共查询到17条相似文献,搜索用时 171 毫秒
1.
2.
3.
基于分数布朗运动模型的激光雷达目标检测 总被引:2,自引:0,他引:2
研究和分析了激光雷达目标回波与杂波背景的分形特性,以分数布朗运动(FBM)数学模型为基础,通过对不同信噪比(SNR)激光雷达回波的分析,初步证明了激光雷达回波具有布朗运动的特征。针对激光雷达杂波数据具有布朗运动的增量统计自相似性,激光雷达杂波能与分数布朗运动较好地匹配,因此可以采用布朗运动模型对激光雷达回波数据进行分析处理。当信噪比比较低时,杂波和含有目标的回波信号的分形维数比较接近,发生重叠,单靠单一的分形维数无法检测出目标。针对这一问题,分析杂波和目标信号在不同尺度上的分形维数,提出基于不同尺度分形维数的变化特征进行目标检测的算法,即基于多尺度分形维数的目标检测算法。理论分析和实验结果表明该方法具有较高的可靠性和准确性。 相似文献
4.
文章结合分形特征的特点,提出了一种基于分形技术的图像预处理算法。该方法利用
自然背景和人造目标的不同分形持征检测目标,并利用领域连通性进行目标边界的合并,进一步地提取目标,大大提高了单帧检测的概率。仿真结果表明,该方法可以有效地在单帧图像中检测出目标。 相似文献
5.
6.
为了降低复杂海情对海杂波背景下小目标检测的影响,提高微弱信号检测准确度,文中采用多重分形去势波动分析法分析了海杂波数据在高尺度条件下的分形特性,将分形尺度q 扩展到[-30,30],对多重分形参数H(q)的估计进行了研究,得到了高尺度分形差量驻H(q),分析了尺度q 的选取对驻H(q)的影响,提出了一种基于高尺度分形差量的海杂波中小目标检测方法。实验结果表明:IPIX 海杂波数据的分形特性受到海情和雷达极性的影响,选择高尺度指数q 时,所提方法能够有效地区分动目标与纯海杂波之间的分形差异性,降低海杂波背景下小目标检测对海情的依赖性,相较于单尺度去势波动分析检测方法,大部分海情的检测门限提高了40% 以上,发挥了海杂波数据在高尺度多重分形上的优势。 相似文献
7.
基于分形的红外图象目标自动检测 总被引:5,自引:0,他引:5
本文介绍了一种基于分形的复杂背景下红外图象目标自动检测方法,该方法以自然背景和人造目标在分形特征上的固有的差异为依据,利用了人造目标分形特征拟合误差大的特点,实现了复杂背景中红外图象目标的自动检测。实际检测的实验结果表明:该目标自动检测方法对环境的适应性强,是一种颇具发展前景的目标自动检测方法。 相似文献
8.
9.
介绍了基于分形的复杂背景下实现小目标检测的一种具体方法,该方法以自然背景和人造目标在分形特征上的固有差异为依据,利用了人造目标分形特征数大的特点,给出了进行小目标检测的具体实现过程。实际检测的实验结果表明:该小目标检测方法对环境的适应性强,检测结果精确,颇具发展前途。 相似文献
10.
11.
军事目标检测一般是由自然背景和少量的人造目标所组成.现有的图像目标检测方法大多是基于对目标本身特性进行分析,不适用于目标特性未知的军事目标检测.本文根据人造目标和自然背景在分形特征上的固有差异,在利用分形维数提取人造目标边缘特征的基础上,结合小波分析方法提取的目标边缘特征,对自然背景中的人造军事目标进行检测.实验证明该方法具有较好的适应性. 相似文献
12.
基于分形特征的红外烟幕遮蔽热像效果评价 总被引:5,自引:1,他引:4
提出一种基于分形特征的红外烟幕对目标热像遮蔽效果的评价方法,该方法将烟幕运动视为分形布朗运动,以自然背景和人造目标图像在分形特征上的固有差异为依据,利用战术目标分形拟合误差大的特点,采用表面积法计算目标热像区域不同时刻分维数和分形拟合误差的变化,来评价烟幕对目标热像遮蔽的程度。实验结果表明该评价方法有助于对遮蔽程度作出准确判别与分析。 相似文献
13.
14.
Infrared dim and small target detection is a key technology for space-based infrared search and tracking systems. Traditional detection methods have a high false alarm rate and fail to handle complex background and high-noise scenarios. Also, the methods cannot effectively detect targets on a small scale. In this paper, a U-Transformer method is proposed, and a transformer is introduced into the infrared dim and small target detection. First, a U-shaped network is constructed. In the encoder part, the self-attention mechanism is used for infrared dim and small target feature extraction, which helps to solve the problems of losing dim and small target features of deep networks. Meanwhile, by using the encoding and decoding structure, infrared dim and small target features are filtered from the complex background while the shallow features and semantic information of the target are retained. Experiments show that anchor-free and transformer have great potential for infrared dim and small target detection. On the datasets with a complex background, our method outperforms the state-of-the-art detectors and meets the real-time requirement. The code is publicly available at https://github.com/Linaom1214/U-Transformer. 相似文献
15.
16.