复杂背景下的红外探测虚警抑制方法研究

虚警抑制是红外小目标检测系统中的重要任务之一,在复杂场景下,存在着大量与目标灰度特征相似的干扰易被识别为虚警,现有方法难以准确、高效地区分目标并滤除虚警。本文提出了一种基于目标相对运动推理法的高鲁棒性红外虚警抑制方法,通过对上报目标进行运动信息提取,并分析目标间的相对运动关系,以构建运动信息匹配表,最终根据运动信息匹配结果进行投票信息选择,以滤除上报信息中的虚警。在8种包含虚警的复杂场景下进行了实验,包括背景相对相机静止目标移动的场景、目标相对相机静止虚警移动的场景、相机画面剧烈抖动的场景以及所有检测目标均为虚警的场景。实验结果表明,本文提出的方法在以上场景中都能够准确滤除虚警,同时可以在所有候选目标均为虚警的场景下保持虚警率为0。基于相对运动推理的方法可以实现复杂场景中的虚警抑制,在不同场景中表现稳定、快捷、滤除率高。     

基于神经网络的红外目标分类算法设计与应用

卷积神经网络在图像处理领域取得了突出表现，但是由于算法庞大的计算量引起功耗高和实时性差的问题导致神经网络的实际应用受到一定限制。如果将神经网络移植在FPGA硬件平台，可充分发挥其高度并行的优势实现网络加速，降低功耗并提升算法实时性。基于上述描述，本文将用于目标分类的网络模型成功移植在FPGA上，通过对比加入分类模型前后的告警结果，说明分类模型设计的重要性。对比硬件实现与仿真结果，证明硬件实现的正确性。