糊C均值聚类图像分割 77

4.4 基于邻域加权的模糊C均值聚类分割 79

4.4.1 初始聚类中心的确定 79

4.4.2 图像邻域空间信息的利用 79

4.4.3 基于样本加权的模糊C均值聚类算法 80

4.4.4 算法过程 81

4.4.5 仿真与分析 82

4.5 基于核距离邻域加权的模糊C均值聚类分割 86

4.5.1 算法原理 86

4.5.2 仿真与分析 88

4.6 红外图像双阔值分割算法 88

4.6.1 利用**类间方差法的双阅值分割 89

4.6.2 基于峰值合并的多阅值提取及其改进 91

4.6.3 阅值范围的选取 92

4.7 加力红外目标图像的分割算法 93

4.7.1 边缘提取算法及选择 93

4.7.2 基于边缘和子区域分割算法 95

4.8 区域选择与填充 96

4.9 红外图像序列的分割 98

4.10 小结 99

参考文献 99

第5章 红外成像制导中的弱小运动目标检测 101

5.1 引言 101

5.2 红外弱小目标图像序列模型 102

5.3 基于尺度间系数相关性的小波域小目标检测 104

5.3.1 噪声、背景和目标的小波系数特性分析 104

5.3.2 尺度间归一化相关系数的计算及阅值设定 105

5.3.3 考虑小目标面积的单帧图像分割 106

5.3.4 管道滤波序列图像检测 106

5.3.5 算法过程 107

5.3.6 仿真与分析 107

5.4 基于小波高频系数直接映射的小目标检测 110

5.4.1 基于系数能量的背景抑制 111

5.4.2 小波高频系数线性映射及关联 111

5.4.3 算法过程 112

5.4.4 仿真与分析 113

5.5 基于尺度间相关性的非下采样Contourlet变换小目标检测 117

5.5.1 红外小目标图像的非下采样Contourlet变换 117

5.5.2 小波域尺度问系数相关性到非下采样Contourlet域的推广 118

5.5.3 算法过程 118

5.5.4 仿真与分析 119

5.6 基于高频能量像的非下采样Contourlet变换小目标检测 121

5.6.1 红外复杂背景抑制 122

5.6.2 BP神经网络小目标检测 124

5.6.3 实验与分析 124

5.7 一种基于非下采样Contourlet变换和二维属性直方图**脑分割的红外空中小目标检测 129

5.7.1 非下采样Contourlet域红外复杂背景抑制 130

5.7.2 基于二维属性直方图**娟的红外小目标图像分割 130

5.7.3 算法步骤 133

5.7.4 实验与分析 133

5.8 基于帧间累加与SUSAN算子的小目标检测 141

5.8.1 基于巴特沃忠高通滤波的背景抑制 141

5.8.2 相邻帧问的灰度膨胀累加 142

5.8.3 基于SUSAN算子的小目标检测 143

5.9 红外弱小目标检测过程的理论分析 145

5.9.1 理论推导所用到的假设检验理论 145

5.9.2 检测概率与虚警概率指标分析 146

5.10 小结 152

参考文献 152

第6章 红外成像制导中的运动目标跟踪 155

6.1 引言 155

6.2 运动目标跟踪基础理论 156

6.2.1 贝叶斯滤波理论 156

