高动态条件下增量惯导信息辅助的空地红外弱小移动目标检测算法.docx

【文章概述】 本文主要探讨了在高动态条件下，如何利用增量惯导信息辅助进行空地红外弱小移动目标的检测。这项技术在红外检测与跟踪系统、精确制导、空间目标监视等领域具有重要意义。针对在机载空地动态场景下，如目标尺寸小、信噪比低、背景复杂以及目标机动等问题，传统的红外弱小目标检测算法面临巨大挑战。目前的检测算法主要分为基于单帧图像和基于序列图像两种，但它们往往未能充分考虑目标的运动特性，或在计算复杂度和参数调整方面存在局限。 【增量惯导信息辅助检测】 为解决上述问题，文章提出了一种基于增量惯导信息辅助的红外弱小移动目标检测算法。这种算法利用飞行器上配备的捷联惯性导航系统（INS）提供的相对准确的位置和姿态信息，结合图像信息，提高检测精度。考虑到惯导信息的漂移误差随时间累积，但漂移方向保持一致，文章提出利用连续帧间的增量惯导信息，而不是直接使用当前帧的惯导数据，来预测目标位置，从而减少漂移误差的影响。 【位置预测模型】 文章详细阐述了基于增量惯导信息的位置预测模型（LPI）。该模型通过分析两帧图像之间的姿态变化、位置变化和视角变化，构建了目标点像素对应关系的模型，以消除由惯导漂移造成的预测误差。具体而言，模型考虑了飞行器的运动对图像中目标点的影响，通过比例变化、姿态变化和视角变化来预测目标在连续帧中的位置。 【检测框架】 接着，文章介绍了基于背景差分的移动目标检测框架。该框架利用增量惯导信息进行图像校正，以适应飞行器运动引起的场景变化。通过爬山法互相关匹配算法计算校正后的序列图像的平移参数，进一步对背景图像进行高斯加权估计，以减少背景干扰。最终，通过对差分图像进行阈值分割，实现弱小移动目标的检测。 【实验验证】 仿真实验验证了该检测算法的有效性和精确性，证明了利用增量惯导信息可以显著提高在高动态环境下空地红外目标检测的性能。 本文提出的增量惯导信息辅助的红外弱小移动目标检测算法，通过巧妙地处理惯导漂移问题，提高了目标检测的精度和鲁棒性，为解决机载空地动态场景下的目标检测难题提供了新的思路和方法。这一技术对于提升航空、军事和空间探测等领域的红外目标识别能力具有重要意义。