TA的每日心情 | 奋斗
2020-9-8 15:12 |
|---|
签到天数: 2 天 [LV.1]初来乍到
|
EDA365欢迎您登录！
您需要 登录 才可以下载或查看，没有帐号？注册
x
摘 要： 杂波背景抑制一直是红外弱小目标检测面临的难题．背景抑制可分为背景预测和差分滤波两步．针对 强杂波背景呈现非线性分布的特征，提出了一种基于稀疏化核递推最小二乘（ＫＲＬＳ）算法的非线性背景抑制算法．算 法采用监督学习模型，使用序列图像作为训练样本．通过稀疏化控制学习函数的复杂度并剔除冗余信息，不但可以提 高学习机器的推广能力，还可以降低运算量．使用真实红外图像对算法进行了测试，并分析了算法参数．实验结果表 明：算法可自适应预测不同类型的强杂波背景，并有效抑制背景杂波． " K5 Q. a4 h5 b% t- a1 u- E8 c
; A1 S4 }7 P$ C! w7 H, W! h
关键词： 红外背景抑制；强杂波；背景预测；稀疏；核递推最小二乘( ]4 J9 p4 V# H6 e5 k: c
) d1 k0 ^7 d3 a9 \( [ {( g: {" | 弱小目标在红外图像中通常不超过 １０个像素，身 处云层、地物、建筑等强杂波背景之中使得这类目标难 以检测．因此，抑制杂波背景是小目标检测的第一步，也 是最重要的一步，能大大提高后续目标检测阶段算法的 性能［１］．基于监督学习的背景预测技术是诸多背景抑制 算法中的一类［２，３］．这类算法是用目标周围的背景像素 来替代目标像素，从而预测出一幅没有目标的图像；然 后再用原始图像减去预测出的图像得到只有目标和少 量背景的残差图像；最后在残差图像上做门限检测得到 弱小目标．2 D& l3 B$ v- d7 F% j
2 r6 c- ]! x7 v; Z$ b, ]: S7 g
7 r. o, L; ?9 s+ q6 y1 e/ ]附件下载:
一种基于稀疏化核方法的红外强杂波背景抑制算法.pdf
(1.82 MB, 下载次数: 0)
& F" c( J8 z" g7 f( `
|
|
/1 
发表于 2021-1-18 10:48
收藏
淘帖
支持！
反对！