兵工学报
兵工學報
병공학보
ACTA ARMAMENTARII
2010年
6期
678-684
,共7页
信息处理技术%红外小目标检测%背景预测%最小二乘支持向量机%粒子群优化%二维Tsallis-Havrda-Charvat熵
信息處理技術%紅外小目標檢測%揹景預測%最小二乘支持嚮量機%粒子群優化%二維Tsallis-Havrda-Charvat熵
신식처리기술%홍외소목표검측%배경예측%최소이승지지향량궤%입자군우화%이유Tsallis-Havrda-Charvat적
针对信噪比较低时,如何有效地抑制自然背景对目标检测的影响,提出了一种基于最小二乘支持向量机(LS-SVM)时域背景预测的红外弱小目标检测方法.首先针对前几帧图像中对应同一位置像素点的灰度值序列,利用参数经粒子群优化的最小二乘支持向量机进行函数拟合,并据此预测下一帧图像在该位置处像素点的灰度值;然后将原始图像与预测图像相减得到预测残差图像,利用基于二维Tsallis-Havrda-Charvat熵的阈值选取快速算法进行分割,并根据小目标运动的连续性和轨迹的一致性进一步分离噪声和小目标.文中给出了实验结果及分析,并与现有的检测红外小目标的空域和时域背景预测算法进行了比较.结果表明所提出的算法具有更高的检测概率,明显优于已有的基于背景预测的红外小目标检测算法.
針對信譟比較低時,如何有效地抑製自然揹景對目標檢測的影響,提齣瞭一種基于最小二乘支持嚮量機(LS-SVM)時域揹景預測的紅外弱小目標檢測方法.首先針對前幾幀圖像中對應同一位置像素點的灰度值序列,利用參數經粒子群優化的最小二乘支持嚮量機進行函數擬閤,併據此預測下一幀圖像在該位置處像素點的灰度值;然後將原始圖像與預測圖像相減得到預測殘差圖像,利用基于二維Tsallis-Havrda-Charvat熵的閾值選取快速算法進行分割,併根據小目標運動的連續性和軌跡的一緻性進一步分離譟聲和小目標.文中給齣瞭實驗結果及分析,併與現有的檢測紅外小目標的空域和時域揹景預測算法進行瞭比較.結果錶明所提齣的算法具有更高的檢測概率,明顯優于已有的基于揹景預測的紅外小目標檢測算法.
침대신조비교저시,여하유효지억제자연배경대목표검측적영향,제출료일충기우최소이승지지향량궤(LS-SVM)시역배경예측적홍외약소목표검측방법.수선침대전궤정도상중대응동일위치상소점적회도치서렬,이용삼수경입자군우화적최소이승지지향량궤진행함수의합,병거차예측하일정도상재해위치처상소점적회도치;연후장원시도상여예측도상상감득도예측잔차도상,이용기우이유Tsallis-Havrda-Charvat적적역치선취쾌속산법진행분할,병근거소목표운동적련속성화궤적적일치성진일보분리조성화소목표.문중급출료실험결과급분석,병여현유적검측홍외소목표적공역화시역배경예측산법진행료비교.결과표명소제출적산법구유경고적검측개솔,명현우우이유적기우배경예측적홍외소목표검측산법.
