目标检测与跟踪.pps

目标检测与跟踪.pps

《目标检测与跟踪.pps》由会员分享，可在线阅读，更多相关《目标检测与跟踪.pps（110页珍藏版）》请在冰豆网上搜索。

第九章图像目标探测与跟踪技术,主讲人：

赵丹培宇航学院图像处理中心电话：

82339972,9.1概论9.2目标检测与跟踪技术的发展现状9.3目标检测与跟踪技术的典型应用9.4图像的特征与描述9.5目标检测方法的基本概念与原理9.6目标跟踪方法涉及的基本问题,目录,9.1概论,1、课程的学习目的学习和掌握目标探测、跟踪与识别的基本概念和术语，了解一个完整信息处理系统的工作流程，了解目标探测、跟踪与识别在武器系统、航空航天、军事领域的典型应用。

了解目标检测、跟踪与识别涉及的关键技术的发展现状，为今后从事相关的研究工作奠定基础。

2、主要参考书：

目标探测与识别，周立伟等编著，北京理工大学出版社；成像自动目标识别，张天序著，湖北科学技术出版社；动态图像分析，李智勇沈振康等著，国防工业出版社；,现代军事理论认为，掌握高科技将成为现代战争取胜的重要因素。

以侦察监视技术、通信技术、成像跟踪技术、精确制导技术等为代表的军用高科技技术是夺取胜利的重要武器。

成像跟踪技术是为了在战争中更精确、及时地识别敌方目标，有效地跟踪目标，是高科技武器系统中的至关重要的核心技术。

例如：

一个完整的军事战斗任务大致包括侦察、搜索、监视以及攻击目标和毁伤目标。

那么快速的信息获取和处理能力就是战争胜利的关键，因此，目标的实时探测、跟踪与识别也成为必要的前提条件。

引言：

学习目标检测与跟踪技术的意义,随着现代高新技术的不断发展及其在军事应用领域中的日益推广，传统的作战形态正在发生着深刻的变化。

1973年的第四次中东战争，1982年的英阿马岛之战，1991年的海湾战争及1999年的科索沃战争，伊拉克战争等都说明了这一点。

西方各军事强国都在积极探索对抗武器，特别是美国更是投入了巨大的物力、人力和财力积极研制弹道导弹防御系统。

而图像检测、跟踪和识别算法作为现代战场信息环境作战成败的关键，具备抗遮挡、抗丢失和抗机动鲁棒性的智能跟踪器，将是现代战场作战必备品，具有广泛的应用前景。

目标检测跟踪是近年来计算机视觉领域中备受关注的前沿方向，它从包含运动目标的图像序列中检测、识别并跟踪目标，并对其行为进行理解和描述。

目标分析的研究涉及到模式识别、图像处理、计算机视觉、人工智能等学科的内容。

随着现代信息处理技术的发展，目标检测跟踪在军用、民用及医学等方面具有重要意义，具有广泛的应用前景和潜在的经济价值已成为一项极为重要和基本的技术。

然而，由于景物的多样性和复杂性，在工程应用中仍有许多问题有待解决。

什么是目标检测跟踪？

9.1.1目标检测跟踪的含义,什么是目标检测跟踪系统？

目标检测跟踪系统是对指定目标区域进行实时自动跟踪，实时解算出目标在图像场景中的精确位置，并输出目标偏离系统视轴的方位和俯仰误差信号，通过伺服控制回路，驱动稳定平台跟踪目标。

