以紅外線影像系列分析作海空目標偵測及追蹤

Abstract

本論文提出以紅外線影像系列分析作海空目標的偵測及追蹤的方法。紅外線影像中， 複雜的背景及雜訊造成偵測目標的困難並且影像中目標及海浪、雲等均會移動。因此 光從單張影像處理並不能獲得足夠的資訊來消除背景及以偵測目標。因此必須借助于 影像系列分析，以便結合時間及空間的資訊來擷取更多目標特徵。 在單張的影像處理中，運用了Double Window Modified Trim mean filtering 方法 來加強紅外線影像品質。並且利用修正的Otsu分割法，將影像分割成背景及候選目標 。然後分別求取候選目標的特徵值，最后並分析雜訊的特徵，排除部分的雜訊。 經過處理一影像系列後，利用動態分群法(Dynamic Clustering)結合候選目標的時間 關係，把目標及雜訊分開成不同的族群(Cluster)，並且計算同一族群內的距離(With in-Class Distance)。為了分辨族群究屬目標或雜訊，利用了最小平方和誤差學習法 (Least-Mean-Square-Error Learning)來求得特徵分類函數的各項係數值。以便利用 它來對族群分類，判別它究竟是目標抑或雜訊。 在目標的追蹤過程，我們首先用區域追蹤窗根據前一張影像中測得目標的大小、位置 ，在其附近找尋所要的目標。找到之後，若是不止一個目標，則選擇與追蹤模式最相 似的目標。然后判斷目標與追蹤模式的相似程度來驗證在追蹤窗內的目標是真或偽。 若是無法在追蹤窗內找到所要的目標則利用了最小平方和誤差估計法(Least-Mean-Sq uare-Error Estimation)來預測目標的大小及位置。 經過了測試七十八組海、空紅外線影像系列，共2340張影像，並比較了以前類似題目 論文的結果後證實了本法則的適用性。