本書以紅外成像制導(dǎo)武器系統(tǒng)攻擊空中目標(biāo)為主要應(yīng)用背景，系統(tǒng)闡述了攻擊過程中所要求的紅外圖像降噪與分割、紅外空中弱小運(yùn)動目標(biāo)檢測、紅外運(yùn)動目標(biāo)跟蹤和紅外運(yùn)動目標(biāo)關(guān)鍵攻擊部位識別等紅外成像制導(dǎo)圖像處理理論、方法和應(yīng)用技術(shù)，涵蓋了紅外圖像應(yīng)用中涉及的核心內(nèi)容。全書共九章，包括紅外成像制導(dǎo)的概念、多分辨率分析理論、紅外成像制導(dǎo)圖像降噪和增強(qiáng)、基于模糊理論的紅外圖像分割、紅外空中弱小運(yùn)動目標(biāo)檢測、基于遺傳重采樣粒子濾波的紅外運(yùn)動目標(biāo)跟蹤、紅外目標(biāo)關(guān)鍵攻擊部位識別、紅外成像制導(dǎo)圖像處理的加速技術(shù)等內(nèi)容。
更多科學(xué)出版社服務(wù)，請掃碼獲取。
目錄
前言
第1章 緒論 1
1.1 引言 1
1.2 紅外成像制導(dǎo)圖像處理的關(guān)鍵技術(shù)及研究現(xiàn)狀 2
1.3 本書的主要理論依據(jù) 8
1.4 本書的結(jié)構(gòu)和內(nèi)容安排 10
參考文獻(xiàn) 11
第2章 紅外導(dǎo)引系統(tǒng)概述 15
2.1 引言 15
2.2 紅外導(dǎo)引系統(tǒng)發(fā)展概況 15
2.2.1 紅外導(dǎo)引系統(tǒng)發(fā)展簡史 15
2.2.2 主要發(fā)展階段 16
2.2.3 國外紅外導(dǎo)引系統(tǒng)發(fā)展 17
2.2.4 我國紅外導(dǎo)引系統(tǒng)發(fā)展 19
2.3 紅外導(dǎo)引系統(tǒng)功能 19
2.4 紅外導(dǎo)引系統(tǒng)的基本構(gòu)成 21
2.4.1 紅外探測系統(tǒng) 21
2.4.2 跟蹤穩(wěn)定系統(tǒng) 22
2.4.3 目標(biāo)信號處理系統(tǒng) 22
2.4.4 導(dǎo)引信號形成系統(tǒng) 23
2.5 常用紅外成像制導(dǎo)圖像處理技術(shù) 23
2.5.1 圖像預(yù)處理 24
2.5.2 圖像分辜 26
2.5.3 特征提取 28
2.5.4 目標(biāo)只另 29
2.5.5 目標(biāo)跟蹤 32
2.5.6 誤差信號提取 36
2.6 圖像處理計算機(jī) 36
2.6.1 關(guān)鍵器件選擇 36
2.6.2 系統(tǒng)結(jié)構(gòu)設(shè)計 37
2.7 小結(jié) 38
參考文獻(xiàn) 38
第3章紅外成像制導(dǎo)中的圖像降噪和增強(qiáng) 39
3.1 引言 39
3.2 小波變換理論 39
3.2.1 小波變換概念 39
3.2.2 多分辨率分析 41
3.2.3 Ma11at算法和圖像的離散小波變換 43
3.3 基于最大后驗概率準(zhǔn)則的小波域降噪和增強(qiáng)算法 46
3.3.1 常用的小波域降嗓算法 46
3.3.2 MAP準(zhǔn)則下小波系數(shù)萎縮因子的確定 48
3.3.3 小波系數(shù)萎縮因子的修正 49
3.3.4 最大后驗概率準(zhǔn)則降嗓過程描述 50
3.3.5 仿真與分析 50
3.4 C0nt0ur1et變換理論 54
3.4.1 拉普拉斯全字塔 55
3.4.2 方向濾波器組 56
3.4.3 C0nt0ur1et變換過程 58
3.5 C0nt0ur1et域圖像降噪和增強(qiáng)算法 59
3.5.1 最大后驗概率準(zhǔn)則的 C0nt0ur1et域推廣 59
3.5.2 C0nt0ur1et域降嗓過程 60
3.5.3 仿真與分析 61
3.6 非下采樣 C0nt0ur1et變換理論 66
