基于时域廓线的红外弱小目标检测算法研究

来源 :西安电子科技大学 | 被引量 : 0次 | 上传用户:szjtznh
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
序列图像中的运动点目标检测一直是目标检测与识别中的重点和难点。为了解决红外序列图像中弱小目标的检测问题,本文首先根据不同背景类型时域廓线产生的机理,引入图像序列中背景像素、目标像素以及杂波像素的时域统一模型。以此为基础给出了一种基于时域廓线分析的红外弱小目标检测方法。本文算法分为背景抑制和目标脉冲检测两步。背景抑制是整个算法的关键和基础,通过研究像素的时域特性,在原有时域中值滤波的基础上,结合时域形态学滤波对序列图像进行了有效的背景抑制。仿真结果表明噪声及大部分平稳背景几乎完全被检测门限所抑制,只有极少数背景像素、小部分杂波像素和全部目标像素可以通过。有利于下一步的脉冲目标的检测,相对时域中值滤波和空域形态学滤波效果更明显;经过背景抑制后的序列图像,根据目标和背景时域模型,采用时域廓线的包络线作为冲击信号检测的基线,讨论并分析时域廓线偏离包络线的分布特性,通过选择合适的目标检测量度,进而检测出脉冲目标。结果表明该方法能够进一步抑制噪声和杂波,提高了检测性能。理论分析和实验结果表明本文给出的像素时域廓线的弱小目标检测方法,具有对不同背景杂波的广泛适应性,在低信噪比情况下的目标的检测也很有效,抗干扰能力强,有很好的探测性能。
其他文献
随着互联网的发展,给人们的工作和生活带来越来越多的便利。人们不再像以前利用U盘和移动硬盘来同步文件。在云存储盛行的年代,人们在多客户端环境下实现文件同步,可以先将客
基于视频分析技术的车辆识别正成为智能交通系统的重要内容,实际应用也对其提出了越来越高的要求。目前我国比较成熟的基于视频的车辆识别方法主要是车牌识别技术,并已经得到
运用机械合金化和固相烧结法制备Mn1.3Fe0.6P0.5-xBxSi0.5(x=0,0.02,0.04,0.06)系列化合物样品,用X射线衍射和磁性测量对样品进行表征.XRD射线衍射表明,该系列化合物呈Fe2 P-
随着无线通信网相关技术的发展以及用户对业务种类需求的提高,无线通信网中测距和定位功能显得越来越重要。目前出现的定位系统存在一些缺点:有的距离较短,抗干扰能力差,定位