复杂背景下红外目标检测方法研究+文献综述(6)
1.3.12 基于分类的弱小目标检测方法
将复杂背景下红外弱小目标图像看作由不同类别物体所构成的图像，于是检测问题转化成在多个类别中寻找弱小目标类别的问题。
1.3.13 其他的弱小目标检测方法
近年来，很多新的理论被引入红外弱小目标检测领域，如：神经网络，马尔科夫，粒子滤波，SVM 算法，非参数统计方法等等。这些方法的不断引入，为复杂背景下红外弱小目标的检测问题提供了很多新的解决思路。
综上所述，红外弱小目标检测领域已经在学术领域有了不少的研究成果，随着研究的不断深入，红外弱小目标的检测方法越来越开阔，不断有新的思想和新的理论被引入。然而，在复杂背景中对低信噪比弱小目标的检测通用性强且性能优良的算法并不多见，要用于工程实践还需要不断地改进以达到实际需求，这是该学术领域需要进一步研究和完善的方面。
1．4 论文结构
本论文仅仅围绕在复杂背景背景下红外目标探测问题展开论述，其结构安排如下：
（1）第一章为引言，对相关红外成像技术与目标探测技术做出分析，论述本文课题的目的以及意义，同时最后分析国内外研究现状，为论文的展开做出铺垫；
（2）第二章主要介绍红外弱小目标的特性，包括红外图像模型、实际红外图像背景分析、噪声分析、红外弱小目标分析，为我们研究复杂背景下的红外弱小目标检测提供了良好的理论基础；
（3）第三章对于单帧图像中红外弱小目标的检测中背景预测算法的基本思想进行阐述。根据权重选取的不同提出了最佳权重背景预测算法。并利用一些典型的红外弱小目标的实际图像进行了实验，分析算法的检测效果。
2 红外弱小目标的特性分析
红外弱小目标检测涉及了三个基本要素：目标、背景和噪声。本章阐述了红外图像的模型，总结了红外图像中的噪声问题和红外弱小目标的定义，并结合实际图像对红外弱小目标检测所涉及的目标和背景特性，进行了详细的分析。
2．1 红外图像模型
红外图像是利用红外探测器接收空间景物辐射或反射的红外线而获得红外热辐射图像。红外探测器把接收到的按空间变化的红外辐射，转换成按时间变化的电信号，再经放大、变换处理就形成了二文红外图像。由于目标和其周围环境存在着热交换，并且空气对热辐射有散射和吸收的作用等，所以在红外图像中，目标与背景的对比度较差、边缘模糊，对远距离目标的红外图像来说，这一问题更为突出。
红外探测器输出图像 通常由三部分组成: 起伏背景、系统噪声和目标。可表示为:
其中， 为图像的灰度值， 为目标在图像平面上的投影灰度， 为强起伏云背景杂波灰度， 为图像噪声灰度， 为图像坐标中的某个像素坐标值， 为图像在序列中的帧号。
红外探测系统输出图像的背景 主要是大面积缓慢变化的云层。这些云层通常具有“强相关”的特点，并占据了整个场景图像的低频空间。云层背景起伏很大，是一个非平稳过程。
红外成像系统的噪声 主要有两部分组成，一部分只与响应波段内的红外辐射亮度有关，另一部分只与红外成像系统内部参数有关。这些噪声中主要是白噪声和非平稳的 噪声。表现在图像上，它们之间互不相关，并且与背景也不相关，在空间域中表现为和弱小目标类似的高频特征，但在空间分布上是随机的，帧间分布不具有相关性。
在红外图像中，目标亮度较周围背景高，与背景不相关。并且在序列图像中相邻帧图像中目标的灰度变化不会很大，而且目标的运动速度相对于背景要快。