3.7 非下采樣 C0nt0ur1et域混合統(tǒng)計模型紅外圖像降噪 66
3.7.1 非下采樣 C0nt0ur1et域混合統(tǒng)計圖像降嗓模型 66
3.7.2 算法流程 67
3.7.3 實驗與分析 68
3.8 小結(jié) 71
參考文獻(xiàn) 72
第4章紅外成像制導(dǎo)中的圖像分割 74
4.1 引言 74
4.2 基于模糊理論的圖像處理 74
4.3 模糊C 均值聚類圖像分割 77
4.4 基于鄰域加權(quán)的模糊C 均值聚類分割 79
4.4.1 初始聚類中心的確定 79
4.4.2 圖像鄰域空間信息的利用 79
4.4.3 基于樣本加權(quán)的模糊C 均值聚類算法 80
4.4.4 算法過程 81
4.4.5 仿真與分析 82
4.5 基于核距離鄰域加權(quán)的模糊C 均值聚類分割 86
4.5.1 算法原理 86
4.5.2 仿真與分析 88
4.6 紅外圖像雙闊值分割算法 88
4.6.1 利用最大類間方差法的雙閱值分割 89
4.6.2 基于峰值合并的多閱值提取及其改進(jìn) 91
4.6.3 閱值范圍的選取 92
4.7 加力紅外目標(biāo)圖像的分割算法 93
4.7.1 邊緣提取算法及選擇 93
4.7.2 基于邊緣和子區(qū)域分割算法 95
4.8 區(qū)域選擇與填充 96
4.9 紅外圖像序列的分割 98
4.10 小結(jié) 99
參考文獻(xiàn) 99
第5章紅外成像制導(dǎo)中的弱小運(yùn)動目標(biāo)檢測 101
5.1 引言 101
5.2 紅外弱小目標(biāo)圖像序列模型 102
5.3 基于尺度間系數(shù)相關(guān)性的小波域小目標(biāo)檢測 104
5.3.1 噪聲、背景和目標(biāo)的小波系數(shù)特性分析 104
5.3.2 尺度間歸一化相關(guān)系數(shù)的計算及閱值設(shè)定 105
5.3.3 考慮小目標(biāo)面積的單幀圖像分割 106
5.3.4 管道濾波序列圖像檢測 106
5.3.5 算法過程 107
5.3.6 仿真與分析 107
5.4 基于小波高頻系數(shù)直接映射的小目標(biāo)檢測 110
5.4.1 基于系數(shù)能量的背景抑制 111
5.4.2 小波高頻系數(shù)線性映射及關(guān)聯(lián) 111
5.4.3 算法過程 112
5.4.4 仿真與分析 113
5.5 基于尺度間相關(guān)性的非下采樣 C0nt0ur1et變換小目標(biāo)檢測 117
5.5.1 紅外小目標(biāo)圖像的非下采樣 C0nt0ur1et變換 117
5.5.2 小波域尺度問系數(shù)相關(guān)性到非下采樣 C0nt0ur1et域的推廣 118
5.5.3 算法過程 118
5.5.4 仿真與分析 119
5.6 基于高頻能量像的非下采樣 C0nt0ur1et變換小目標(biāo)檢測 121
5.6.1 紅外復(fù)雜背景抑制 122
5.6.2 BP神經(jīng)網(wǎng)絡(luò)小目標(biāo)檢測 124
5.6.3 實驗與分析 124
5.7 一種基于非下采樣 C0nt0ur1et變換和二維屬性直方圖最大腦分割的紅外空中小目標(biāo)檢測 129
5.7.1 非下采樣 C0nt0ur1et域紅外復(fù)雜背景抑制 130
5.7.2 基于二維屬性直方圖最大娟的紅外小目標(biāo)圖像分割 130
5.7.3 算法步驟 133
5.7.4 實驗與分析 133
5.8 基于幀間累加與 SUSAN 算子的小目標(biāo)檢測 141
5.8.1 基于巴特沃忠高通濾波的背景抑制 141
5.8.2 相鄰幀問的灰度膨脹累加 142
5.8.3 基于 SUSAN 算子的小目標(biāo)檢測 143
5.9 紅外弱小目標(biāo)檢測過程的理論分析 145
5.9.1 理論推導(dǎo)所用到的假設(shè)檢驗理論 145
