-
题名基于递归标记的红外图像弱小点目标自动识别方法
- 1
-
-
作者
潘文
周波
曹志浩
-
机构
宣城职业技术学院信息与财经学院
宣城职业技术学院教学与管理学院
合肥工业大学计算机信息系
-
出处
《遵义师范学院学报》
2024年第4期85-89,共5页
-
基金
2020年度安徽省质量工程项目教学研究重点项目(2020jyxm2235)。
-
文摘
为准确识别红外图像中的弱小点目标,以递归标记算法为核心提出了红外图像弱小点目标自动识别方法。采用平滑滤波器和区域生长分割法,完成待识别红外图像的预处理;应用基于递归的二值图像标记模式,扫描所有的红外图像像素点并定义相应的标记值,形成多个图像连通域;针对每个连通域分别提取几何特征和形心特征,将其应用到稀疏表示分类器和卷积神经网络分类器中,自动生成弱小点目标识别结果。实验结果显示:应用所提方法识别海面红外图像、云层红外图像和纯净天空红外图像的mAP值分别为0.95、0.96与0.91,表明其具有较好的红外图像弱小点目标自动识别效果。
-
关键词
递归方法
像素标记
红外图像
弱小点
目标识别
形心特征
-
Keywords
recursive method
pixel marker
infrared image
weak points
target recognition
centroid characteristics
-
分类号
TN911.73
[电子电信—通信与信息系统]
-
-
题名一种基于卷积神经网络的红外弱小点目标检测算法
被引量：2
- 2
-
-
作者
胡亮
张聃
-
机构
四川长虹电器股份有限公司
-
出处
《科学技术创新》
2021年第27期101-103,共3页
-
文摘
本文提出了一种基于卷积神经网络的红外弱小点目标检测算法。该算法能够提取弱小点目标的特征信息,通过红外图像预处理手段与数据增强技巧,仅需几百个样本就能完成训练。实验表明:与传统的检测算法以及单阶段深度学习检测算法相比,该算法能够极大的降低虚警率,同时提高检测率。
-
关键词
红外图像
弱小点目标
卷积神经网络
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名复杂背景下红外图像弱小点目标自动识别仿真
被引量：1
- 3
-
-
作者
王芳
李芃
-
机构
东华理工大学长江学院
东华理工大学
-
出处
《计算机仿真》
北大核心
2020年第4期471-475,共5页
-
基金
江西省教育厅科技项目(GJJ151539)。
-
文摘
传统识别方法受到低信噪比、低对比度、缺乏弱小点目标的形状及纹理信息等因素影响,尤其在复杂背景下,弱小点目标自动识别准确率较低,针对此问题,提出一种基于BEMD(二维经验模态分解算法)的红外图像弱小点目标自动识别方法,根据待识别图像的频谱特性,并结合分频段处理方式。对比了不同滤波器的性能,并建立了图像滤波器组,采用滤波器组将弱小点目标图像分解到不同子频域中;对子频段图像进行罗宾逊滤波处理,提取弱小点目标。采用多层经验模态分解算法对原始弱小点目标图像输入函数分解为二维本征模态函数,通过微分计算来获取原始图像与背景区域之间的差,分割出弱小点目标区域。通过局部逆熵分割弱小点目标区域的高频信息来获取各个模态函数的弱小点目标识别结果。实验结果表明,所提方法能够高效且准确地提取出弱小点目标,更好地抑制复杂背景。
-
关键词
复杂背景
红外图像
弱小点目标
自动识别
-
Keywords
Complex background
Infrared image
Dim point target
Automatic recognition
-
分类号
TP393
[自动化与计算机技术—计算机应用技术]
-
-
题名基于候选轨迹统计模型的红外弱小点目标检测(英文)
- 4
-
-
作者
李俊
周凤岐
周军
卢晓东
-
机构
西北工业大学精确制导与控制研究所
-
出处
《火力与指挥控制》
CSCD
北大核心
2009年第4期80-84,共5页
-
基金
航天科技创新基金资助项目(06CASC0404)
-
文摘
建立候选目标轨迹集合,以候选目标轨迹集合为样本空间,利用沿候选轨迹的能量积分构造此空间上的概率分布,从而建立候选轨迹的概率统计模型。以此模型为基础,设计了一种弱小点目标检测方法。通过蒙特卡罗实验方法调节模型参数,使得算法的检测性能达到所提出的指标。该算法规避了以往算法中需要获得解析形式的候选轨迹密度函数的限制,因此能检测出沿任意方向作直线运动的点目标。最后,针对给定的弱小点目标观测图像序列,利用所提出的算法进行检测,仿真结果证明此算法是有效的。
-
关键词
弱小点目标
统计模型
检测算法
蒙特卡罗实验
-
Keywords
dim point target,statistic model,detection algorithm,Mont Carlo experiment
-
分类号
TN911.73
[电子电信—通信与信息系统]
-
