面向弱点目标检测的规则集创建研究

As the hard problem of ATR (Automatic Target Recognition), the detection of dim point targets has aroused many researchers' attentions. In order to improve the performance and the universality of the algorithms, the integrated technique has been a research trend; however, it is at the cost of increasing the complexity of the algorithm and lowering the real-time. In this project the idea of creating "Rule set" is presented and it aims to create "compound features" associated with the target by carrying out multi-level mining based on image mining (IM) theory. Consequently, with the forming of the "rules" the traditional detection process is change to the matching process with the rules and it redeuce the missing detection and false alarm.Based on the simulated image database, the creation of rule set experience the training process including feature creation, feature mining, rule optimization and rule verification. Compared with the time-frequency filtering based on estimation theory the foundation of the "rule set"has the superiority of without knowing of the target dynamic; and at the same time, it also overtakes the performance decline of the background suppression methods caused by single feature. So, it provides a new scheme to resolve the universality and real-time of the algorithm.

作为自动目标识别领域中的难点问题,弱点目标的检测一直受到研究者们的关注。为了提高算法的性能和通用性，研究日渐呈现多技术手段综合的趋势，但是却以增加复杂度和降低实时性为代价。本项目提出构建"规则集"的设想，以图像挖掘为理论基础，通过空间和时间的多层面挖掘工作，建立与目标关联的"组合特征"。以此为基础，形成"规则"，从而将传统的检测过程改变为与规则匹配的过程，减少了中间环节带来的漏检和虚警问题。针对仿真图像库，规则集的构建经历了特征生成、特征挖掘、规则优化以及规则验证等训练过程。该"规则集"的建立，相比于基于估计理论的时频滤波器无需已知目标的运动方程；同时，也克服了基于背景抑制方法的特征单一易于衰减的缺陷，为解决检测算法的通用性和实时性提供了一条新思路。

红外弱小目标的检测是红外搜索跟踪系统的核心技术，也是自动目标识别中的难点和焦点问题。 本课题尝试利用一些新的研究思路解决这一类无形状、无纹理等显著性特征的目标。通过基于图像的数据挖掘理论，利用决策树、聚类分析、关联规则等具体的方法挖掘可资利用的l鲁棒的目标特征，从而构建一些有用的规则，将目标的检测过程改进为一种规则匹配的识别过程。主要研究内容包括仿真图像库的设计；目标特征筛选、提取；聚类分析方法的应用研究；识别算法的设计等。目前，取得下述重要结果：（1）仿真数据库生成软件开发完成；（2)规则的提取初步完成;(3)设计并实现了自动密度聚类检测算法;(4)提出了融合目标轨迹时空平滑不变性的回溯识别算法。将SURF加速鲁棒特征算子引入到感兴趣点的提取当中，尝试进行基于轨迹点的空间聚类降低时间复杂度，将挖掘技术与目标识别进行了有效地结合。我们的研究将启发其他科研人员通过设计和尝试不同的挖掘方法和研究角度，探索高性能的检测算法。该研究将为小目标检测技术的发展提供一条新的研究思路，对于解决复杂背景下，可变尺度小目标的检测具有重要的科学意义。