[发明专利]一种暗弱目标红外微分探测方法

说明书

本发明公开了一种暗弱目标红外微分探测方法，包括建立不同的红外微分探测模型，如典型目标和背景的光谱特性模型、偏振特性模型和运动特性模型，通过在不同维度的微分探测区间内对目标特性模型的比较分析，在物理因素层面筛选探测维度；提出微分探测因子选择优化方法，对筛出的维度进行优化，选出最优的红外微分维度和区间作为微分探测因子，使得输出的微分探测因子流中目标分量与杂波、噪声分量差异最大。红外微分探测方法为解决对暗弱目标检测效果差和难以识别的难题提供基础。

技术领域

本发明属于红外遥感和红外空间技术领域，特别是涉及一种暗弱目标红外微分探测方法。

背景技术

当前，天基红外探测主要为对地复杂背景下的暗弱目标探测，存在图像信噪比/信杂比低等局限，导致该类目标的感知仅停留在检测和跟踪层面，且极易因为噪声和杂波造成虚警、漏检和误跟踪，难以保证系统稳定性，无法满足天基红外探测的能力需求。红外微弱目标的有效探测是一个亟待突破的技术瓶颈，实现红外微弱目标的探测对天基红外探测系统发展具有重大价值和现实意义。在现有红外成像体制下，多维度信息融合在一定程度上能够提高探测和感知能力，但由于采用传统的基于能量积分方法，无法有效区分目标与背景的差异。具体表现为在对各维度信号进行采集、放大和量化过程中，会引入较多的噪声和量化误差，对信噪比产生影响甚至造成严重衰退，这种无法对红外目标信号与噪声、背景杂波的选择性放大导致了数字融合信息处理难以达到预期，严重制约了红外探测能力。该问题也被称红外目标的非选择性感知缺陷。上述缺陷的解决的思路就在于寻找红外目标与背景在不同维度信息的差异并加以区分实现选择性放大，从根本上实现目标的选择性感知。

发明内容

为了克服上述问题，本发明提供了一种暗弱目标红外微分探测方法。

本发明所采用的技术方案是：

一种暗弱目标红外微分探测方法，包括以下步骤：

步骤一：构建红外信号统计模型：

为分析筛选红外微分探测因子，针对典型目标，对遥感探测的作用因子开展研究，构建典型目标和背景的光谱特性模型L(λ，l，T)、偏振特性模型P(θ，l)和运动特性模型G(x，y，t)；

在构建目标和背景光谱模型的基础上，开展噪声-杂波联合统计特性分析，构建运动特性模型G(x，y，t)，统计目标在探测系统上的响应与空间位置和时间的规律；

利用辐射传输模式分别模拟计算目标和背景的红外微分探测量；对模拟探测量用传统探测方法和红外微分探测方法进行目标检测，计算二者的区分系数；最后对区分系数进行比较，对典型目标和场景确定其可用的红外微分探测维度信息；

通过红外微分探测机理模型和目标特性模型的比较分析，在物理因素层面筛选探测维度；

步骤二：红外微分探测模型构建和微分探测因子的选择：

根据步骤一输出的探测维度，选出最优的红外微分维度和区间作为微分探测因子，并对所获因子进行优化，使得输出的红外信号中暗弱目标分量与杂波、噪声分量差异最大；

红外微分探测模型其数学模型由下式概括：

其中，步骤一中遥感探测的作用因子包括波段、偏振态和时空特性。

其中，步骤一中G为灰度值，P为偏振度，L为光谱强度，λ为波长，l为探测距离，T为辐射源温度，(x,y)为图像坐标，t为成像时刻。

其中，步骤二中F为求差异的方法，y₁,y₂,…,y_m是在不同维度x上的响应，x₁，x₂，…，x_n为x维度上的n个不同红外微分区间，表示最优的红外微分因子集。

本发明的优点如下：