同时，图像跟踪系统接收来自外部控制系统的控制命令和数据，并按总体通讯协议要求向外部控制系统回送跟踪系统的状态、图像数据和关键参数。

实现目标跟踪的关键在于完整地分割目标、合理地提取特征和准确地识别目标，同时要考虑算法实现的时间，保证实时性。

9.1.2什么是信息获取技术,信息获取技术：

地球上的所有物质都对外界辐射自己独特的信息某一部分的电磁波谱，包括自发辐射和反射日光辐射。

通过传感器接收这些信息，再通过各种信息分离、提取、增强、融合、识别等手段最终达到应用的目的。

信息获取技术的手段：

电视传真、遥感技术、光纤通信、光学与光电子成像和雷达技术信息获取技术的分类：

信息获取技术分为被动信息获取技术和主动信息获取技术。

被动信息获取技术：

红外热成像、微光以及可见光；主动信息获取技术：

发射电磁波、用人造光源照射被探测目标（或红外线辐射源）。

从广义上的视觉按照整个电磁波谱分：

长、短波无线电波、微波、毫米波、红外、可见光、紫外直到X射线。

相应的军事目标的载体特征：

以无线电波为载体的雷达、以微波为载体的微波雷达和合成孔径雷达、以毫米波为载体的的毫米波雷达、以红外辐射为载体的热像仪、以光波为载体的微光、可见光相机和以紫外辐射为载体的紫外相机；以听觉为代表的是声纳技术,军事目标信息的时效特征：

一种是通常意义上的军事目标的监视和侦察，如发现机场、港口、车站、兵营、阵地、水面舰队以及侦察装备情况。

这种信息的时效期相对比较长，一般以天甚至以月计。

它对应的信息处理就是事后处理或半实时处理。

另一种是实战时的军事信息，时效特征比前者要严峻得多。

一个军事信息早一分钟还是晚一分钟到达指挥官手中，可能决定战役的成败，过时的信息价值等于零。

它对应的信息处理就是实时信息处理或准实时处理。

微光、热成像和雷达技术的特点和优势：

微光夜视技术微光夜视技术是研究在夜间低照度条件下，用开拓观察者视力的方法以实现夜间隐蔽观察的一种技术，它采用光电子成像的方法来缓和或克服人眼在低照度以及有限光谱响应下的限制，以开拓人眼的视觉。

它利用夜视和热成像技术。

一、利用夜天自然微光的反射辐射，即研究被动微光技术，使微弱照度下的目标成为可见；二、利用场景中物体本身的热辐射，研究被动红外技术，使热目标成为可见。

热成像技术红外图像是通过红外传感器接收由物体表面发出或者反射的红外光谱段图像，可以提供可见光图像所不能提供的很多重要信息。

热成像技术的成像原理是基于目标本身的热辐射，通常采用35um和814um两个波段。

红外探测不仅在夜间，也可以在白天、在恶劣气候条件下甚至全暗情况下进行观察。

其特点是可进行全天候观察、作用距离远，具有穿透烟、雾、霾、雪等限制，主动红外可以在战场强光干扰下工作，甚至可以透过树叶、伪装网和迷彩等观察目标，具有较高的识别伪装能力和较高的隐蔽性。

与可见光图像相比，红外图像噪声大，场景中目标的特征量不丰富且不易于提取，常用的视觉分析方法难以有效应用，这些客观缺陷的存在给红外目标检测和跟踪算法的研究带来了很大障碍。

雷达技术雷达就是无线电探测与测距，它可以测量空中、地面及水上目标的位置，又叫无线电定位。

雷达利用定向天线向空中发出无线电波，电波遇到目标后，反射回来被雷达所接受，通过测量电波在空中传播所经历的时间以获得目标的距离数据根据天线波束指向以确定目标的角度数据。

