基于圖結(jié)構(gòu)的背景抑制算法研究.pdf

1、像素級(jí)小目標(biāo)由于尺寸很小，所以往往在檢測(cè)時(shí)會(huì)與背景的噪聲或者角點(diǎn)有類(lèi)似的特征，在常規(guī)小目標(biāo)檢測(cè)時(shí)難以將它們完全區(qū)分開(kāi)來(lái)，因而造成在目標(biāo)點(diǎn)的軌跡關(guān)聯(lián)時(shí)會(huì)有較多虛警，尤其是在復(fù)雜背景的情況下。降低疑似目標(biāo)提取的虛警率對(duì)小目標(biāo)的檢測(cè)跟蹤有著重要的意義。本文研究的方向就是小目標(biāo)檢測(cè)中的背景抑制和虛警抑制。本文在研究了費(fèi)德勒向量對(duì)于圖像局部特性的感知之后，提出一種基于費(fèi)德勒向量的背景抑制方法；與此同時(shí)，針對(duì)原有方法指標(biāo)維度不夠的問(wèn)題，提出了一種虛

2、警點(diǎn)抑制的整套流程步驟：將所有疑似目標(biāo)點(diǎn)所在的一定范圍的圖像塊作為樣本，求取其單幀的局部特性和幀間的匹配特性，將這兩個(gè)特性合成二維特征向量，再用聚類(lèi)的方式自動(dòng)進(jìn)行類(lèi)型的分類(lèi)，將目標(biāo)塊和背景塊區(qū)分開(kāi)來(lái)，從而達(dá)到虛警點(diǎn)抑制的目的。
　　單幀的局部特性度量方式采取的是基于圖結(jié)構(gòu)的度量方式，利用圖的拉普拉斯矩陣的費(fèi)德勒向量的分類(lèi)特性來(lái)區(qū)分目標(biāo)塊和背景塊，并進(jìn)行相關(guān)實(shí)驗(yàn)討論不同圖結(jié)構(gòu)表示方式對(duì)單幀特性度量指標(biāo)的影響；隨后在前面內(nèi)容的基礎(chǔ)上進(jìn)

3、一步提出一種基于費(fèi)德勒向量的背景抑制算法，實(shí)驗(yàn)證明該算法既能突出目標(biāo)點(diǎn)，同時(shí)也能抑制背景點(diǎn)，可以最大限度的減小虛警點(diǎn)的生成；幀間的匹配特性度量是用的基于灰度匹配的互相關(guān)系數(shù)的方法，并在匹配之前加上可匹配性判斷的步驟，可匹配性判斷的指標(biāo)是通過(guò)SUSAN角點(diǎn)檢測(cè)算法改良而來(lái)，并進(jìn)行相關(guān)實(shí)驗(yàn)討論出最合適的參數(shù)和圖像塊尺寸；合成的二維特征向量并歸一化之后，采用的是譜聚類(lèi)的方式自動(dòng)區(qū)分圖像塊的類(lèi)型。從分類(lèi)結(jié)果來(lái)看，基本可以抑制所有的虛警點(diǎn)，從而證