一、基于分形和模糊滤波的红外烟幕背景中人造目标的识别（论文文献综述）
宋若鹏[1]（2018）在《基于数字图像处理算法的红外伪装效果综合评价》文中提出红外伪装技术在军事领域有着广泛而深入的应用,该技术直接影响甚至决定了军事目标的生存能力。因此,对目标的伪装技术的效能的评价十分必要。现有的红外伪装技术效能评价大多为基于计算机数字图像处理的单一角度的可行性研究,或为基于专家经验主观评判的笼统感知。在具有简单易行,客观直接的优点的同时,也具有一定的局限性,其并未形成完整的系统体系,未实现科学有效的综合评价。因此,将多角度客观参数的评价与主观视觉感知的评价相结合的方法完成对伪装效能的综合评价正是本文的研究目的与内容。围绕于此,本文进行了如下工作:本文首先确定了评价伪装技术效能客观评价参数的三个角度:目标纹理特征、目标模糊不确定性特征、目标与典型背景结构相似度特征。这三个特征均可作为将目标从背景中区分出来的具有代表性的特征。在场景纹理特征分析中,基于灰度共生矩阵（GLCM）算法模型,使用二阶统计特征-“对比度”分析了场景整体、典型背景、伪装前后的目标在大范围内尺度的纹理特征规律,同时研究了环境条件对区域纹理特征的影响,找到目标具有代表性的尺度,分析了伪装前后的目标纹理特征变化,并设计、计算得到了伪装效能-纹理特征评价参数。目标的模糊不确定性特征的分析是基于由Gamma函数与Sugeno补集构成的直觉模糊集完成的,它使用模糊距离特征分析了典型背景与伪装前后的目标的模糊距离特征,同时研究了环境条件对模糊距离特征的影响,分析了伪装前后的目标模糊距离的变化,并设计、计算得到了伪装效能-模糊不确定性特征评价参数。基于结构相似度（SSIM）算法的目标结构特征分析实验分析了典型背景与伪装前后的目标的结构相似度特征,同时研究了环境条件对结构相似度特征的影响,分析了伪装前后的目标与典型背景之间的的结构度变化,并设计、计算得到了伪装效能-结构相似度特征评价参数。基于三个角度特征的分析及得到的伪装效能评价参数,本文引入层次分析-模糊综合评价法,通过建立判断矩阵,模糊评判矩阵计算了伪装效能的评价得分,完成了对伪装技术的综合评价。
李毅[2]（2016）在《基于视觉模型的红外图像增强技术研究》文中认为红外探测器依靠被动式接收目标热辐射探测目标,具有隐蔽性好,可昼夜工作等优点,广泛应用在军事探测和民用监控等领域。但是受大气传输和成像系统自身特性等因素影响,导致红外图像呈现低对比度、边缘模糊和细节不清晰等特点,严重降低红外图像的观测效果。为了更好的观测和监控,增强红外图像是有必要的。近年来,基于人类视觉特性的图像增强技术备受关注。本文以本所车载设备获取的红外图像为研究对象,立足于人眼视觉特性,分析人眼视觉模型,重点研究了人眼视觉特性在红外图像对比度增强、细节信息增强和显着性区域增强等方面的应用,并建立基于视觉模型的红外图像增强算法框架,主要研究内容和工作有:1介绍红外成像原理及其特点,对红外图像基本特征进行分析。介绍了人眼视觉与计算机视觉的特点,回顾了现有的视觉模型,重点阐述了本文所涉及三种视觉模型:大气散射模型、Retinex模型及显着性模型。2大气散射模型是机器视觉中描述光在大气传输的物理模型。本文分析大气散射模型后,提出采用大气散射模型实现红外图像的模糊去除。在求取透射率时,考虑到红外图像为单色图像及兼顾实时性,提出来一种基于均值滤波的相对深度信息估计方法,并提出依据红外图像统计信息自适应获取透射率估计。