5.9.2 檢測概率與虛警概率指標(biāo)分析 146
5.10 小結(jié) 152 參考文獻(xiàn) 152
第6章紅外成像制導(dǎo)中的運(yùn)動目標(biāo)跟蹤 155
6.1 引言 155
6.2 運(yùn)動目標(biāo)跟蹤基礎(chǔ)理論
6.2.1 貝葉斯濾波理論 156 156
6.2.2 卡爾曼濾波器 157
6.2.3 粒子濾波理論 158
6.3 圖像跟蹤所用到的視覺特征 162
6.4 基于遺傳重采樣的粒子濾波目標(biāo)跟蹤方法 163
6.4.1 粒子濾波算法存在問題 163
6.4.2 利用遺傳算法進(jìn)行粒子重采樣163
6.4.3 遺傳重采樣粒子濾波算法過程164
6.4.4 仿真與分析 165
6.5 紅外飛機(jī)目標(biāo)溢出視場后關(guān)鍵攻擊部位跟蹤 170
6.5.1 目標(biāo)溢出視場的判斷準(zhǔn)則 171
6.5.2 局部跟蹤點的選擇和關(guān)鍵攻擊部位的確定 172
6.6 小結(jié) 173
參考文獻(xiàn) 174
第7章紅外成像制導(dǎo)中的目標(biāo)識別 176
7.1 引言 176
7.2 目標(biāo)分類與識別的特征概述 177
7.2.1 目標(biāo)識別的常用圖像特征 178
7.2.2 不變性特征的基本概念 180
7.2.3 目標(biāo)不變性特征選擇 180
7.3 飛機(jī)目標(biāo)及其背景的紅外特性 181
7.3.1 飛機(jī)的紅外特性 181
7.3.2 背景輻射 183
7.4 紅外飛機(jī)目標(biāo)飛行姿態(tài)的判別 183
7.4.1 目標(biāo)幾何不變矩特征提取 184
7.4.2 目標(biāo)歸一化轉(zhuǎn)動慣量及組合矩特征提取 185
7.4.3 飛行姿態(tài)的判別 186
7.5 基于飛行姿態(tài)的飛機(jī)關(guān)鍵攻擊部位選擇 188
7.5.1 機(jī)軸與機(jī)翼的判定 188
7.5.2 利用幾何關(guān)系計算駕駛艙關(guān)鍵攻擊部位 189
7.5.3 發(fā)動機(jī)關(guān)鍵攻擊部位標(biāo)定190
7.5.4 序列圖像的關(guān)鍵部位識別 191
7.6 基于亞像素技術(shù)的紅外目標(biāo)定位191
7.6.1 亞像素定位技術(shù) 192
7.6.2 遠(yuǎn)距離紅外目標(biāo)的亞像素定位 193
7.6.3 有形狀紅外目標(biāo)的亞像素定位 195
7.7 成像段制導(dǎo)信息的獲取 200
7.8 小結(jié) 201
參考文獻(xiàn) 202
第8章紅外成像制導(dǎo)圖像處理的加速技術(shù) 204
8.1 引言 204
8.2 利用單指令流多數(shù)據(jù)流指令集加速紅外圖像處理算法 205
8.2.1 S1MD 指令集概述 206
8.2.2 利用 S1MD 指令加速紅外圖像處理算法 208
8.2.3 基于 S1MD 硬件指令加速的并行光線跟蹤算法 211
8.3 利用多核技術(shù)加速紅外圖像處理算法 217
8.3.1 多核多線程技術(shù) 217
8.3.2 0penMP多線程編程 219
8.4 基于圖形處理器的紅外圖像處理算法加速221
8.4.1 GPU 通用計算模型 223
8.4.2 利用 GPU 加速的小波變換 225
8.4.3 利用 GPU 加速的 FCM 聚類算法 231
8.4.4 利用 GPU 加速的粒子濾波算法 235
8.5 小結(jié) 239
參考文獻(xiàn) 239
《紅外成像制導(dǎo)圖像處理技術(shù)》：
