16706

16706

آشكارسازي اهداف كوچك در حال پرواز در تصاوير مادون قرمز بر پايه مورفولوژي

كارشناسي ارشد

الكترونيك

آبان 1395

دكتر سيد محمدرضا موسوي ميركلايي

برق

چكيده آشكارسازي اهداف كوچك در تصاوير مادون¬قرمز اخذ شده توسط سامانه¬هاي الكترواپتيكي موضوع چالشي در سامانه¬هاي مراقبتي و هشدار سريع مي¬باشد. در طيف مادون¬قرمز، تابش حرارتي پس‌زمينة هدف و نيز نويز حسگر در كل يك توان مزاحم قوي توليد مي‌كنند، لذا هدف بصورت يك چشمة انرژي كوچك در انرژي پس‌زمينة ناشي از كلاتر و نويز گم مي‌شود و با روش¬هاي متداول جز به بهاي توليد انبوه هشدار كاذب نمي‌توان آن¬ را آشكارسازي نمود. عمدة الگوريتم¬هاي آشكارسازي اهداف كوچك در دو دسته مورد بررسي قرار مي¬گيرند: دسته اول با نام آشكارسازي قبل از رديابي (DBT ) شامل الگوريتم¬هاي آشكارسازي براساس اطلاعات يك ¬فريم مي¬باشند و دسته دوم به رديابي قبل از آشكارسازي (TBD ) معروف بوده و در آن آشكارسازي به اطلاعات فريم¬هاي قبلي وابسته مي¬باشد. با توجه به بار محاسباتي كمتر دستة اول و عملكرد بهتر در آشكارسازي اهداف، عموما از گونه¬هاي رايج تبديل¬هاي مورفولوژي، بخصوص تبديل¬هايTop-Hat ، Hit-Miss و Toggle در اين دسته استفاده مي¬شود. مهم¬ترين مسئله در بهبود كارايي تبديل¬¬¬هاي موفولوژي، بكارگيري المان¬ساختاري متناسب با SNR هر تصوير است. از آن جايي كه تصاوير داراي كلاتر و اهداف متفاوتند، استفاده از المان¬ساختاري با ابعاد و شكل ثابت براي تصاوير با SNRهاي مختلف در بسياري از موارد نمي¬تواند به آشكارسازي دقيق اهداف منجر شود. در اين پايان¬نامه، به منظور آشكارسازي دقيق اهداف در تصوير مادون قرمز، الگوريتم ژنتيك گسسته براي دستيابي به المان¬ساختاري تطبيقي پيشنهاد شده است، كه مقادير هر يك از پيكسل¬هاي المان آن منطبق با ويژگي¬هاي پس¬زمينه و هدف است. به عنوان روش پيشنهادي دوم، يراي از بين بردن خطاهاي كوانتيزاسيون الگوريتم ژنتيك گسسته و همچنين پوشش تمامي اعداد بين 0 تا 255 براي پيكسل¬هاي المان ساختاري تطبيقي، از الگوريتم ژنتيك پيوسته استفاده شده است. نتايج حاصل نشان مي¬دهد كه در تصاوير مادون¬قرمز با پس¬زمينه¬هاي مختلف و پيچيده، روش ارائه شده نسبت به روش¬هاي مرسوم، معيار SNR را حدود 30% و معيار BSF را 20% بهبود داده است.

1395/11/26

1/1/1900 12:00:00 AM

Abstract: Small target detection in infrared images taken by Electro-optical systems is a challenge in surveillance an​d early warning systems.in this infrared systems, targets are seen as tiny dots generally. In the infrared spectrum, Thermal radiation in the Background of target an​d the noise of sensor can produce strong noise that is really annoyed, so the target would be lost in the energy derived from background of clutter an​d noise. Since mass production of false alerts it cannot be detected with usual methods. In this thesis, strategies are introduced an​d developed for more accurate detection of targets by reducing background clutter in infrared images. The small Target Detection algorithms are considered in two categories: The first algorithm is Detection before tracking algorithm (DBT) that is including detection algorithm based on information of a frame an​d the second one is tracking before Detection algorithm (TBD) where detection in this, is dependent on previous information frames. Because of The first one has a lower computational load an​d better performance in target detection, generally, the common species transformation of morphology used in this category especially the transformation of Top-Hat, Hit-Miss an​d Toggle. The transformation of morphology, is one of the best methods of Reduce the effect of background an​d increase the SNR an​d thus it increases the efficiency of target detection in image processing. In this thesis, we used the simulation an​d analysis of the transformation of morphology in Point Target Detection in Infrared Images Based on Top-Hat, Hit-Miss an​d Toggle transformation. This transformation model using genetic algorithms try to achieve optimum structural element to increase their efficiency. The results show that in infrared images with different an​d complex backgrounds, the proposed method compared to the conventional methods, has improved the SNR measure by about 30 % an​d BSF measure has improved to 20 %.