最后对模糊去除的红外图像采用场景复杂度计算的平台直方图均衡实现亮度提升与对比度增强。实验结果中,主客观评价一致表明本章算法在去除红外图像模糊现象及对比度增强方面表现良好。3红外图像是目标景物热辐射成像结果,当场景中目标与背景之间热辐射量差距较大时,受通用显示设备限制,不能同时获得高亮区和阴影区细节信息。为实现红外图像高亮区和阴影区细节增强,本文提出了子带分解多尺度Retinex自适应增强细节方法。首先对多尺度Retinex结果图像进行子带分解,对子带图像采用引导滤波进行分层处理,依据子带特性设计细节增强权值基函数,对不同尺度下细节实现自适应增强处理,最后融合细节层和基层重建图像,并对增强后图像平滑区不均匀现象提出采用自适应伽马校正。实验表明,本章算法在提升阴影区与高亮区细节方面表现突出,客观评价中取得最高的信息熵得分。4人眼视觉趋向于关注感兴趣区域,为了实现感兴趣区域红外图像增强,提出基于显着性区域检测和分层差分表达理论的视觉增强算法。首先采用一种基于对比度的显着性滤波获取人眼感兴趣区域,并对该区域进行统计分割,获取更利于人眼观测和后续计算的显着性区域;将原图中显着性区域进行二维差分直方图统计,依据分层差分表达理论和各层之间的内在联系,将二维直方图统计信息折算到固定层,通过解放大差分值的线性优化方程,得到显着性区域差分向量。定义代表原图特征的原始差分向量,融合两个向量获取全局变换函数,重建得到感兴趣区域增强的结果图像。实验表明,本章算法合理增强人眼感兴趣的显着性区域,在提高全局人眼视觉系统敏感度信噪比方面表现良好。最后,总结了本文的主要研究成果,指出了需要进一步研究和解决的问题。
刘松涛[3]（2009）在《用盒子维评估红外烟幕对舰船目标的遮蔽效果》文中研究表明红外烟幕是防御红外成像制导武器的一种重要的对抗手段,其对待保护目标的遮蔽程度直接影响制导武器的作战性能。本文用盒子维来评估红外烟幕对舰船目标的遮蔽程度,探讨了差分盒维数计算中涉及的关键问题,包括线性尺度区间、盒子数的统计等,给出了精确、有效的盒子维计算方法,最后采用新方法计算受干扰舰船目标图像区域不同时刻的分维数,实现红外烟幕对舰船目标遮蔽程度的有效评估。
潘聪,王向军[4]（2008）在《自然背景中人造信息的检测算法综述》文中进行了进一步梳理对目前自然背景中人造信息的检测算法进行了综述。由于自然背景与人造信息在某些特征上存在固有差异,因此可以利用这些差别检测出自然背景中的人造信息。分别讨论了基于几何特征、偏振特征、分形特征和概率模型的人造目标检测算法,并对天然背景中人造自然的检测算法做了初步的探讨。通过研究发现,基于分形特征的人造信息检测算法是目前研究的热点,而基于DRF模型的人造信息检测算法由于其检测精度高、适应性良好,正成为新的研究发展趋势。
刘松涛,高东华,杨绍清[5]（2008）在《评估烟幕对红外成像跟踪系统的干扰效果》文中研究说明烟幕是红外成像跟踪系统的一种重要的对抗手段,对其干扰效果的评估具有重要的意义。首先研究了基于分形拟合误差的红外烟幕对舰船目标遮蔽效果的评估方法,改进了毯子覆盖法进行分形维计算的实现方法。之后,以典型跟踪算法为例,将分形拟合误差量化,评估了烟幕对红外成像跟踪系统的干扰效果。仿真实验表明,基于分形拟合误差的评估方法能够真实地反映烟幕对红外成像跟踪系统的干扰效果,是一种有效的评估方法。
