本文關(guān)鍵詞：多特征差異決策耦合Top-Hat變換的紅外目標檢測

  更多相關(guān)文章： 紅外弱小目標檢測 多特征緊密度差異 Top-Hat變換 灰度變化映射 管道濾波模式

【摘要】：為了提高紅外圖像弱小目標在復雜背景干擾下的檢測精度,本文提出了基于多特征相似度差異決策與改進的Top-Hat變換的紅外弱小目標檢測算法。該算法通過經(jīng)典的Top-Hat的單一結(jié)構(gòu)元素進行分割,形成多尺度結(jié)構(gòu)元素,并依據(jù)弱小目標與其周圍背景之間的灰度差異,定義了灰度變化映射,通過計算其均值與方差,構(gòu)建目標決策因子,并將其與多尺度結(jié)構(gòu)元素嵌入到Top-Hat變換中,形成了新的Top-Hat變換;隨后,聯(lián)合灰度強度、對比度以及結(jié)構(gòu)信息,建立多特征緊密度差異模型,提取包含真實弱小目標與可疑目標的候選區(qū)域;最后,基于弱小目標運動的連續(xù)性,引入管道濾波模式,將候選區(qū)域中的可疑目標剔除,保留真實弱小目標。實驗數(shù)據(jù)表明:與當前紅外弱小目標檢測算法相比,在復雜背景干擾下,所提算法的檢測精度更高,能夠?qū)⑷跣∧繕送暾貦z測出來,具有更好的ROC特性曲線。
【作者單位】： 山西財經(jīng)大學信息管理學院;
【關(guān)鍵詞】： 紅外弱小目標檢測 多特征緊密度差異 Top-Hat變換 灰度變化映射 管道濾波模式
【基金】：國家自然科學基金資助項目(60873100) 山西省自然科學基金資助項目(2012011017-6)
【分類號】：TP391.41
【正文快照】： 0引言為了精確檢測紅外弱小目標,各國學者設(shè)計了相應的紅外弱小目標精確檢測算法[1-2]。如方義強等人[3]設(shè)計了基于方差標記的形態(tài)學紅外小目標檢測算法,通過利用圖像像素的局部方差與閾值識別條件對圖像進行標記,并借助Top-Hat運算對目標進行增強。然而,該技術(shù)采用的經(jīng)典Top-

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前7條

1 吳成玉;邰曉英;;基于灰度變化統(tǒng)計的圖像檢索[J];計算機工程與應用;2007年16期

2 陳川;王衛(wèi)星;;基于圖像灰度等高線及灰度變化加速度的菌落圖像分割[J];兵工自動化;2007年11期

3 張軍鵬;劉克軒;趙燕;;一種改進的隨機脈沖噪聲去除方法[J];西南民族大學學報(自然科學版);2006年02期

4 蔡平,劉景堂,阮秋奇;復雜場景中基于統(tǒng)計模型檢測運動物體的新方法研究[J];中國人民公安大學學報(自然科學版);1998年04期

5 祁小平,張啟衡;運動弱目標檢測的一種新方法[J];半導體光電;2004年06期

6 李楠;路小波;;序列交通圖像去霧(英文)[J];Journal of Southeast University(English Edition);2011年03期

7 ;[J];;年期

中國碩士學位論文全文數(shù)據(jù)庫 前2條

1 尹燕;HIFU消融子宮肌瘤術(shù)中靶組織不同灰度變化的預后對比研究[D];重慶醫(yī)科大學;2015年

2 吳健;基于灰度變化顯著度的小波圖像融合方法研究[D];華中科技大學;2010年

，

本文編號：805533