本文關(guān)鍵詞：多特征差異決策耦合Top-Hat變換的紅外目標(biāo)檢測

  更多相關(guān)文章： 紅外弱小目標(biāo)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(biāo)在復(fù)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(jìn)的Top-Hat變換的紅外弱小目標(biāo)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(jìn)行分割,形成多尺度結(jié)構(gòu)元素,并依據(jù)弱小目標(biāo)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(jì)算其均值與方差,構(gòu)建目標(biāo)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(qiáng)度、對(duì)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(shí)弱小目標(biāo)與可疑目標(biāo)的候選區(qū)域;最后,基于弱小目標(biāo)運(yùn)動(dòng)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(biāo)剔除,保留真實(shí)弱小目標(biāo)。實(shí)驗(yàn)數(shù)據(jù)表明:與當(dāng)前紅外弱小目標(biāo)檢測算法相比,在復(fù)雜背景干擾下,所提算法的檢測精度更高,能夠?qū)⑷跣∧繕?biāo)完整地檢測出來,具有更好的ROC特性曲線。
【作者單位】： 山西財(cái)經(jīng)大學(xué)信息管理學(xué)院;
【關(guān)鍵詞】： 紅外弱小目標(biāo)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(xué)基金資助項(xiàng)目(60873100) 山西省自然科學(xué)基金資助項(xiàng)目(2012011017-6)
【分類號(hào)】：TP391.41
【正文快照】： 0引言為了精確檢測紅外弱小目標(biāo),各國學(xué)者設(shè)計(jì)了相應(yīng)的紅外弱小目標(biāo)精確檢測算法[1-2]。如方義強(qiáng)等人[3]設(shè)計(jì)了基于方差標(biāo)記的形態(tài)學(xué)紅外小目標(biāo)檢測算法,通過利用圖像像素的局部方差與閾值識(shí)別條件對(duì)圖像進(jìn)行標(biāo)記,并借助Top-Hat運(yùn)算對(duì)目標(biāo)進(jìn)行增強(qiáng)。然而,該技術(shù)采用的經(jīng)典Top-

【相似文獻(xiàn)】

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(jì)的圖像檢索[J];計(jì)算機(jī)工程與應(yīng)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(dòng)化;2007年11期

3 張軍鵬;劉克軒;趙燕;;一種改進(jìn)的隨機(jī)脈沖噪聲去除方法[J];西南民族大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年02期

4 蔡平,劉景堂,阮秋奇;復(fù)雜場景中基于統(tǒng)計(jì)模型檢測運(yùn)動(dòng)物體的新方法研究[J];中國人民公安大學(xué)學(xué)報(bào)(自然科學(xué)版);1998年04期

5 祁小平,張啟衡;運(yùn)動(dòng)弱目標(biāo)檢測的一種新方法[J];半導(dǎo)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(xué)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(yù)后對(duì)比研究[D];重慶醫(yī)科大學(xué);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(xué);2010年

，

本文編號(hào)：805533