排序方式: 共有119条查询结果,搜索用时 31 毫秒
1.
提出了一种新的基于空域梯度相关性的图像杂波自适应预测算法.该算法能显著改善微小目标的邻域信杂比(SCNR).试验证明,本算法相对于已有的多种算法,有着更好的性能.对微弱目标SCNR的增益相对于传统算法提高3 dB以上.本文还引入了一种基于统计分析的微小目标检测算法.该算法考虑了微小目标在图像集成时的重叠特性,能在不增加系统运算负荷的情况下,获得更高的检测概率,相对于不考虑重叠特性的算法,在虚警概率小于10-4时,假设重叠系数为3,SCNR为4 dB,系统检测概率从小于20%,大幅提高到80%.理论分析及仿真表明,本文提出的检测系统存微小目标枪测中,具有很高的实用性.系统在原始信号的邻域信杂比(SCNR)小于0 dB的情况下,能有效检测出目标,在采用10帧集成检测,目标像素重叠参数为5的情况下,虚警概率小于10-7,系统检测概率大于80%,虚警概率小于10-4,系统检测概率大于95%. 标在图像集成时的重叠特性,能在不增加系统运算负荷的情况下,获得更高的检测概率,相对于不考虑重叠特性的算法,在虚警概率小于10-4时,假设重叠系数为3,SCNR为4 dB,系统检测概率从小于20%,大幅提高到80%.理论分析及仿真 明,本文提出的检测系统存微小目标枪测中,具有很高的实用性.系统在原始信号的邻域信杂比(SCNR)小于0 dB的情况卜,能有效检测出目标,在采用10帧集成检测,目标像素重叠参数为5的情况下,虚警概率小于10-7,系统检测概率大于80%,虚警概率小于10-4,系统检测概率大于95%. 标在图像集成时的重叠特性,能在不增加系统运算负荷的情况下,获得更高的检测概率,相对于不考虑重叠特性的算法, 相似文献
2.
本文研究了多灰度层次图象目标在复杂背境和噪声干扰下的多级检测技术。该检测器考虑了可视目标的灰度特性和空间特征以及错误检测的统计特性。对多级检测器作了理论上的分析和计算机模拟,并将研究的结果应用于X光片骨龄识别上,获得了较好的实验结果。 相似文献
3.
文章研究了白动测试系统集合模型.提出了一种适用于SDH网元自动测试集合模及工作模式:进而拟定测试网络的物理结构,软件平台协议支持及协议转换连接.并结合测试实例分析自动测试流程。 相似文献
4.
视频序列分割是实现视频对象提取、处理和识别的基础,也是基于内容的视频压缩和检索的前提。目前普遍采用的watershed算法是全局涨水算法,用于视频分割时占用的存储和处理空间巨大。针对这一问题本文提出了新的滑动窗口式三维watershed算法(SW3DW),通过时间轴上的局部窗口对视频序列进行观察和分割,而在相邻窗口间采用水源区标号传递和局部流域更新相结合的方法,以较小的存储和处理空间实现了局域和全局处理的一致性。理论分析和实验证明该算法能有效性地实现视频序列的分割,为后续视频对象提取和处理创造了条件。 相似文献
5.
信道自适应主动块丢弃数字图像传输技术 总被引:2,自引:0,他引:2
数字图像的高效传输对于无线多媒体通信和网络图像交换等应用具有十分重要的意义。信道自适应主动块丢弃数字图像传输技术,在图像发送端以块为单位对图像进行划分,按照一定的规则主动丢弃部分图像块数据,以此减少所需要传输的比特流量,满足信道带宽要求,而在图像接收端通过全新的图像重建技术对丢弃的图像块数据进行恢复,从而完整地再现原图像。大量实验证明,该图像传输技术优于目前普遍采用的量化步长调节式数字图像传输技术,用它传输的图像质量得到明显提高。 相似文献
6.
7.
提出一种有效的背景杂波预测形态神经网络模型,用于检测图像数据中的弱小目标.目标被假设为只有很小的空域扩展度,而且淹没于强背景杂波干扰中.通过形态神经网络,杂波背景被准确地估计并从输入数据中去除,只剩下残留噪声和目标信号.采用扩展输入层数据的办法修正了传统的形态开、闭运算三层前馈BP网络模型.为了跟踪包含不同子结构的复杂背景,原始图像被划分为多个子块,并在相应的子块中选择训练样本对结构元进行优化.对真实图像数据的计算机仿真表明该算法在性能上优于其他传统算法. 相似文献
8.
9.
视频序列中运动目标分割算法 总被引:1,自引:0,他引:1
提出了一种视频序列中运动目标的分割算法.首先对当前视频帧进行全局运动估计和补偿,并和上一帧进行差分运算,从而检测出运动变化区域,然后基于灰度的相似性对当前帧进行过分割,并结合运动变化区域分割出运动目标.实验结果表明,该方法能取得较好的结果,并具有较强的鲁棒性. 相似文献
10.
红外图像序列中微弱点状动目标的非参数检测 总被引:2,自引:0,他引:2
研究了红外图像序列的观测及目标模型,提出了一种基于多帧的微弱点状动目标非参数检测技术.采用滑动邻域加权预测抑制杂波干扰,白化噪声特性,将时空三维搜索简化为沿时间轴投影与二维空域搜索,沿可能的轨迹上将目标能量高维集成.相应算法的检测性能对噪声分布不敏感,实时性好,实现简单,具有很高的实用价值.给出了该算法性能的理论分析和实验仿真结果. 相似文献