雷达的突出优点是覆盖范围大，作用距离远，穿透烟雾能力强，缺点是主动探测，容易暴露自己，被敌方发现并干扰，分辨力低，易受反辐射导弹攻击。

雷达的革命-SAR合成孔径雷达（SAR）可以逼真地显示目标的形状、尺寸、运动状态及姿态，突破了原有雷达只能获取目标的距离方位、俯仰和速度的四维信息的局限。

雷达的应用地对空导弹系统采用雷达测量目标与导弹在空中的相对位置，通过计算得出导弹的最佳飞行路线，据此发出无线电指令，控制导弹接近目标。

飞机装有雷达能看到地面上的江河、湖泊、城镇、工厂、机场、铁道等地物，可用作飞机飞行和着陆的导航及轰炸瞄准。

舰艇装有雷达能在雾中看到周围海面的情况，可防止敌舰袭击和避免船舶相撞、触礁，使舰艇安全航行和进港。

炮兵利用雷达控制高炮跟踪瞄准敌机，提高炮火的命中率，还能计算出敌方的炮兵阵地位置。

以X射线、紫外、可见、红外直到亚毫米波等辐射的探测和处理，统称为光电子成像技术。

目标获取的含义：

使目标所在位置的探测和目标辨别到所希望的等级，即从探测到分类、识别和确认。

目标的探测与识别是一个复杂的、涉及人眼-大脑的图像翻译过程的问题。

辨别的最低等级是分辨有无，最高等级是对特定目标的精确确认与描述。

例如：

一架飞机在晴朗的天空中飞行是很容易探测到的，但一辆车辆在复杂背景的丛林中穿行,探测起来就非常困难，而且识别一辆车辆的前提条件是我们已经探测到它了，因此，只有在被探测到的情况下才能谈识别问题。

9.1.3基本概念与术语,目标的上下文信息和附加信息也是检测和识别的重要依据。

如果探测到的目标是一个运动的斑点目标，无法通过纹理和轮廓信息来识别出它的类型，那么可以借助它的背景环境来判断。

例如：

如果它出现中一条公路上，它的合理概率就是一辆车；如果它在湖泊中就可能是一艘船；如果在天空中，就可能是飞机或是飞鸟.,用于描述目标的术语:

目标截获（TargetAcquisition）：

将位置不明确的目标图像定位，并按所期望的水平辨别它的整个过程。

目标获取包括搜寻过程和辨别过程。

搜寻过程的结果是确定目标的位置，辨别过程的结果是目标被捕获。

搜寻（Search）：

利用器件显示或肉眼视觉搜索含有潜在的目标的景物，以定位捕获目标的过程。

位置确定（Localize）：

通过搜寻过程确定出目标的位置。

辨别（Discrimination）：

物体（目标）在被观察者所察觉的细节量的基础上确定看得清的程度。

辨别的等级分为探测、识别、确认探测（Detection）：

分为纯探测和辨别探测。

纯探测是在局部均匀的背景下察觉一个物体；而在完成辨别探测时，需要认出某些外形或形状，以便将军事目标从背景中的杂乱物体里区别出来。

识别（Recognition）：

能辨别出目标属于哪一类型（坦克、车辆、人、飞机等）。

确认（Identification）：

能认出目标，并能够清晰地确定其类型（如T52坦克、吉普车、歼10飞机）。

目标：

指一个待探测、定位、识别和确认的物体。

背景：

指反衬目标的任意的辐射分布。

目标特征：

是把目标从背景中区别出来的空间、光谱和强度的形貌注意：

一个目标在各种运作和环境条件下可以有许多不同的特征，不可能简单地按照世界某一光谱特征来描述所有复杂的目标特性。

只能利用目标总体的共同特征。

如目标的尺寸和目标对背景的平均温度或对比度。

复杂恶劣环境的定义：

影响图像质量的因素主要有以下几种：

自然环境（雨、雪、大风、水面、天气变化等）摄像机自身的倾斜或震动摄像机平台的晃动（船只、车辆等的颠簸或震动）以上的组合在以上条件下拍摄的录像，一般具有以下特点：

图像质量差图像对比度低图像晃动自然环境干扰（遮挡、噪声、阴影、水面等）,9.1.4目标探测与识别的信息链,目标获取及其基本部件的成像链,一个完整的信息链由以下几个环节构成：