6.2.2 卡尔曼滤波器 157

6.2.3 粒子滤波理论 158

6.3 图像跟踪所用到的视觉特征 162

6.4 基于遗传重采样的粒子滤波目标跟踪方法 163

6.4.1 粒子滤波算法存在问题 163

6.4.2 利用遗传算法进行粒子重采样 163

6.4.3 遗传重采样粒子滤波算法过程 164

6.4.4 仿真与分析 165

6.5 红外飞机目标溢出视场后关键攻击部位跟踪 170

6.5.1 目标溢出视场的判断准则 171

6.5.2 局部跟踪点的选择和关键攻击部位的确定 172

6.6 小结 173

参考文献 174

第7章 红外成像制导中的目标识别 176

7.1 引言 176

7.2 目标分类与识别的特征概述 177

7.2.1 目标识别的常用图像特征 178

7.2.2 不变性特征的基本概念 180

7.2.3 目标不变性特征选择 180

7.3 飞机目标及其背景的红外特性 181

7.3.1 飞机的红外特性 181

7.3.2 背景辐射 183

7.4 红外飞机目标飞行姿态的判别 183

7.4.1 目标几何不变矩特征提取 184

7.4.2 目标归一化转动惯量及组合矩特征提取 185

7.4.3 飞行姿态的判别 186

7.5 基于飞行姿态的飞机关键攻击部位选择 188

7.5.1 机轴与机翼的判定 188

7.5.2 利用几何关系计算驾驶舱关键攻击部位 189

7.5.3 发动机关键攻击部位标定 190

7.5.4 序列图像的关键部位识别 191

7.6 基于亚像素技术的红外目标定位 191

7.6.1 亚像素定位技术 192

7.6.2 远距离红外目标的亚像素定位 193

7.6.3 有形状红外目标的亚像素定位 195

7.7 成像段制导信息的获取 200

7.8 小结 201

参考文献 202

第8章 红外成像制导图像处理的加速技术 204

8.1 引言 204

8.2 利用单指令流多数据流指令集加速红外图像处理算法 205

8.2.1 S1MD指令集概述 206

8.2.2 利用S1MD指令加速红外图像处理算法 208

8.2.3 基于S1MD硬件指令加速的并行光线跟踪算法 211

8.3 利用多核技术加速红外图像处理算法 217

8.3.1 多核多线程技术 217

8.3.2 OpenMP多线程编程 219

8.4 基于图形处理器的红外图像处理算法加速 221

8.4.1 GPU通用计算模型 223

8.4.2 利用GPU加速的小波变换 225

8.4.3 利用GPU加速的FCM聚类算法 231

8.4.4 利用GPU加速的粒子滤波算法 235

8.5 小结 239

参考文献 239

暂无相关内容，正在全力查找中

暂无出版社相关信息，正在全力查找中！

第1章 绪论

　　1.1 引言

　　精确制导技术是利用自身传感器获取或外部输人的信息，探测、识别和跟踪目标，导引和控制武器准确命中目标乃至目标要害部位的制导技术，广泛应用于导弹、航空炸弹、炮弹、鱼雷等武器系统中。它是精确制导武器的核心技术，支持着精确制导武器的远距离高精度作战、夜间作战、全天候作战、复杂战场环境下作战，能够确保精确制导武器在复杂战场环境中既准确命中选定的目标及其要害部位，又尽可能减少附带的破坏。