刘松涛,杨绍清[6]（2008）在《基于分形拟合误差的红外烟幕遮蔽效果评估方法》文中指出红外烟幕是红外成像跟踪系统的一种重要的对抗手段,它对舰船目标遮蔽程度的强弱直接影响跟踪系统的作战性能。研究了基于分形拟合误差的红外烟幕对舰船目标遮蔽效果的评估方法,改进了毯子覆盖法进行分形维计算的实现方法。与对比度评估方法和相关度评估方法的比较实验表明,基于分形拟合误差的评估方法能够更好地反映红外烟幕对舰船目标的遮蔽程度,是一种有效的评估方法。
岳贤军,沈学华[7]（2004）在《基于分形和模糊滤波的红外烟幕背景中人造目标的识别》文中进行了进一步梳理文章分析了红外烟幕图像中背景与目标特征的差别,采用分形维教和分形拟合误差作为烟幕背景与人造 目标的区分特征,用模糊滤波的方法确定分割门限,实现了分形识别算法并对目标图像进行了处理,结果表明能够 较好地从烟幕背景中检测出人造目标。
岳贤军[8]（2003）在《红外烟幕遮蔽条件下军用目标热像图的增强与判别》文中进行了进一步梳理为了解决红外烟幕遮蔽条件下军用目标热像的增强与判别以及进一步减少烟幕对红外目标的遮蔽时间问题，本文根据烟幕遮蔽下目标热像的特征，对目标热像利用基于二维直方图的灰度变换方法进行了灰度变换，增强了目标热像与烟幕背景的对比度。根据烟幕所具有的特征以及分形理论适合于描述自然物体和具有不规则形状的物体的特性，把分形理论引入到本课题中，用分形理论来描述烟幕和目标热像图，寻找到分形维数作为识别烟幕背景中目标的分形特征。 本文采用经典的分形布朗运动模型（FBM）来描述烟幕和目标，由于烟幕可视为一自然物体，而目标可视为规则的人造物体，二者的分形维数存在较大的差别。所以本文选择了分形维数作为区分烟幕背景和目标的分形特征。 本课题中采用Visual C++平台，建立起了相应的软件，结合数字图像处理技术，利用基于分形理论的目标识别算法对“9711烟幕外场”试验数据进行了处理，结果表明该方法能够显着地减少烟幕对目标的遮蔽时间，并能在各种烟幕条件下正确的检测出目标。
二、基于分形和模糊滤波的红外烟幕背景中人造目标的识别（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、基于分形和模糊滤波的红外烟幕背景中人造目标的识别（论文提纲范文）
（1）基于数字图像处理算法的红外伪装效果综合评价（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景与目的 |
| 1.2 国内外研究概述 |
| 1.2.1 红外伪装技术概述 |
| 1.2.2 红外伪装评价方法概述 |
| 1.2.3 综合评价方法概述 |
| 1.3 问题及难点 |
| 1.4 论文任务及章节安排 |
| 1.4.1 论文主要任务 |
| 1.4.2 论文章节介绍 |
| 1.4.3 论文研究结构框图 |
| 第2章 基于纹理特征分析的伪装评价方法 |
| 2.1 引言 |
| 2.2 纹理特征分析的模型 |
| 2.2.1 灰度共生矩阵的数学模型 |
| 2.2.2 红外灰度图像纹理特征与评价模型的建立 |
| 2.3 基于纹理特征分析的红外伪装评价 |
| 2.3.1 目标与背景纹理特征分析 |
| 2.3.2 基于纹理特征分析的目标伪装效能评价 |
| 2.4 基于纹理特征分析评价红外伪装小结 |
| 第3章 基于模糊特征分析的伪装评价方法 |
| 3.1 引言 |
| 3.2 模糊特征分析的模型 |
| 3.2.1 直觉模糊集的数学模型 |
| 3.2.2 红外灰度图像模糊特征与评价模型的建立 |
| 3.3 基于模糊特征分析的红外伪装评价 |
