发表服务
摘要 针对红外序列图象中运动弱小目标的检测问题 ,提出了一种基于能量累积与Top Hat算子的小目标检测方法 .该方法是首先设置一定大小的滑动窗口 ,并通过对窗口内的图象序列进行能量累积来去除图象中的随机噪声 ,以提高目标的信噪比 ;然后对能量累积后的图象采用形态学中的Top Hat算子完成候选 ...
【摘要】： 红外图像中的小目标检测一直以来都是一个热点问题。 随着信号处理技术的飞速发展,红外目标检测技术开始广泛应用于军事制导,卫星遥感、目标跟踪等诸多邻域。但由于红外弱小目标具有成像面积小、无明显形状、细节特征缺失、信噪比低等特点,因此红外弱小目标检测技术点目标检测 ...
基于DSP+FPGA的红外图像小目标检测系统设计,研究单帧红外图像小目标的检测问题。对传统基于数学形态学的Top-hat算子进行分析和实验，并利用一种最大类间方差方法确定分割阈值，进行图像分割和目标检测。在Matlab仿真中发现，这种方法能够在一定程度上提高单帧图像目标检测的成功率，并且在 ...
红外小目标检测技术成为一项很有重要和关键作用的技术,并且是一项课题研究的难题,许多科研学者对此进行了研究和关注。将人类视觉特性运用到红外小目标检测过程中,利用人类视觉系统中的注意力选择机制可以取得较好的检测效果。
红外小目标检测方法之LCM与MPCM LCM（局部对比度方法）2013 算法流程 1 ：计算局部对比度： 将一个patch分为9个cell，其中0代表目标可能会出现的区域，如下图所示： 分别计算0-8cell内的灰度均值： 计算区域0 内的灰度最大值Ln，与其余区域的均值作除法
4.4 小目标检测模型（算法原理）. 最终的目标是“检测目标”，因此得到目标图像T 是关键。. 首先，假设红外图像不包含噪声，IPI Model 可简化为 D = T + B，求解目标图T即可转化为从原始图像矩阵中恢复稀疏矩阵与低秩矩阵的最优化问题，可使用主成分追踪 ...
作者 年份 论文题目 期刊 Xiangzhi Bai 2010 《Analysis of new top-hat transformation and the application for infrared dim small target detection》 Pattern Recognition 白相志 2009 新型Top-hat变换及其在红外小目标检测中的应用
Matlab仿真结果表明,对复杂云层背景的红外图像,Top-Hat检测算法虽然检测速度快,但当虚警和目标的灰度值相等时不能很好地对目标进行检测;新算法在选择合适参数的基础上能准确给出目标的位置信息,并能较好地估算小目标尺寸,然而新算法在检测速度上仍有待
红外弱小目标的检测与跟踪算法主要分为两类：跟踪前检测DBT和检测前跟踪TBD。经典的小目标检测与跟踪方法是DBT，即先根据检测概率和虚警概率计算单帧图像的检测门限，然后对每帧图像进行分割，并将目标的单帧检测结果与目标运动轨迹进行关联，最后
摘要 针对红外序列图象中运动弱小目标的检测问题 ,提出了一种基于能量累积与Top Hat算子的小目标检测方法 .该方法是首先设置一定大小的滑动窗口 ,并通过对窗口内的图象序列进行能量累积来去除图象中的随机噪声 ,以提高目标的信噪比 ;然后对能量累积后的图象采用形态学中的Top Hat算子完成候选 ...
【摘要】： 红外图像中的小目标检测一直以来都是一个热点问题。 随着信号处理技术的飞速发展,红外目标检测技术开始广泛应用于军事制导,卫星遥感、目标跟踪等诸多邻域。但由于红外弱小目标具有成像面积小、无明显形状、细节特征缺失、信噪比低等特点,因此红外弱小目标检测技术点目标检测 ...
基于DSP+FPGA的红外图像小目标检测系统设计,研究单帧红外图像小目标的检测问题。对传统基于数学形态学的Top-hat算子进行分析和实验，并利用一种最大类间方差方法确定分割阈值，进行图像分割和目标检测。在Matlab仿真中发现，这种方法能够在一定程度上提高单帧图像目标检测的成功率，并且在 ...
红外小目标检测技术成为一项很有重要和关键作用的技术,并且是一项课题研究的难题,许多科研学者对此进行了研究和关注。将人类视觉特性运用到红外小目标检测过程中,利用人类视觉系统中的注意力选择机制可以取得较好的检测效果。
红外小目标检测方法之LCM与MPCM LCM（局部对比度方法）2013 算法流程 1 ：计算局部对比度： 将一个patch分为9个cell，其中0代表目标可能会出现的区域，如下图所示： 分别计算0-8cell内的灰度均值： 计算区域0 内的灰度最大值Ln，与其余区域的均值作除法
4.4 小目标检测模型（算法原理）. 最终的目标是“检测目标”，因此得到目标图像T 是关键。. 首先，假设红外图像不包含噪声，IPI Model 可简化为 D = T + B，求解目标图T即可转化为从原始图像矩阵中恢复稀疏矩阵与低秩矩阵的最优化问题，可使用主成分追踪 ...
作者 年份 论文题目 期刊 Xiangzhi Bai 2010 《Analysis of new top-hat transformation and the application for infrared dim small target detection》 Pattern Recognition 白相志 2009 新型Top-hat变换及其在红外小目标检测中的应用
Matlab仿真结果表明,对复杂云层背景的红外图像,Top-Hat检测算法虽然检测速度快,但当虚警和目标的灰度值相等时不能很好地对目标进行检测;新算法在选择合适参数的基础上能准确给出目标的位置信息,并能较好地估算小目标尺寸,然而新算法在检测速度上仍有待
红外弱小目标的检测与跟踪算法主要分为两类：跟踪前检测DBT和检测前跟踪TBD。经典的小目标检测与跟踪方法是DBT，即先根据检测概率和虚警概率计算单帧图像的检测门限，然后对每帧图像进行分割，并将目标的单帧检测结果与目标运动轨迹进行关联，最后
发表服务