摘要
红外探测系统具有可昼夜工作、隐蔽性强、无低空探测盲区等优势，在远距离侦察、立体攻防等应用中发挥着举足轻重的作用。作为红外探测系统的核心技术，红外弱小目标检测一直是近年来的研究热点。然而，随着现代战场环境日益复杂、低空空域逐步开放，复杂的近地背景对弱小目标检测算法的研究提出了新的挑战。此外，将多个系统得到的视觉信息与其他可测量信息相结合实现对远距离目标的定位是提升多系统协同作战能力的关键。因此，本文围绕近地复杂背景下红外弱小目标检测与远距离双站多目标定位所涉及的关键技术开展了深入的研究，主要研究内容总结如下: （1）为了提升算法的实时性和对复杂近地背景的抑制能力，提出了一种基于三层模板局部差异度量的红外弱小目标单帧检测算法。该算法从滑动窗口的设计和局部对比度算子的构造两方面对现有的局部对比度类单帧检测算法做出了改进，首先设计了一种三层模板，简化了对局部图像块的划分，不仅可以避免引入多尺度运算，而且提升了算法的多目标检测能力;然后充分利用弱小目标的局部空域特征，提出了均值差异度量和方差差异度量相结合的局部灰度差异度量算子，增强目标的同时可有效抑制点噪声、强边缘和团状杂波等复杂背景。实验结果表明，与现有8种算法相比，所提算法具有更好的目标增强能力和背景抑制能力。在Matlab环境下，检测单张分辨率为320×256图像的运行时间为15.35毫秒，实时性仅次于形态学滤波算法。 （2）为了改善单帧检测算法无法区分目标和背景中与目标极其相似的辐射源的缺陷，提出了一种基于空-时域联合特征的近地慢速运动红外弱小目标多帧检测算法。该算法充分挖掘了慢速运动弱小目标的时域和空域特征，首先设计了一种圆形滤波核，并在其基础上构造了局部灰度差异度量算子用于提取目标的空域特征;然后为了提取目标的时域特征，提出了一种短时能量累积策略用于增强弱目标和一种长时轨迹连续性判断策略用于滤除随机噪声。在以固定翼无人机为探测对象的6组中波红外图像序列上对所提算法进行了测试，定性和定量实验结果表明该算法可有效抑制背景辐射源并实现对点目标和低显著性目标的可靠检测，当虚警率为0.01％时，算法的检测率可达97.11％。 （3）考虑到传统的以模型驱动的检测算法设计过程繁琐、鲁棒性差的通病，提出了一种以数据驱动的基于多任务U型深度神经网络的红外弱小目标检测算法。该工作从数据集的构造和模型设计两方面着手展开研究，首先构建了一个涵盖多种类型近地复杂背景的红外弱小目标数据集IR-TOD,用于解决数据匾乏的问题;然后基于QT开发了一款可专门标注红外弱小目标数据的软件Label-IRST,用于缓解数据标注困难的问题;最后结合红外弱小目标检测任务的特点和难点设计了多任务U型深度神经网络模型同时实现对弱小目标的“检测”与“分割”。在所提IR-TOD数据集上对模型的检测性能与鲁棒性进行了验证，证明了其有效性及优势。 （4）为了解决红外探测系统在实际应用中遇到的远距离、多目标定位难题，提出了一种基于二分图匹配的远距离红外多目标双站测向交叉定位算法。该算法对远距离、多目标双站定位所涉及的关键技术——同名目标的关联和双站测向交叉定位算法展开了针对性研究，首先基于对极几何原理和带权二分图匹配算法制定了多目标关联策略，然后结合已有系统的可测量信息构建了可直接投影于真实地理空间的三维直角坐标系和双站测向交叉定位模型，最后在已有系统采集的真实数据上对所提关联策略的准确性和算法的定位精度进行了验证，并对影响双站测向交叉定位模型的定位误差的因素进行了分析，实验结果和结论可为制定双站红外探测系统的应用方案提供理论依据。
NETL