基于局部对比度机制的红外弱小目标检测算法

来源 :红外技术 | 被引量 : 0次 | 上传用户:yaqinghualei
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对复杂背景和低信杂比条件下的红外弱小目标检测难题,提出了一种基于局部对比度机制的红外弱小目标检测方法。该方法提出了一个包含中心层、中间层和最外层的3层窗口,可以使用单尺度计算完成不同尺度弱小目标的检测。首先,对中心层引入匹配滤波思想,有针对性地增强真实目标;同时,提出最接近滤波原则,对最外层进行背景估计,以缓解目标靠近边缘时的检测难题;然后,在目标增强结果与背景估计结果之间进行比差联合的对比度计算,达到同时增强目标和抑制背景的目的;最后,通过自适应阈值分割,提取真实目标。实验结果表明,相比现有算法
其他文献
激光热成像是一种检测电感微裂纹的新方法,但批量自动检测时电感彼此靠近易导致定位错误和误检。根据激光扫描和热成像检测过程分析图像特征,提出求取温度梯度图并利用次大值滤波消除其激励非均匀性,采用形态学操作断开样品粘连处并去除干扰噪声点;通过距离变换结合分水岭算法得到电感图像分割结果。实验结果表明:该方法实现了对批量铁氧体电感图像的自动分割提取,为后续铁氧体电感试样的分选打下良好基础。
杉木是我国的重要林木,该林木木材原料优异,被广泛用于加工及家具生产,是我国林业的重要资源之一,尤其是在广西地区,杉木资源还是本地林业的主要收入来源之一。因此本文就聚
针对红外图像含大量噪声以及对比度低等特点,提出一种结合快速模糊C均值聚类的改进Lazy Snapping分割方法。对红外图像使用快速模糊C均值聚类算法进行预分割,通过形态学骨架提取的方法在图像中标记出目标和背景种子点,将Lazy Snapping算法由全局分割转化为聚类区域分割,并构造能量函数,通过最小割算法求解能量函数的最小值并使分割效率得以提升,减少了图像存在的过分割现象,使Lazy Snap
在小天体探测、导弹制导和战场侦察等航空航天领域,由于目标信号较弱,占有像素数少,缺少目标形状和纹理信息,使用手工特征提取的传统算法容易出现大量虚警,而拥有强大特征提取能力的深度学习算法无法对微小且缺乏轮廓信息的目标训练。本文采用了滑动窗口取样训练,它源自基于人类视觉特性的传统目标检测算法中嵌套结构的思想,设计了一种使用递归卷积层的全卷积网络,在不增加额外训练参数的情况下,扩展了模型的网络深度,该网
网络学习空间建设能够培养学生的学习兴趣和学习主动性,实现教与学形态的蜕变,同时使信息化技术应用手段实现工作的"双提",学习空间建设以"智慧校园"建设为依托,促进教学模式
目的:探讨中医三联疗法改善湿热瘀阻型输卵管炎性不孕宫、腹腔镜术后的临床疗效。方法:选择河南中医药大学第一附属医院68例输卵管炎性不孕患者,随机分为治疗组和对照组,治疗