目前海上目標(biāo)檢測已在民用和軍事領(lǐng)域得到廣泛的應(yīng)用。由于海水波動(dòng)大、目標(biāo)成像面積少、特征不顯著等特點(diǎn)增大了目標(biāo)檢測難度,為了消除上述的問題,首先提出了一種基于混合高斯-馬爾科夫隨機(jī)場目標(biāo)檢測模型,該模型利用所提出的混合高斯模型自適應(yīng)調(diào)節(jié)學(xué)習(xí)率來抑制動(dòng)態(tài)背景的干擾。然后,利用混合高斯模型對紅外圖像所計(jì)算的結(jié)果作為馬爾科夫隨機(jī)場的觀測值,建立了馬爾科夫隨機(jī)場模型,可以解決混合高斯模型存在的不足。實(shí)驗(yàn)結(jié)果表明,本文的方法能夠取得良好的檢測效果。

【文章頁數(shù)】：6 頁

【部分圖文】：

圖像(a)Originalimage(b)背景(b圖4文獻(xiàn)[19]算法對shipⅡ的檢測Fig.4(a)原

第42卷第1期紅外技術(shù)Vol.42No.12020年1月InfraredTechnologyJan.202066(a)原圖像(a)Originalimage(b)背景(b)Background(c)目標(biāo)(c)Target圖4文獻(xiàn)[19]算法對shipⅡ的檢測Fig.4Litera....

圖像(a)Originalimage(b)背景(b)Background(c)目標(biāo)(c)Target圖4文獻(xiàn)[19]算法對shipⅡ的檢測Fig.4Literature[19]algorithmfordetectionofshipⅡ(a)原

第42卷第1期紅外技術(shù)Vol.42No.12020年1月InfraredTechnologyJan.202066(a)原圖像(a)Originalimage(b)背景(b)Background(c)目標(biāo)(c)Target圖4文獻(xiàn)[19]算法對shipⅡ的檢測Fig.4Litera....

圖像(a)Originalimage(b)背景(b)B圖5文獻(xiàn)[20]算法對shipⅡ的檢測Fig.(a)原

第42卷第1期紅外技術(shù)Vol.42No.12020年1月InfraredTechnologyJan.202066(a)原圖像(a)Originalimage(b)背景(b)Background(c)目標(biāo)(c)Target圖4文獻(xiàn)[19]算法對shipⅡ的檢測Fig.4Litera....

圖像(a)Originalimage(b)背景(b)Background(c)目標(biāo)(c)Target圖5文獻(xiàn)[20]算法對shipⅡ的檢測Fig.5Literature[20]algorithmfordetectionofshipⅡ(a)原

第42卷第1期紅外技術(shù)Vol.42No.12020年1月InfraredTechnologyJan.202066(a)原圖像(a)Originalimage(b)背景(b)Background(c)目標(biāo)(c)Target圖4文獻(xiàn)[19]算法對shipⅡ的檢測Fig.4Litera....

本文編號：3995369