信息的感知或探测、预处理、压缩、存储、传输、复原、有用信息的提取（融合、分离、增强等）直到应用。

现代信息获取技术除通过侦察、瞄准等发现目标和观察目标外，它还包括通信、导航、定位等，此外，还应包括军事气象信息：

如大气、风场、温度场等的获取。

9.2国内外研究现状,自1974年开始，为了进一步提高光电跟踪测量仪器的性能，并适应多目标跟踪测量的需要，美国白沙导弹靶场、新墨西哥州立大学和亚利桑那大学科学中心开始研究智能实时电视跟踪系统。

80年代初，美国福特公司和沃特公司为空军研制的机载火控系统的多功能红外相干光学传感器具有多目标捕获、跟踪、分类、武器投掷和地形回避等功能。

1985年美国海军的掩护船防御系统能跟踪处理200多个目标。

9.2.1国外的研究现状：

1989年和1990年美国LarrenceLivermore国家实验室公布了他们的宽视场望远镜实时跟踪系统（WFOV）和多目标跟踪宽视场摄像机系统。

美国、欧洲和日本己经开展了大量相关项目的研究。

1997年美国国防高级研究项目署设立了视觉监控的重大项目，主要研究用于战场及普通民用场景进行监控的自动视频理解技术;实时视觉监控系统，能够定位人和分割出人的身体部分，而且通过建立外观模型来实现多人的跟踪，并可以检测人是否携带物体等简单行为。

麻省理工学院林肯实验室等单位研制成大功率、远距离、高精度的外差激光雷达，用于跟踪导弹和卫星，识别目标特征。

激光雷达可对目标进行扫描和精密跟踪，可得到目标的详细图象和弹道数据，能识别真假弹头，因而其用于反导识别、预警、搜索跟踪多目标等方面具有显著的优越性。

激光雷达在美国靶场已广泛使用。

现役的有两种激光设备：

激光测距跟踪电影经纬仪和激光精密跟踪雷达。

已有多种型号的激光雷达布署在靶场，用于空间技术领域，主要包括导弹发射初始段测量、巡航导弹跟踪测量、高精度卫星测距、目标飞行姿态测量、飞船交会和制导、反导识别和再入段跟踪测量。

1991年美国陆军实现的红外图象识别跟踪系统，就采用灰度、形状等多个特征，其ERIS拦截器可快速识别真假来袭的导弹。

美国国防部于1992年提出的“有识别能力的拦截弹”也是一种具有智能的对多特征进行信息融合处理的识别跟踪系统，它要求实现边识别边跟踪的功能。

VSAM系统1996年至1999年间，美国国防高级研究计划局资助卡内基梅隆大学戴维SARNOFF研究中心等著名大学和公司合作联合研制的视频监视与监控系统。

目标是开发自动视频理解技术，并用于实现未来战争、人力费用昂贵、非常危险或者人力无法实现等场合的监控。

VSAM是一个战场监控系统，目前处于试用阶段。

其主要功能包括:

融合多种类型的传感器，对监控地区进行全方位昼夜监控具有先进的视频分析处理器。

不但能检测和识别异常对象的类型，还能分析与预测人的活动。

根据运动对象行为的危害性进行自动提示和报警。

由Internet,Intranet和局域网构成的先进网络传输系统。

使用地理信息和三维建模技术。

机载航空摄像机。

W4系统W4代表Who（谁），When（什么时候），Where（什么地点），What（什么事）。

W4系统是一个实时的智能监视系统，它用于对人体目标的检测与跟踪，并监视目标的活动。

W4不采用颜色线索，而采用单目灰度或红外摄像机作为视觉传感器，以目标形状分析和跟踪技术实现人体及其头部、手部等定位，并对目标外观进行建模，以便在目标交互或遮挡时依然能够进行跟踪。

W4系统具有以下功能:

