红外图像处理：复杂背景下的目标检测与跟踪算法

"这篇博士学位论文主要探讨了在复杂背景下红外图像的配准及动目标检测技术，涵盖了非参数统计方法在图像处理中的应用，尤其是在红外空中目标检测与跟踪中的创新算法。作者郭伟在导师赵亦工的指导下，研究了以下几个关键点：1) 红外弱小目标检测算法；2) 复杂背景下红外目标跟踪算法；3) 现代电视跟踪器软件系统设计。此外，论文还提出了将非参数统计的秩分析应用于图像纹理分析，增强了算法的鲁棒性。" 在红外图像纹理分析方面，郭伟引入了非参数统计中的秩分析方法，该方法不依赖于灰度幅度，而是基于灰度排序进行纹理分析，定义了图像纹理的秩统计变换。通过秩相关卷积的组合，能够有效地提取图像中的特定纹理结构，提高了纹理分析的准确性。 针对复杂云层背景下的红外弱小目标检测，论文提出了一种新的抑制方法。通过定义理想云层边缘纹理的秩统计量，对云层边缘进行描述，然后进行反相拉伸变换构建陷波滤波图像，以此来抑制云层边缘对红外弱小目标检测的干扰。 在红外目标跟踪领域，论文分析了传统归一化互相关算法在恶劣环境下的局限性，并提出了一种改进的归一化互相关匹配算法。该算法将匹配过程视为一个最优化问题，寻找最佳的相关基准值，以提高红外目标匹配的鲁棒性，避免了传统方法中使用区域均值的不足。 最后，这些算法被集成到电视跟踪系统中进行实际工程实现，并在真实系统中进行了验证，证明了其有效性和实用性。关键词包括：红外图像、弱小目标、非参数方法、模板匹配和纹理结构。 这篇论文的贡献在于将非参数统计方法引入红外图像处理，提升了复杂背景下的目标检测和跟踪性能，为红外目标识别领域的研究提供了新的思路和方法。