| 3.3.1 目标与背景的直觉模糊对比分析 |
| 3.3.2 基于模糊不确定性特征分析的目标伪装效能评价 |
| 3.4 基于模糊特征分析评价红外伪装小结 |
| 第4章 基于结构相似度特征分析的伪装评价方法 |
| 4.1 引言 |
| 4.2 结构相似度特征分析的模型 |
| 4.2.1 结构相似度的数学模型 |
| 4.2.2 红外灰度图像结构相似度特征与评价模型的建立 |
| 4.3 基于结构相似度特征分析的红外伪装评价 |
| 4.3.1 目标与背景的结构相似度特征分析 |
| 4.3.2 基于结构相似度特征分析的目标伪装效能评价 |
| 4.4 基于结构相似度特征分析评价红外伪装小结 |
| 第5章 伪装效果综合评价 |
| 5.1 引言 |
| 5.2 综合评价基本过程 |
| 5.3 目标伪装效果综合评价 |
| 5.4 伪装效果综合评价程序设计 |
| 5.5 伪装效果综合评价小结 |
| 第6章 总结和展望 |
| 6.1 论文工作总结 |
| 6.2 本文研究的创新点 |
| 6.3 论文展望 |
| 参考文献 |
| 附录 A 图像集及信息概述表 |
| 附录 B 判断矩阵与模糊评判矩阵评分表 |
| 致谢 |
（2）基于视觉模型的红外图像增强技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及意义 |
| 1.2 研究现状及发展趋势 |
| 1.3 课题研究内容 |
| 1.4 本文结构安排 |
| 第2章 红外图像特征及人眼视觉模型 |
| 2.1 引言 |
| 2.2 红外图像特征 |
| 2.3 人眼视觉特性和视觉模型 |
| 2.4 本章小结 |
| 第3章 基于大气散射模型的红外图像 对比度增强 |
| 3.1 引言 |
| 3.2 大气散射模型的应用 |
| 3.3 基于大气散射模型的红外图像对比度增强 |
| 3.4 实验结果及讨论 |
| 3.5 本章小结 |
| 第4章 基于多尺度Retinex的红外图像细节增强 |
| 4.1 引言 |
| 4.2 子带分解多尺度Retinex |
| 4.3 多尺度Retinex红外图像细节增强 |
| 4.4 实验结果及讨论 |
| 4.5 本章小结 |
| 第5章 基于视觉显着性的红外图像增强 |
| 5.1 引言 |
| 5.2 显着性区域检测 |
| 5.3 分层差分表达理论LDR |
| 5.4 视觉显着性的红外图像增强 |
| 5.5 实验结果及讨论 |
| 5.6 本章小结 |
| 第6章 总结与展望 |
| 参考文献 |
| 在学期间学术成果情况 |
| 指导教师及作者简介 |
| 致谢 |
（3）用盒子维评估红外烟幕对舰船目标的遮蔽效果（论文提纲范文）
| 0 引言 |
| 1 盒子维计算方法 |
| 2 改进的DBC方法 |
| 2.1 传统的DBC方法 |
| 2.2 线性尺度区间 |
| 2.3 精确的盒子数 |
| 3 实验结果 |
| 结束语 |
（4）自然背景中人造信息的检测算法综述（论文提纲范文）
| 1 引言 |
| 2 人造目标与人造自然检测的区别 |
| 3 基于几何特征的人造目标检测算法 |
| 4 基于偏振特征的人造目标检测算法 |
| 5 基于分形特征的人造目标检测算法 |
| 5.1 基于单一分形特征的目标检测算法 |
| 5.2 基于复合分形特征的目标检测算法 |
| 6 基于概率模型的人造目标检测算法 |
