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61頁未讀 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)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(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、隨著光電子技術(shù)、計(jì)算機(jī)技術(shù)和探測器技術(shù)的不斷發(fā)展,自動(dòng)目標(biāo)識別技術(shù)應(yīng)用越來越廣泛。而紅外弱小目標(biāo)檢測則一直是自動(dòng)目標(biāo)識別系統(tǒng)中重要的也是非常困難的研究課題。目標(biāo)檢測模塊處于自動(dòng)目標(biāo)識別系統(tǒng)的最前端,其性能的好壞在很大程度上決定了整個(gè)系統(tǒng)的性能。復(fù)雜背景下的弱小目標(biāo),其幾何結(jié)構(gòu)形狀特征和灰度特征均不顯著,并且目標(biāo)通常只有幾個(gè)或是幾十個(gè)像素大小,同時(shí)背景雜波的干擾使得檢測變得更為困難。本文針對海天背景下紅外圖像特性和弱小目標(biāo)的特點(diǎn),對弱小目

2、標(biāo)的融合檢測進(jìn)行了深入的研究,提出了多特征時(shí)空多層次融合檢測技術(shù),主要研究工作如下: 在對弱小目標(biāo)檢測時(shí),使用了多幀多特征時(shí)空融合策略,提出了弱小目標(biāo)融合檢測框架。在此框架下,提出了多特征自適應(yīng)融合檢測和多特征向量空間距離測度像融合檢測算法。背景的復(fù)雜性決定了單幀單一特征不能正確地進(jìn)行弱小目標(biāo)檢測。無論是多特征自適應(yīng)融合檢測算法還是多特征向量空間距離測度像融合檢測算法,都利用了局部最大灰度特征、形態(tài)學(xué)特征和局部熵特征。多特征自適

3、應(yīng)融合檢測算法是將各個(gè)特征圖像通過加權(quán)系數(shù)進(jìn)行融合,權(quán)系數(shù)的確定是自適應(yīng)的,是依據(jù)各個(gè)特征圖像中特征峰值與背景灰度均值來確定的,并且權(quán)系數(shù)是隨著不同圖像序列而變化的。多特征向量空間距離測度像融合檢測算法是將特征圖像中像素點(diǎn)對應(yīng)的多個(gè)特征值組合成相應(yīng)的特征向量,在多個(gè)特征向量空間上依據(jù)各點(diǎn)的特征向量和其所在行的平均特征向量之間的距離測度來進(jìn)行檢測。 通過試驗(yàn)證明,本文所提出的融合檢測算法,在降低虛警率的同時(shí)提高了檢測概率,有著非常

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(quán)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(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)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(chǔ)空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)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(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)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