期刊文献+
共找到8篇文章
< 1 >
每页显示 20 50 100
一种有效的雷达微弱目标检测法 被引量:5
1
作者 宋慧波 高梅国 田黎育 《仪器仪表学报》 EI CAS CSCD 北大核心 2006年第z2期1326-1327,1339,共3页
本文提出了一种检测前跟踪算法,它根据雷达图像中包含的目标运动参数的信息预测目标运动轨迹,并沿着预测轨迹积累能量,有效地解决了动态规划检测前跟踪算法(TBD-DP)在能量积累过程中的能量扩散问题。本文描述了算法的能量积累过程,仿真... 本文提出了一种检测前跟踪算法,它根据雷达图像中包含的目标运动参数的信息预测目标运动轨迹,并沿着预测轨迹积累能量,有效地解决了动态规划检测前跟踪算法(TBD-DP)在能量积累过程中的能量扩散问题。本文描述了算法的能量积累过程,仿真实验显示出该算法最大程度地抑制了聚集在真实目标点周围的虚警噪声,提高了检测前跟踪算法对目标的检测和分辨能力。 展开更多
关键词 能量扩散 检测前跟踪 微弱目标检测
在线阅读 下载PDF
多尺度各向异性扩散方程的红外弱小目标检测算法 被引量:5
2
作者 周慧鑫 赵营 +5 位作者 秦翰林 殷世民 刘刚 赵东 延翔 荣生辉 《光子学报》 EI CAS CSCD 北大核心 2015年第9期146-150,共5页
针对复杂背景下红外弱小目标检测效果不佳的问题,结合多尺度分析法和各向异性扩散方程,利用图像尺度和方向信息,提出一种新的红外弱小目标检测算法.首先,采用Surfacelet变换对图像进行多尺度、多方向分解,得到不同尺度下高频子带系数和... 针对复杂背景下红外弱小目标检测效果不佳的问题,结合多尺度分析法和各向异性扩散方程,利用图像尺度和方向信息,提出一种新的红外弱小目标检测算法.首先,采用Surfacelet变换对图像进行多尺度、多方向分解,得到不同尺度下高频子带系数和低频子带系数;其次根据不同频带的特点,分别采用改进的各向异性扩散方程差分滤波和局部去均值滤波对高频子带系数和低频子带系数进行处理;最后,采用逆Surfacelet变换重构处理后的子带系数,并采用自适应阈值分割对重构的图像进行分割,以实现目标检测.采用多组红外图像进行试验,并与小波滤波以及各向异性扩散滤波进行比较,实验结果显示,该算法能有效抑制背景及其边缘,可以获得比另外两种算法更好的红外弱小目标检测效果. 展开更多
关键词 红外与夜视技术 目标检测 多尺度分析 图像处理 弱小目标 图像滤波 各向异性扩散方程 阈值分割
在线阅读 下载PDF
一种新的红外复杂背景自适应抑制算法 被引量:6
3
作者 汪大宝 刘上乾 张峰 《西安电子科技大学学报》 EI CAS CSCD 北大核心 2010年第5期927-933,共7页
为了解决低信噪比非平稳复杂云层背景下红外弱小目标检测问题,提出了一种新的基于Facet模型的正则化双向扩散滤波算法.该算法采用Facet模型拟合图像曲面,并设计了平均方向导数梯度算子描述拟合图像曲面的多向梯度特征,以准确识别目标和... 为了解决低信噪比非平稳复杂云层背景下红外弱小目标检测问题,提出了一种新的基于Facet模型的正则化双向扩散滤波算法.该算法采用Facet模型拟合图像曲面,并设计了平均方向导数梯度算子描述拟合图像曲面的多向梯度特征,以准确识别目标和背景的特征差别.结合平均方向导数梯度算子,设计了一种新的正则化双向扩散背景抑制技术.与传统算法相比,这种算法能够依据目标和背景的特征差别自适应地在前向扩散(目标增强)和后向扩散(背景抑制)之间切换,以实现在抑制背景杂波的同时增强目标.理论分析和实验结果表明,这种算法对包含强纹理结构的非平稳复杂云层背景杂波具有良好的抑制作用,并且算法结构简单,运算量小,易于硬件实时实现. 展开更多
关键词 图像处理 红外弱小目标 Facet小面模型 双向扩散滤波 信号检测
在线阅读 下载PDF
空间自适应卷积核滤波红外弱小目标检测 被引量:3
4
作者 凌强 黄树彩 +1 位作者 吴潇 唐意东 《红外技术》 CSCD 北大核心 2015年第1期39-43,共5页
为了减少复杂红外图像中平滑背景边缘的影响,将具有各向异性特性的PM扩散模型应用到红外弱小目标检测,提出了空间自适应卷积核滤波检测算法,并对扩散系数进行了优化。针对模型中扩散参数难以确定的问题,提出了一种利用Sobel边缘检测算... 为了减少复杂红外图像中平滑背景边缘的影响,将具有各向异性特性的PM扩散模型应用到红外弱小目标检测,提出了空间自适应卷积核滤波检测算法,并对扩散系数进行了优化。针对模型中扩散参数难以确定的问题,提出了一种利用Sobel边缘检测算子估计扩散参数的方法。滤波后采用信噪比(SNR,Signal Noise Ratio)和接受机工作特性(ROC,Receiver Operating Characteristic)曲线进行性能评价,实验结果表明,与PM扩散模型滤波和中值滤波相比,该算法有效抑制了边缘,大大提高了信噪比,提高了检测概率,降低了虚警概率,具有更好的性能。 展开更多