在遠(yuǎn)距離跟蹤階段，導(dǎo)彈與目標(biāo)的相對距離很大，目標(biāo)在成像系統(tǒng)中所成的像只是孤點或幾個像素組成的斑點，在視場中存在的時間很長，信號強(qiáng)度弱且易被雜波湮沒，此時若能穩(wěn)定檢測出目標(biāo)，對于增大作戰(zhàn)距離和增加反應(yīng)時間，提高己方的生存概率具有重要的意義。隨著導(dǎo)彈與目標(biāo)之間的相對距離的減小，目標(biāo)在紅外成像系統(tǒng)中所成的像逐漸由斑點目標(biāo)變?yōu)槎鄠�像素所組成的圖像。當(dāng)導(dǎo)彈與目標(biāo)的相對距離縮小到一定值時，紅外成像系統(tǒng)的焦平面上的目標(biāo)像素數(shù)急劇增加，目標(biāo)圖像的細(xì)節(jié)更加豐富。此時，要求導(dǎo)引頭根據(jù)目標(biāo)形狀識別目標(biāo)類型并確定目標(biāo)的要害部位進(jìn)行攻擊。在近距離目標(biāo)充滿視場階段，導(dǎo)彈與目標(biāo)距離非常接近，目標(biāo)圖像完全充滿整個視場，導(dǎo)引頭進(jìn)入盲區(qū)工作距離。由于受導(dǎo)彈機(jī)動能力的限制，該過程要求以先前獲得的攻擊部位為指導(dǎo)，在導(dǎo)引頭失去對導(dǎo)彈的控制能力之前，確定目標(biāo)的最終攻擊方位。
紅外波段的輻射波長比無線電波短、比可見光長，因而紅外圖像的空間分辨力比雷達(dá)高、比可見光低。由于成像器件本身存在的缺陷和環(huán)境因素的影響，紅外圖像本身具有細(xì)節(jié)模糊不清、對比度弱等特點，所以在對目標(biāo)進(jìn)行檢測與識別前，需要對紅外圖像進(jìn)行降噪和增強(qiáng)等預(yù)處理。由于在成像機(jī)理上存在本質(zhì)的差異，紅外圖像相對于可見光圖像有著如下不同的特點：
�。�1）紅外圖像不受能見度的影響，紅外成像系統(tǒng)具有在惡劣陰暗環(huán)境條件下工作的能力，可全天時晝夜工作，而可見光成像則不行。紅外輻射穿透煙霧和大氣的能力比可見光強(qiáng)，能克服部分視覺上的障礙而探測到目標(biāo)，因此紅外成像系統(tǒng)具有較大的作用范圍和很強(qiáng)的抗偽裝干擾能力。另外，當(dāng)太陽光照射時，目標(biāo)的可見光圖像可能會受到陰影的影響，而紅外圖像則無此缺點。
�。�2）在好的光線和可視條件下，可見光圖像相對紅外圖像有較好的顏色對比度和細(xì)節(jié)分辨率，這主要表現(xiàn)為邊緣的差異和紋理特征的不同�？梢姽鈭D像反映場景的空間分辨率，灰度信息較為豐富，物體棱角分明，立體感較強(qiáng)，其邊緣較陡且結(jié)構(gòu)復(fù)雜。紅外圖像反映場景的溫度分辨率，它實質(zhì)上是輻射強(qiáng)度分布圖，灰度層次較少，邊緣相對平滑，無立體感。可見光圖像能夠較好地反映物體表面的紋理細(xì)節(jié)并利用其判別目標(biāo)，而紅外圖像則很難直接利用紋理信息。
（3）外界環(huán)境的隨機(jī)干擾和熱成像系統(tǒng)的不完善，給紅外圖像帶來多種多樣的噪聲，這些分布復(fù)雜的噪聲使得紅外圖像的信噪比相對于可見光圖像要低。此外，由于紅外探測器各探測單元的響應(yīng)特性不一致等原因，造成紅外圖像的非均勻性，這主要體現(xiàn)為圖像的固定圖案噪聲、串?dāng)_、畸變等。
�。�4）由于大氣對不同的紅外波段輻射的吸收與隨機(jī)散射程度不同，不同波段的紅外圖像反映同一場景的灰度信息是不同的。利用多波段紅外圖像進(jìn)行融合處理，可得到更多的有效信息。
�。�5）實際景物紅外圖像的像素之間存在較大的相關(guān)性，目標(biāo)的紅外圖像含有較多的同質(zhì)區(qū)，像素的灰度具有良好的空間相關(guān)性。紅外圖像像素灰度值的動態(tài)變化范圍不大，很少充滿整個灰度級空間，絕大部分像素集中于某些相鄰的灰度級范圍，這些范圍以外的灰度級上則沒有或只有很少的像素，而可見光圖像像素的灰度值則分布于幾乎整個灰度級空間。
……
書單推薦