　　目前，可供精确制导系统利用的探测技术主要有红外成像、毫米波雷达和激光雷达等[1]。相比于其他探测装置构成的制导系统，红外成像制导武器系统具有明显的优势[2]：

　　(1) 环境适应性优于可见光，尤其是在夜间和恶劣气候下的工作能力；

　　(2) 隐蔽性好，一般都是被动探测，比雷达和激光探测安全，不易被干扰；

　　(3) 与可见光相比，红外辐射更容易穿透云、雾、烟、尘埃，探测距离更远；

　　(4) 红外探测系统是根据目标和背景之间的温差进行探测的，因此识别伪装目标的能力优于可见光。

　　红外成像制导制导精度高，抗干扰能力强，具备全天时工作能力，已经广泛应用于各种精确制导武器系统。红外成像制导由红外点源制导技术发展而来[3-5]。由于红外点源制导技术采用以调制盘调制为基础的信息处理，造成无法排除张角较小的点源红外干扰或复杂的背景干扰，也没有区分多目标的能力，而红外成像制导能够克服这些缺点。光电对抗和红外技术的进步，推动了红外成像制导技术的发展[6]。红外成像制导技术是利用目标与周围环境的红外辐射图像来实现自动导引的一种制导方法。它探测的是目标和背景间微小的温差或自辐射温差所引起的热辐射分布图像，目标形状的大小、灰度分布和运动状况等物理特征是它识别的理论基础。此外，由于红外成像器与图像信息处理专用微处理机相结合，利用数字图像处理方法分析图像，由高速图像信号处理机对所摄的图像进行实时处理，借以识别跟踪目标，所以具有一定的智能化。目前，在这方面研究较为领先的是以美国为首的发达国家，在科索沃战争、阿富汗战争和伊拉克战争中，美军的重大攻势都是在夜间实施的，得益于红外成像武器的大量运用，其攻击准确性令世界为之瞠目。我国在这方面的研究起步较晚，但近年来，随着经济和相应领域技术的发展，以及大量人力与财力的投入，取得了很多新进展。

　　红外成像制导从大的方面来说存在三个关键技术：

　　(1) 实时红外成像技术，关键是多元探测器和扫描技术；

　　(2) 稳定伺服技术，关键是稳定技术；

　　(3) 智能化图像信息处理技术，关键是红外目标自动检测和识别算法，它是红外成像制导武器技术含量**的部分，同时也是红外图像处理领域中历史悠久且又充满活力的研究课题[7]。

　　针对红外目标自动检测、识别和跟踪的红外成像制导信息处理系统的组成原理框图如图1.1所示，主要由成像系统和图像目标自动识别系统两部分组成。

　　图1.1 红外成像制导信息处理系统原理框图

　　目前，红外成像目标自动检测和识别技术已经成为国防科技研究的热门领域，并被广泛应用于各种红外成像制导武器系统，针对该问题展开深入研究对加强我国国防现代化建设具有积极的意义。

　　1.2 红外成像制导图像处理的关键技术及研究现状

　　本节以红外成像制导空空导弹攻击目标的过程为背景，阐述红外成像制导图像处理的关键技术，其结论大部分适用各类红外成像制导武器系统。针对红外成像空空导弹，其红外成像制导信息处理系统主要由光学系统、红外探测器、读出电路、放大电路、图像处理机等组成，其结构如图1.2所示。

　　图1.2 红外成像制导信息处理系统的主要结构框图

　　红外成像制导空空导弹发射前由载机搜索、确定被攻击目标的位置后，立即用导弹上的导引头眼踪并锁定目标。导弹发射后，光学系统接收场景中目标与背景的红外辐射，并将它们成像到红外探测器上，红外探测器进行光电转换，形成红外图像。图像处理机对该红外图像进行处理，区分目标信息、背景信息，识别出被攻击目标并抑制假目标的干扰，给出目标相对导引头光轴的方位与俯仰夹角，弹上制导控制系统据此信息控制导弹飞向目标。该过程也被称为"发射后不管"的制导方式。

　　当目标与红外成像系统相距很远，其几何成像小于传感器的一个分辨单元时，此时目标称为点目标。理论和实践表明，点目标经光学系统后成的像是一个亮的弥散圆斑而非一个几何点，对目前常用的小于30μm像素间距的红外焦平面器件，点目标像的弥散圆斑通常超过2X2像素。目标成像尺寸计算应考虑理论成像尺寸和弥散两个因素。对理论成像尺寸较大的面目标，忽略弥散的影响，根据物像映射关系直接求出成像尺寸；对点目标，忽略理论成像尺寸，由弥散圆斑确定成像尺寸[8]。在导弹接近目标过程中，存在一个临界距离。当弹目距离大于临界值时，目标成像是一大小不变的近似圆斑；而距离小于临界值时，目标的成像尺寸、面积将随距离减小而增大。