基于目标形状分析的人体及其头部、手部等定位;基于自适应背景差技术的前背景分离;区域的分裂与合并，用来处理目标的交互行为;,W4系统,富士通公司的Honda机器人ASIMO-P3自主农业机器人引路机器人,70年代以来，随着激光技术、红外技术和电视技术进一步成熟，以及CCD成象技术、图象识别处理技术、自适应光学技术、各种跟踪算法和滤波技术，特别是扩展的卡尔曼滤波技术的研究，靶场的光学测量设备不仅在数量上和质量上有所增加和提高，而且出现了智能实时电视跟踪系统和各种型号的激光跟踪雷达。

国内也有很多厂家生产出了具有自动报警功能的监控系统，许多科研机构如中国科学院自动化研究所模式识别国家重点实验室（NLPR）视觉监控组对该领域作了大量的研究，在人运动的视觉分析、交通行为事件分析、交通场景视觉监控和智能轮椅视觉导航等领域取得了许多科研成果。

9.2.2国内的研究现状,中科院长春光学精密机械与物理研究所在大型光电经纬仪的研制方面处于国内领先地位。

成都光电研究所、上海技物所、北京理工大学和华中科技大学在基于DSP的实时目标测量与识别、精确制导等方面也具有很强的实力。

中国科学院研究生院工程教育学院研究的“复杂恶劣环境下多动态目标检测识别追踪技术”取得了很好的研究成果，他研究的SmartMTI的多目标动态检测、识别、跟踪算法具有极强的抗噪声、抗遮挡和抗抖动的性能，对于低对比度目标、单像素目标和复杂恶劣环境下的有噪目标有很强的检测能力。

浙江大学构筑了用在智能移动机器人的实时视觉导航系统中的双DSP实时图像处理系统。

9.2.3关键技术的研究现状,目标检测方法：

成像系统中复杂背景下弱小目标的检测和跟踪一直被认为是一个难题，主要表现为远距离、低对比度；目标形状为点状或模糊斑点状，点、角、边缘等几何特征不明显；甚至在运动过程中出现目标闪烁、间断、遮挡等现象。

很多学者经过多年的研究和探索，目前目标检测方法在国内外都有很成熟的研究成果，已广泛应用在地基、空基、海基等领域。

基于高通滤波背景抑制的目标检测算法、基于神经网络的目标检测算法、基于小波变换的目标检测算法、基于分形几何的目标检测算法、基于时空三维匹配滤波的目标检测算法、基于动态规划的小目标检测算法、基于遗传算法的小目标检测算法等。

小结：

弱小目标的检测与跟踪一般都采用空间、时间滤波相结合的方法。

即对图像进行空间滤波预处理，实现目标增强和背景抑制,提高图像的信噪比,结合目标像素在图像序列中运动的连续性和轨迹的一致性，通过时间序列分析进行时间域滤波,去伪存真,检测并跟踪真正的目标。

时间滤波器放在空间滤波器之后叫先检测后跟踪（detectbeforetrack，DBT）。

时间滤波器放在空间滤波器之前,叫探测前跟踪（trackbeforedetection,TBD）或边检测边跟踪。

目标跟踪方法由于运动目标的跟踪在军事、国防以及工业等领域具有广泛的应用前景，从而激发了国内外广大科研工作者的浓厚兴趣，成为计算机视觉领域的一个热点。

基于目标跟踪方法的不同原理，动态目标跟踪方法可分为基于运动分析的方法和基于图像匹配的方法。

1996年，提出基于光流和边缘信息进行了运动目标跟踪方法的研究;同年，将目标跟踪应用在机器人视觉实验中。

1998年，提出了、基于可变形模板的目标跟踪方法;、将主动模型应用于目标跟踪;提出用限制性主动区域模型对彩色图形序列进行快速跟踪的方法;进行了基于颜色的目标跟踪方法研究;2001年，提出了用自适应颜色模型进行目标跟踪的方法。

