

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、紅外小目標檢測被應用于多領域當中,隨著科技的不斷進步,紅外技術的發(fā)展對于天空預警系統(tǒng)、跟蹤系統(tǒng)、視頻監(jiān)控等領域有著重要的意義。紅外目標圖像主要特點是:隱蔽性強、成像質量高。遠距離的紅外成像目標通常隱藏在結構化的背景雜波中,目標距離較遠、噪聲影響且圖像信噪比低,紅外圖像無法表征場景的細節(jié)信息,導致目標和邊界模糊不清,后續(xù)紅外小目標的檢測技術面臨著較大的困難。近年來稀疏分解理論得到廣泛應用,但是還面臨著進一步的探索,而基于濾波的目標檢測方法
2、不能準確的從背景雜波中分離目標,源圖像中小目標占用的像素點少,但是紅外成像過程中噪聲較多、雜波干擾嚴重、對比度低、目標信號強度相對較弱、易被強度較強的雜波所影響,可以利用的細節(jié)特征較少。針對紅外小目標圖像的特點、特性分析,其背景特征較多,受噪聲雜波滋擾嚴重導致目標辨認精度低等問題,為了加強主成分分析對稀疏噪聲的魯棒性,本文提出了關于紅外小目標圖像背景抑制算法,研究基于低秩稀疏分解和調諧引導濾波的背景預測模型,更加高效的抑制噪聲雜波干擾、
3、提高目標圖像的對比度。
本文提出的背景抑制算法:1.運用稀疏分解理論對紅外小目標圖像進行分解,得到低秩成分和稀疏成分。因為紅外目標點的周圍的像素點與其它背景區(qū)域部分的像素點灰度值之間關聯(lián)性差,在圖像的整體特征中呈現為孤立點,稀疏分解利用這一特性,實現背景與目標的完整分化。2.采用引導濾波算法增強目標區(qū)域邊緣紋理信息,平滑雜波抑制噪聲。采用閾值算法對預處理后的圖像,提取目標信號且增強紅外圖像的檢測性能。3.基于稀疏分解和濾波增強
4、算法建立紅外圖像背景預測模型,利用噪聲的稀疏性最大化分離噪聲,減少強噪聲滋擾導致的目標點誤判,抑制背景雜波及噪聲。4.根據紅外圖像的背景統(tǒng)計特性建立適應背景變化的調諧保邊模型,提高背景預測精度。
本文提出的背景抑制算法方案可有效提高紅外目標檢測的魯棒性和精準度,為紅外預警偵察系統(tǒng)提供準確的檢測手段,對提高紅外圖像的檢測概率、檢測范圍和監(jiān)測效果具有重大現實意義。通過實驗驗證,本文選取的方案對紅外小目標圖像具有較好的背景抑制效果。
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于背景抑制的紅外小目標檢測.pdf
- 基于背景預測的紅外小目標檢測算法研究.pdf
- 基于經驗模態(tài)分解的紅外小目標檢測算法研究.pdf
- 基于背景預測的紅外小目標檢測.pdf
- 復雜背景下紅外小目標檢測算法研究.pdf
- ??毡尘跋碌募t外小目標檢測算法研究.pdf
- ??毡尘跋录t外圖像背景抑制及目標檢測算法研究.pdf
- 基于稀疏分解的SAR圖像抑制斑點噪聲算法的研究.pdf
- 基于超完備圖像稀疏表示的自適應紅外小目標檢測算法.pdf
- 基于稀疏分解算法的稀疏信道估計研究.pdf
- 紅外小目標跟蹤算法研究.pdf
- 基于稀疏表示的小弱運動目標跟蹤算法研究.pdf
- 云背景下紅外弱小目標背景抑制方法研究.pdf
- 地面背景的紅外目標跟蹤算法研究.pdf
- 基于稀疏分解的視頻跟蹤算法研究.pdf
- 基于FFT的圖像稀疏分解算法研究.pdf
- 基于MP的信號稀疏分解算法研究.pdf
- 基于人類視覺特性的復雜背景紅外小目標檢測研究.pdf
- 復雜背景條件下的紅外小目標檢測與跟蹤算法研究.pdf
- 基于MP的信號稀疏分解的算法研究.pdf
評論
0/150
提交評論