　　在远距离跟踪阶段，导弹与目标的相对距离很大，目标在成像系统中所成的像只是孤点或几个像素组成的斑点，在视场中存在的时间很长，信号强度弱且易被杂波湮没，此时若能稳定检测出目标，对于增大作战距离和增加反应时间，提高己方的生存概率具有重要的意义。随着导弹与目标之间的相对距离的减小，目标在红外成像系统中所成的像逐渐由斑点目标变为多个像素所组成的图像。当导弹与目标的相对距离缩小到一定值时，红外成像系统的焦平面上的目标像素数急剧增加，目标图像的细节更加丰富。此时，要求导引头根据目标形状识别目标类型并确定目标的要害部位进行攻击。在近距离目标充满视场阶段，导弹与目标距离非常接近，目标图像完全充满整个视场，导引头进入盲区工作距离。由于受导弹机动能力的限制，该过程要求以先前获得的攻击部位为指导，在导引头失去对导弹的控制能力之前，确定目标的*终攻击方位。

　　红外波段的辐射波长比无线电波短、比可见光长，因而红外图像的空间分辨力比雷达高、比可见光低。由于成像器件本身存在的缺陷和环境因素的影响，红外图像本身具有细节模糊不清、对比度弱等特点，所以在对目标进行检测与识别前，需要对红外图像进行降噪和增强等预处理。由于在成像机理上存在本质的差异，红外图像相对于可见光图像有着如下不同的特点：

　　(1) 红外图像不受能见度的影响，红外成像系统具有在恶劣阴暗环境条件下工作的能力，可全天时昼夜工作，而可见光成像则不行。红外辐射穿透烟雾和大气的能力比可见光强，能克服部分视觉上的障碍而探测到目标，因此红外成像系统具有较大的作用范围和很强的抗伪装干扰能力。另外，当太阳光照射时，目标的可见光图像可能会受到阴影的影响，而红外图像则无此缺点。

　　(2) 在好的光线和可视条件下，可见光图像相对红外图像有较好的颜色对比度和细节分辨率，这主要表现为边缘的差异和纹理特征的不同。可见光图像反映场景的空间分辨率，灰度信息较为丰富，物体棱角分明，立体感较强，其边缘较陡且结构复杂。红外图像反映场景的温度分辨率，它实质上是辐射强度分布图，灰度层次较少，边缘相对平滑，元立体感。可见光图像能够较好地反映物体表面的纹理细节并利用其判别目标，而红外图像则很难直接利用纹理信息。

　　(3) 外界环境的**干扰和热成像系统的不完善，给红外图像带来多种多样的噪声，这些分布复杂的噪声使得红外图像的信噪比相对于可见光图像要低。此外，由于红外探测器各探测单元的响应特性不一致等原因，造成红外图像的非均匀性，这主要体现为图像的固定图案噪声、串扰、畸变等。

　　(4) 由于大气对不同的红外波段辐射的吸收与**散射程度不同，不同波段的红外图像反映同一场景的灰度信息是不同的。利用多波段红外图像进行融合处理，可得到更多的有效信息。

　　(5) 实际景物红外图像的像素之间存在较大的相关性，目标的红外图像含有较多的同质区，像素的灰度具有良好的空间相关性。红外图像像素灰度值的动态变化范围不大，很少充满整个灰度级空间，绝大部分像素集中于某些相邻的灰度级范围，这些范围以外的灰度级上则没有或只有很少的像素，而可见光图像像素的灰度值则分布于几乎整个灰度级空间。

　　综合以上分析，红外成像制导中图像处理关键技术的研究热点和难点主要可以归纳为以下几个方面：

　　1) 红外图像降噪问题[9-14]

　　红外图像噪声丰富，而噪声造成图像退化、图像特征被掩盖，直接影响图像分割、特征提取等后续工作的准确性，因此，抑制红外图像噪声、提升图像质量是图像处理和分析的前提。许多算法被用于图像降噪，如模糊域滤波、加权中值滤波和混合中值滤波、小波域滤波等。

　　2) 红外图像目标分割问题[15-19]