国内，目标跟踪领域的研究较晚，但也取得了一些研究成果，主要有：

一种基于目标模板和当前帧图像的比率直方图的实时跟踪方法；基于人脸在HSV颜色空间中的特征，利用均值偏移算法（Mean-shiftAlgorithm）实现了对人脸的实时跟踪;基于目标颜色直方图分布的均值偏移跟踪算法，并用Bhattacharyya距离作为目标模板和候选目标的相似性测度，完成了对目标任意场景下的实时跟踪;基于边缘特征的目标跟踪算法常使用Hausdorff距离检测目标模板和候选目标的边缘相似性完成对目标的跟踪；,一种目标轮廓跟踪的算法CONDESATION算法，此算法实际上就是利用蒙特卡罗方法（MonteCarlo）通过大量样本仿真得到一种无参统计模型，该模型通过表示任意目标的概率密度分布实现跟踪。

将目标的颜色直方图模型和密度函数梯度模型联合的方法实现对人头部的实时跟踪；将目标的颜色特征距离和边缘特征以一定加权比例联合组成总的相似性测度，并使用置信区域算法（TrustRegionAlgorithm）优化目标跟踪算法实现了实时目标跟踪；将模式识别中的特征分类器引入到目标跟踪中，结合粒子滤波框架，对尺度、光照、姿态等变化具有自适应性，例如：

IPCA、ILDA等。

目标识别方法根据对系统平台、传感器和光学系统等的分析，逐步产生了多光谱识别、多传感器数据融合识别、目标运动特征识别、外形及纹理识别等几个研究方向。

目标识别的发展方向包括：

基于目标几何形状不变性特征的识别；（二维目标识别）基于目标仿射不变性特征的识别；（三维目标识别）基于目标形状的识别技术；（综合应用）,基于目标几何形状不变性特征的识别：

可以应用于单幅图像中目标识别的不变特征包括不变矩特征、傅立叶描述子、角方向对几何特征、归一化转动惯量（NMI）特征及比例特征等。

基于目标仿射不变性特征的识别：

仿射变换是由仿射空间到仿射空间的一种变换运算，平移、比例、反射、旋转、错切是二维仿射变换的特例，常用的二维仿射变换总可表示为这5种变换的组合。

仿射不变特征主要可以分为两大类：

基于目标轮廓的仿射不变特征和基于区域的仿射不变特征。

最近出现的还包括多尺度SIFT特征、SURF特征等，这些特征可实现目标的三维识别。

基于目标形状的识别技术形状识别在图像检索、文字识别、医疗诊断等领域有广泛的应用。

对形状识别的主要方法有独立分量分析（ICA）、神经网络、支持向量机（SVM）、主成分分析（PCA）、奇异值分解（SVD）以及傅里叶描述子等。

其中基于支持向量机（SVM）的方法对形状识别具有比较好的效果，也被与其它方法结合进行了多种改进和优化。

除了以上一些常用方法外，活动轮廓模型（Snake）方法及基于小波的方法也比较常见，还有一些用于多传感器信息融合的识别方法如基于贝叶斯规则的概率方法、神经网络（neuralnetwork）、人工智能方法、D-S证据推理方法等，也都被广泛地应用到目标识别中。

9.3目标探测、跟踪与识别技术的典型应用,军事国防地基光电经纬仪；无人机光电侦察设备；弹载智能自动寻的设备；天基光学测量系统医疗诊断智能交通公共安全与防护工业质量检测移动机器人导航遥感勘察等,对于靶场的弹道测量系统来说，目标自动识别跟踪（ART）系统的研制有着重要的现实意义。

常规武器靶场面临的实际问题是测量目标小、距离远、对比度低，所以对微弱目标和运动目标的实时捕获、跟踪和识别就成为靶场光测设备研究的主要方向；无人机在执行搜索、侦察和精确打击任务时，正确地从复杂背景中检测并识别出可以目标，是完成任务的关键；天基监视和预警设备应用弱小目标检测技术，从复杂深恐背景中提取并识别出可疑目标，判断是敌方卫星、我方卫星还是敌方导弹，从而进行有效预警，为其他系统提供指挥依据；,在各方面的具体应用情况：