关键词 弱小目标检测 空间自适应卷积核滤波 红外图像 PM模型 扩散参数估计
在线阅读 下载PDF
基于小波域扩散滤波的弱小目标检测 被引量:14
5
作者 刘伟宁 《中国光学》 EI CAS 2011年第5期503-508,共6页
分析了基于小波变换进行弱小目标检测的基本思想,利用小波变换的多尺度多分辨率特性,结合小波变换系数的方向特性和扩散滤波扩散方向的可选择性,提出了基于小波域扩散滤波的弱小目标检测算法。采用该算法对不同尺度、不同方向的小波系... 分析了基于小波变换进行弱小目标检测的基本思想,利用小波变换的多尺度多分辨率特性,结合小波变换系数的方向特性和扩散滤波扩散方向的可选择性,提出了基于小波域扩散滤波的弱小目标检测算法。采用该算法对不同尺度、不同方向的小波系数分别进行扩散滤波,取得了较好的效果。仿真试验结果表明:该算法能在Gaussian噪声背景和不均匀背景下实现对对比度为2%的微弱目标的检测。 展开更多
关键词 弱小目标检测 小波变换 小波域扩散
在线阅读 下载PDF
基于小波提升框架及小波能量的红外弱目标检测方法 被引量:7
6
作者 徐韶华 李红 《红外技术》 CSCD 北大核心 2006年第11期669-672,共4页
针对图像序列中红外弱小目标的检测与跟踪中遇到的难点,即信噪比低、帧间相对位移小等问题,提出一种基于小波提升框架及小波能量的目标检测算法。新方法首先对隔帧融合生成的图像进行小波提升变换,然后通过计算水平及垂直方向上小波能... 针对图像序列中红外弱小目标的检测与跟踪中遇到的难点,即信噪比低、帧间相对位移小等问题,提出一种基于小波提升框架及小波能量的目标检测算法。新方法首先对隔帧融合生成的图像进行小波提升变换,然后通过计算水平及垂直方向上小波能量并选取合适的阈值将目标提取出来,再结合目标的帧间相关性实现准确跟踪。由于新方法联合考虑了帧间信息及单帧的灰度信息,因而检测结果比常规方法更为准确可靠。试验结果表明,新方法对信噪比小于2、帧间位移小于一个像素的红外斑点目标的检测与跟踪十分有效,并且实时性很好。 展开更多
关键词 小波提升框架 小波能量 弱小目标 检测与跟踪
在线阅读 下载PDF
基于辐射累积和空间反演的空中弱目标检测算法 被引量:2
7
作者 马天磊 史泽林 +2 位作者 尹健 徐保树 刘云鹏 《红外与激光工程》 EI CSCD 北大核心 2015年第11期3500-3506,共7页
背景辐射噪声是弱信号检测面临的难点问题。提出了一种显著提升信噪比实现匀速运动弱目标的有效检测算法。建立目标坐标空间和速度空间,以不同速度矢量控制图像叠加,形成提升了信噪比的新的图像序列并构成图像空间;利用恒虚警判决法在... 背景辐射噪声是弱信号检测面临的难点问题。提出了一种显著提升信噪比实现匀速运动弱目标的有效检测算法。建立目标坐标空间和速度空间,以不同速度矢量控制图像叠加,形成提升了信噪比的新的图像序列并构成图像空间;利用恒虚警判决法在图像空间中检测候选目标点;根据候选目标点所对应的坐标向量和速度向量分别映射到坐标空间和速度空间,由两个空间中出现的峰值判定目标点。实际红外成像系统实拍实验表明,算法能将信噪比提升至接近原图的N倍,目标检测概率和虚警概率都明显优于所对比的弱目标检测算法。 展开更多
关键词 红外图像序列 弱目标检测 辐射能量累积 恒虚警判决
在线阅读 下载PDF
改进时空滤波的红外弱小目标检测 被引量:2
8
作者 樊香所 范锦龙 +1 位作者 文良华 徐智勇 《红外技术》 CSCD 北大核心 2022年第5期475-482,共8页
为了有效解决动态背景变化导致弱小目标检测率低的问题,文中提出了改进时空滤波的红外弱小目标检测算法。首先在分析红外图像成像特性的基础上,针对目标区、背景区和边缘轮廓区不同梯度特性的差异,提出改进的各向异性空域滤波算法,该算... 为了有效解决动态背景变化导致弱小目标检测率低的问题,文中提出了改进时空滤波的红外弱小目标检测算法。首先在分析红外图像成像特性的基础上,针对目标区、背景区和边缘轮廓区不同梯度特性的差异,提出改进的各向异性空域滤波算法,该算法充分利用空间域的梯度信息来构建不同方向的扩散滤波函数,并结合图像不同特性的梯度差异选取扩散函数值最小的两个方向的均值作为时域滤波结果,以最大限度地保留目标信号;接着为有效增强弱小目标的能量,针对高阶累积量仅利用像元点时域信息来构建能量增强的不足,提出了一种结合时空邻域块的能量增强算法,实验表明,本文提出的算法能有效提升动态场景下的弱小目标的检测能力。 展开更多
关键词 弱小目标 改进各向异性 能量增强 目标检测
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部