　　传统的红外目标分割的方法有很多，但这些方法一般都局限于一定的应用环境。目标分割的有效性依赖于对目标特性、背景特性以及应用环境的先验知识，取决于目标及背景特性的鉴别能力。总的来说，单帧图像中目标分割的方法主要有基于全局灰度门限的目标分割方法和基于局部门限的目标分割方法。

　　基于全局灰度门限分割方法假定图像中仅包含目标和背景两类，将图像中的像素按照灰度值属性的相似性或相近性划分成两类，使得具有相似或相近灰度值的像素归属为一类，不同灰度值属性的像素归属为不同类。全局灰度门限分割方法在全灰度范围内搜索一个**门限值，根据获取全局门限的不同准则，该方法又可分为直方图分析方法、类别方差自动门限方法、模糊脑分割方法等。利用全局灰度门限进行目标分割是一种基本的分割方法，但由于实际图像的多样性，全局门限目标分割方法往往不能都获得理想的分割效果，因为该方法基本上都是针对二类问题的。基于局部门限的目标分割方法则将图像划分为若干子图像，然后再利用上述方法对子图像进行分割。

　　上述目标分割方法都是利用图像像素的灰度信息，但是图像具有多种属性，像素的灰度仅仅是图像的一种*基本的属性，只利用像素的灰度信息进行分割具有一定的局限性。利用图像的其他特征如边缘、二阶统计特性、纹理特征、分形特征等，也可以进行目标分割。

　　3) 远距离红外弱小运动目标的检测[20-22］

　　在连续图像序列中，运动小目标的成像位置具有一定连续性，不会出现跳跃性变化，这是运动目标成像的时间特征。当图像背景复杂、目标涅没其中以及图像中存在大量噪声的情况下，小目标的检测与跟踪必须依赖目标的时间特性在图像序列中进行。

　　小目标检测算法按照进行检测和跟踪的顺序可划分为跟踪前检测(detection before track，DBT)方法和检测前跟踪(track before detect，TBD)方法。DBT方法是传统的目标识别算法。首先，在单帧图像中根据目标灰度信息检测目标，提供若干包含噪声在内的候选目标，再利用目标的时间特性在图像序列中识别、跟踪目标。TBD方法同时利用目标的灰度信息和时间信息，直接对原始序列图像中大量的候选目标轨迹同时进行评估，从中排除噪声，选择目标。TBD方法主要包括假设检验方法、三维匹配滤波器、动态规划方法、基于投影变换的弱小目标检测等。TBD方法主要应用于目标信噪比较低，单帧图像检测产生大量虚警的情况。该类算法往往较为复杂，运算量巨大，难于实现实时目标检测。

　　4) 红外图像运动目标的跟踪

　　当目标被检测或识别出来后，需要对目标进行实时图像跟踪。图像跟踪是一个不断发展的研究方向，新的方法不断产生。在基于图像的目标跟踪中，一般根据表达目标的信息，通过推理确定其在图像中的位置和形状参数。下面根据跟踪算法所采用的定位目标的方法对其进行分类：

　　(1) 概率跟踪方法：概率跟踪方法在贝叶斯滤波框架下将目标跟踪问题转换为推理目标状态(如位置、速度)后验概率密度的过程。该方法首先选择状态变量，通过状态转移方程进行预测，然后利用**观测值对预测作出修正。当状态转移方程和观测方程为线性且过程噪声和观测噪声均为高斯分布时，常规的卡尔曼滤波(Kalman filter，

在线阅读地址：红外成像制导图像处理技术在线阅读

在线听书地址：红外成像制导图像处理技术在线收听

在线购买地址：红外成像制导图像处理技术在线购买

暂无原文赏析，正在全力查找中！

编辑推荐

计算机科学与技术、控制科学与工程、信息与通信工程等学科中从事红外图像处理与分析技术的研究人员和工程技术人员，高等院校相关专业的研究生

媒体评论

评论

前言

序言