图像识别技术应用于导弹的精确末制导，使其精确打击目标。

如：

机场、桥梁等；安防系统可以实现停车场监视、车辆识别、车牌号识别、探测并跟踪“可疑”目标；正确判断出是否有目标进入警戒区，识别出进入警戒区的目标是否为报警对象，有效跟踪可疑对象，根据面孔、眼底、指纹等特征识别特定人；监测固定区域的人流量等都是安防系统的重要功能；智能交通方面，车牌识别、违章超速、并线、掉头、流量控制与交通疏导、禁行区检测等都与我们的生活息息相关；,遥感图像分析遥感图像包括航空摄影图像、气象卫星图像、资源卫星图像。

航空图像可以用普通的视频摄象机来获取，分析方法也同普通的图像分析一样；卫星图像的获取和应用随着成像机理不同而变化很大；气象卫星使用红外成像传感系统可以获取不同云层的图像，即云图，由此分析某一地区的气象状况；海洋卫星使用合成孔径雷达获取海洋、浅滩图像，由此重构海洋波浪三维表面图；资源卫星装备有多光谱探测器，可以获取地表相应点的多个光谱段的反射特性，如红外、可见光、紫外等；多光谱图像被广泛地用于找矿、森林、农作物调查、自然灾害测报、资源和生态环境检测等,医学图像分析与诊断成像方法包括传统的X射线成像、计算机层析（CT）成像、核磁共振成像（MRI）、超声成像等。

在医学图像诊断方面有两个应用：

一是对图像进行增强、标记、染色等处理来帮助医生诊断疾病，并协助医生对感兴趣的区域进行定量测量和比较；二是利用专家知识系统对图像进行自动分析和解释，检测并识别出可疑区域，给出诊断结果。

产品检验在工业领域中的一个成功应用是产品检验。

目前已经用于产品外形检验、表面缺陷检验，比如，滑块及滑槽的外形检验以及装配后的位置检验，以决定它们能否装配在一起，并且准确无误地完成装配任务；发动机内壁麻点、刻痕和裂缝等缺陷检查以决定产品的质量。

通过X射线照相或超声探测获取物体内部的图像，可以实现内部缺陷检验，如钢梁内部裂纹和气孔等缺陷检验。

应用实例：

可见光图像与夜视图像,美国的巡航导弹“战斧”,创新的航天应用-天基监视与预警系统,在安防及交通监控系统中的应用,异常动作检测,交通流量监测,在安防门禁系统中的应用,在安防监控系统中的应用,生产线上具有简单视觉系统的工业机器人系统,在军事应用示例-无人驾驶小车,可视化人体CT和MRI图像,红外图像示例,在火灾现场，消防人员通过红外观测发现等待救援的红外画面。

在漆黑的夜间进行观察，不需要任何辅助光源。

物体的温度不同表现的红外辐射特性也不同。

显示的是红外夜间监视的图像，注意手和面部等温度比较高的部位亮度高。

战场机动对空警戒雷达,SBXR海基雷达,预警-27米波对空雷达,远程相控阵雷达,9.4图像的特征形态与描述,数字图像并不是杂乱的像素数据的组合。

它通常包含我们所希望得到的确定性成分和采集过程中所得到的随机成分。

每个像素的灰度不仅随坐标的不同而不同，也随时间的变化而变化，是空间坐标和时间的随机场。

数字图像度量单位可以有多种，例如整幅画面（帧，场），局部画面（窗口，块），行，列，像素，频率等。

图像作为信息的载体，对不同的用途，所关心的图像信息的含义或感兴趣的图像基元不同。

比如，远距离红外小目标检测研究时，我们关心的只是目标周围小区域内的信噪比，或图像的信息量等；人脸识别时，可能关心的就是五官的形状和位置关系，至于脸色就不是很重要。

图像的特征类型：

1.像素灰度分布图