2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩83頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權,請進行舉報或認領

文檔簡介

1、近年來,隨著成像光譜技術的發(fā)展,高光譜圖像的目標檢測研究引起了廣泛關注。高光譜圖像可同時獲取空間信息和光譜信息,在目標檢測領域顯示出其獨特的優(yōu)勢,特別是在軍事目標的檢測和識別中體現(xiàn)出重要的價值。由于高光譜圖像數(shù)據(jù)量大、目標較小等因素給檢測帶來的困難,一些傳統(tǒng)的目標檢測方法在某些應用背景下已無法取得良好的檢測效果,因此有必要尋求一些新的、有效的高光譜目標檢測算法。為此,本文進行了以下幾方面的研究。
  首先,分析了高光譜圖像的數(shù)據(jù)特

2、性,研究了光譜信號的統(tǒng)計模型和混合模型。重點研究了局部高斯分布的統(tǒng)計模型和線性混合模型。敘述了多元統(tǒng)計信號的檢測理論和估計理論,為目標檢測算法的研究打下基礎。
  其次,研究了基于局部高斯模型的高光譜目標檢測算法,分別完成了三種基于此模型的算法的檢測性能分析和仿真實驗結果。在自適應濾波器組方法部分,本文提出了一種比較實用的濾波器組設計方法。針對經(jīng)典 RX算法需要目標匹配模板的缺點,研究了漸進意義下的RX檢測算法—RXD,應用RXD

3、和其已有的改進算法實現(xiàn)了小目標檢測。在此基礎上,本文提出了一種魯棒性較強的檢測算法—RRXD。仿真結果和ROC曲線表明,RRXD檢測算法的檢測性能要優(yōu)于RXD檢測算法。
  然后,研究了基于高斯馬爾科夫隨機場的GMRF檢測算法,用GMRF雙假設和單假設檢測算子實現(xiàn)了小目標的檢測,并對單假設和雙假設檢測算子的性能進行分析。給出利用GMRF算法的方差求逆法結合其他檢測算法產(chǎn)生新算法的思路。研究了基于線性混合模型的LPD和CEM檢測算法

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論