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),請進行舉報或認領(lǐng)
文檔簡介
1、紅外弱小運動目標檢測與跟蹤技術(shù)是光電成像探測系統(tǒng)研究的關(guān)鍵技術(shù)之一。由于探測器與深空目標之間的距離遠,目標在成像上通常表現(xiàn)為面積小和信號弱的特點,并且易于淹沒在各種雜波背景和強噪聲中,使得目標檢測與跟蹤變得十分困難。因此,探索低信噪比條件下有效的弱小目標檢測方法具有非常重要的理論和實際意義。
近年來,稀疏表示理論在信號處理領(lǐng)域興起,它使用超完備字典對信號進行稀疏表示,即用較少的原子揭示信號的主要內(nèi)容,使得信號的表示更加準確有效
2、。雖然稀疏表示理論還處在探索和完善之中,但是它已經(jīng)在信號處理領(lǐng)域取得了許多成果,表現(xiàn)出了巨大的發(fā)展?jié)摿Α?br> 基于上述背景,本文利用稀疏表示理論對序列圖像弱小運動目標檢測方法進行了深入研究。首先,分析了序列圖像在時域上的稀疏特性,時域稀疏系數(shù)不僅稀疏度不強,而且少量具有較大稀疏系數(shù)值的原子規(guī)律性差,針對單幀圖像訓練的超完備字典及其稀疏表示不能充分挖掘序列圖像中目標的運動信息。然后,基于目標的運動具有連續(xù)性和一致性的物理屬性,聯(lián)合空
3、域和時域來構(gòu)造空時超完備稀疏字典,探索目標和背景所體現(xiàn)出的特征差異,提出了基于空時域稀疏表示的弱小運動目標檢測算法。該算法以序列圖像為訓練樣本,構(gòu)建空時域超完備稀疏字典,將圖像塊在空時域字典中進行稀疏分解,再結(jié)合該稀疏分解系數(shù)及其較大值對應的原子內(nèi)容來判斷該圖像塊是否含有目標。為了更進一步提高目標的檢測性能,采用高斯字典對該空時稀疏字典進行分類,分別得到目標空時字典和背景空時字典,繼而將圖像塊在目標空時字典和背景空時字典的聯(lián)合字典中進行
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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 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(quán)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。
最新文檔
- 基于稀疏表示的運動目標檢測方法研究.pdf
- 基于稀疏表示的運動目標跟蹤.pdf
- 基于稀疏表示的運動目標檢測與跟蹤算法研究.pdf
- 弱小運動目標檢測技術(shù)研究.pdf
- 紅外序列圖像中運動弱小目標時域檢測方法.pdf
- 基于稀疏表示的多視角目標檢測技術(shù)研究.pdf
- 基于像素時域特征的紅外弱小目標檢測算法研究.pdf
- 基于時域廓線的紅外弱小目標檢測算法研究.pdf
- 基于稀疏表示的高光譜圖像目標檢測.pdf
- 基于空時顯著性的紅外弱小目標檢測.pdf
- 基于稀疏表示的目標檢測與跟蹤算法研究.pdf
- 基于稀疏表示的可變形部件模型目標檢測.pdf
- 基于稀疏表示的目標檢測與跟蹤方法研究.pdf
- 基于稀疏表示的小弱運動目標跟蹤算法研究.pdf
- 基于稀疏表示的可見光目標檢測研究.pdf
- 基于時域廓線向量積的紅外弱小目標檢測算法研究.pdf
- 基于稀疏表示的目標跟蹤算法.pdf
- 深空背景紅外弱小目標檢測和跟蹤技術(shù)研究.pdf
- 基于多光譜信息融合的弱小運動目標檢測技術(shù)研究.pdf
- 基于稀疏表示和壓縮感知的目標檢測與跟蹤研究.pdf
評論
0/150
提交評論