| 7 天然背景中人造自然的检测算法 |
| 8 结论 |
（5）评估烟幕对红外成像跟踪系统的干扰效果（论文提纲范文）
| 0 引言 |
| 1 分形拟合误差评估方法 |
| 2 干扰效果评估 |
| 3 实验结果分析 |
| 1) 遮蔽效果评估。 |
| 2) 干扰效果评估。 |
| 4 结束语 |
（6）基于分形拟合误差的红外烟幕遮蔽效果评估方法（论文提纲范文）
| 1 引 言 |
| 2 分形拟合误差评估方法 |
| 3 毯子覆盖法改进 |
| 4 实验结果分析 |
| 5 结束语 |
（7）基于分形和模糊滤波的红外烟幕背景中人造目标的识别（论文提纲范文）
| 1 红外烟幕图像的特征 |
| 2 分形维数和分形拟合误差的计算 |
| 3 模糊滤波的方法确定分割门限 |
| 3.1 模糊滤波 |
| 3.2 分割门限的确定 |
| 4 目标图像的处理及结果分析 |
| 5 结论 |
（8）红外烟幕遮蔽条件下军用目标热像图的增强与判别（论文提纲范文）
| 1 绪论 |
| 1.1 课题研究背景及国内外研究概况 |
| 1.2 课题研究的主要内容、目的、意义 |
| 2 红外烟幕遮蔽条件下热图像的特征分析 |
| 2.1 烟幕遮蔽目标机理的分析 |
| 2.2 防红外烟幕遮蔽下热像图的基本特征 |
| 3 热成像系统组成及工作原理 |
| 3.1 热成像系统的工作过程 |
| 3.2 红外成像原理 |
| 3.3 热成像系统的构成 |
| 3.4 AGEMA 880型热像仪主要技术指标及数据文件格式 |
| 4 分形理论及其在红外烟幕遮蔽条件下热像图处理中的应用 |
| 4.1 分形理论概述 |
| 4.2 分形理论在红外烟幕遮蔽条件下热像图处理中的应用 |
| 5 红外烟幕遮蔽条件下热像图的增强处理 |
| 5.1 目标热图像的显示及对比度增强 |
| 5.2 利用分形理论对烟幕遮蔽目标图像进行目标检测 |
| 5.3 目标图像的处理及结果分析 |
| 6 图像处理软件的设计 |
| 6.1 图像处理软件的设计 |
| 6.2 分形维数及分形拟合误差的计算程序 |
| 6.3 基于二维直方图变换的图像增强计算程序 |
| 6.4 基于分形理论的目标检测的计算程序 |
| 总结 |
| 致谢 |
| 论文发表情况 |
| 参考文献 |
四、基于分形和模糊滤波的红外烟幕背景中人造目标的识别（论文参考文献）
- [1]基于数字图像处理算法的红外伪装效果综合评价[D]. 宋若鹏. 北京理工大学, 2018(07)
- [2]基于视觉模型的红外图像增强技术研究[D]. 李毅. 中国科学院研究生院(长春光学精密机械与物理研究所), 2016(08)
- [3]用盒子维评估红外烟幕对舰船目标的遮蔽效果[J]. 刘松涛. 光电工程, 2009(02)
- [4]自然背景中人造信息的检测算法综述[J]. 潘聪,王向军. 光学技术, 2008(06)
- [5]评估烟幕对红外成像跟踪系统的干扰效果[J]. 刘松涛,高东华,杨绍清. 电光与控制, 2008(11)
- [6]基于分形拟合误差的红外烟幕遮蔽效果评估方法[J]. 刘松涛,杨绍清. 激光与红外, 2008(01)
- [7]基于分形和模糊滤波的红外烟幕背景中人造目标的识别[J]. 岳贤军,沈学华. 南通大学学报报(自然科学版), 2004(04)
- [8]红外烟幕遮蔽条件下军用目标热像图的增强与判别[D]. 岳贤军. 南京理工大学, 2003(01)