论文部分内容阅读
针对红外序列图像中运动弱小点目标的检测问题，设计了一种基于改进神经网络优化的修正Top—Hat形态学滤波器算子。其中形态学滤波器的结构元素采用两层前馈神经网络，通过大量样本训练优化，将Top—Hat运算作为一个整体当作一层，输出层节点定义为Top—Hat运算后图像矩阵的最大值。实测数据的处理结果表明：针对低信噪比（R SN≈2）图像，在虚警概率≤5％情况下，优化的修正Top—Hat形态学滤波器算子对复杂图像检测概率≥75％，与固定结构元素的Top—Hat形态学滤波器相比检测概率提高了近8％，算法的运算时间