● 摘要
复杂背景下弱小目标识别技术的研究在航天和军事中有重要应用，是目标识别技术的重要研究领域，可以推动数学形态学、图像处理技术、控制科学和相关应用领域的发展。基于数学形态学的复杂背景下弱小目标识别技术研究是该领域的重要分支，属于重要的理论和应用研究课题，具有重要的理论和应用价值。针对复杂背景下弱小目标识别关键技术，本文从理论和应用两方面研究了基于数学形态学的复杂背景下弱小目标识别技术。 在理论方面，本文从影响数学形态学Top-hat变换弱小目标识别性能的因素入手，首先进行了四个方面的研究：(1)通过结构元素构造，提出了新型Top-hat变换；(2) 通过运算规则拓展，提出了Top-hat选择变换；(3) 通过在经典Top-hat变换中结合弱小目标特性，提出了改进经典Top-hat变换；(4) 通过在CB Top-hat变换中结合弱小目标特性，提出了自适应形态学背景剔除算法。实验证明，本文提出的上述四类算法可以有效提高Top-hat变换的弱小目标识别性能，且性能好于经典Top-hat变换和其他常用弱小目标识别算法。随后，本文在分析现有文献中的各种Top-hat变换和本文提出的各种Top-hat变换之间关系的基础上证明了各种Top-hat变换之间的转换关系，进而构建了各种Top-hat变换的关系图，从理论上阐明：(1) 新型Top-hat变换和Top-hat选择变换是各种Top-hat变换的泛化形式，各种Top-hat变换是新型Top-hat变换或Top-hat选择变换在一定条件下的特例；(2) 自适应背景剔除算法综合了新型Top-hat变换和Top-hat选择变换，从而具有良好的弱小目标识别性能。同时，本文还从图像增强角度提出了基于Top-hat变换的弱小目标增强算子，从另一个角度研究了提高弱小目标识别性能的理论和方法。实验结果说明，从图像增强角度进行弱小目标识别也是有效途径之一。 在应用方面，本文以上述理论为基础，以空间交会对接序列图像多光点目标识别为应用对象，提出了基于数学形态学和目标跟踪技术的多光点目标识别算法；以复杂背景红外序列图像弱小目标识别为另一应用对象，提出了红外图像序列弱小目标识别算法。同时，本文还以边缘检测和红外弱目标分割为对象，研究了数学形态学的其他应用，提出了基于轮廓结构元素的多尺度改进形态学算子的边缘检测算法和基于水域分割的弱目标分割算法。实验结果证明，这些方法是有效的。 论文从理论和应用两方面研究了Top-hat变换在复杂背景下弱小目标识别中的有效应用。大量实验证明了文中方法的有效性。对各种Top-hat变换关系的研究建立了一套完整的关系图，将现有各种Top-hat变换进行整合，有利于Top-hat变换在各种应用中的研究，从理论上促进了数学形态学的发展，进一步完善了数学形态学理论；以复杂背景下弱小目标识别为目的的Top-hat变换研究及提出的自适应背景剔除算法在空间交会对接多光点目标识别和复杂背景红外序列图像弱小目标识别中的成功应用，为目标识别技术的发展提供了理论和应用上的参考，扩展了复杂背景下弱小目标识别的应用范围。