针对可见光图像弱小目标检测中的背景抑制和去噪问题,提出了奇异值分解(Singular Value Decomposition,SVD)带通滤波新方法.首先分析了图像奇异值与目标、噪声和图像背景的关系,结果表明奇异值的高序部分更多地反映图像噪声,中序部分更...针对可见光图像弱小目标检测中的背景抑制和去噪问题,提出了奇异值分解(Singular Value Decomposition,SVD)带通滤波新方法.首先分析了图像奇异值与目标、噪声和图像背景的关系,结果表明奇异值的高序部分更多地反映图像噪声,中序部分更多地反映目标性质,而低序部分更多地反映图像背景.以此为依据提出了SVD-Ⅰ型和SVD-Ⅱ型两种带通滤波器,并给出了奇异值曲线转折点法和门限准则法两种滤波器参数确定方法.实验表明SVD带通滤波能有效抑制图像背景,去除噪声,进而提高弱小目标的信噪比.展开更多
广义似然比检测(Generalized Likelihood Ratio Test,GLRT)是解决复合高斯杂波下扩展目标检测问题的一种有效方法,而当目标速度未知时,经典的GLRT失效。该文针对目标速度未知的情形,提出了一种基于广义特征值分解的扩展目标多普勒频率...广义似然比检测(Generalized Likelihood Ratio Test,GLRT)是解决复合高斯杂波下扩展目标检测问题的一种有效方法,而当目标速度未知时,经典的GLRT失效。该文针对目标速度未知的情形,提出了一种基于广义特征值分解的扩展目标多普勒频率估计算法,可有效估计多普勒频率,并以此为基础设计了一种R-GLRT(Robust GLRT)检测器。仿真结果表明了这种检测器的有效性。展开更多
文摘针对可见光图像弱小目标检测中的背景抑制和去噪问题,提出了奇异值分解(Singular Value Decomposition,SVD)带通滤波新方法.首先分析了图像奇异值与目标、噪声和图像背景的关系,结果表明奇异值的高序部分更多地反映图像噪声,中序部分更多地反映目标性质,而低序部分更多地反映图像背景.以此为依据提出了SVD-Ⅰ型和SVD-Ⅱ型两种带通滤波器,并给出了奇异值曲线转折点法和门限准则法两种滤波器参数确定方法.实验表明SVD带通滤波能有效抑制图像背景,去除噪声,进而提高弱小目标的信噪比.
文摘广义似然比检测(Generalized Likelihood Ratio Test,GLRT)是解决复合高斯杂波下扩展目标检测问题的一种有效方法,而当目标速度未知时,经典的GLRT失效。该文针对目标速度未知的情形,提出了一种基于广义特征值分解的扩展目标多普勒频率估计算法,可有效估计多普勒频率,并以此为基础设计了一种R-GLRT(Robust GLRT)检测器。仿真结果表明了这种检测器的有效性。
