俄罗斯加快制订与落实航天发展计划.pdfVIP

· 578 · 系统工程与 电子技术 第 31卷 ●■■■■ (a)原始图像 (b)基于最小一乘和遗传算法 c【1基于最小二乘背景 (d1图(b)的阈值分割 (e)图(c)的阈值分割 背景预测得到的残差图像 预测得到的残差图像 检测结果 检测结果 图4 红外图像序列 3(第 32帧) 由实验结果可 以看出： 预测检测红外弱小 目标 的方法 ，对弱小 目标具有更高的检 (1)无论是怎样变化的背景云层，基于最小一乘和遗 测概率和更好的检测结果，优于基于最小二乘背景预测的 传算法的背景预测所得到的残差图像都能明显地滤除大部 红外弱小 目标检测方法 。 分的背景，增强弱小 目标 ；而基于最小二乘的背景预测所得 参考文献 ： 到的残差图像 中目标也较为明显，但是有些背景没有滤除 ， 增大了后续 目标分割 的难度和 目标检测 的虚警率 。 [1]XuYing．Smallmovingtargetdetectionininfraredimagese— (2)由最小一乘和遗传算法的背景预测所得到的分割 quences[Jj．InfraredTechnology，2002，24(6)：27—30． 2]陈振学 ，汪 国有．基于 自适应背景预测 的红外小 目标检测算法 结果明显优于最小二乘的背景预测所得到的分割结果。基 [J]．激光与红外 ，2005，35(8)：608—612． 于最小一乘和遗传算法的背景预测能准确地将弱小 目标分 [3]李吉成 ，沈振康 ，鲁新平，等．基于背景杂波 自适应预测的红外弱 割 出来 ，并 阻虚警点很少 ，利于后续 的检测和跟踪 ；而基于 小 目标检测[J]．激光与红外 ，2004，34(6)：478—482． 最 1-,_--乘的背景预测对异常点比较敏感，鲁棒性差，对高亮 4]谢开贵．宋乾坤，周家启．最小一乘线性 回归模型研究[j]．系统 点或边缘容易产生检测误差．如图3(e)所示 。且虚警点比基 仿真学报 ，2002，14(2)：99—102． 于最小一乘和遗传算法背景预测的检测方法要多。 [5]蒋建成，许溢宏，郑忠国．基于 一1范数拟合的AR(P)模型的稳 健的拟合优度检验_!J]．中国科学 (A辑)，1998，28(11)：973～980． 3 结束语 [6]陈希孺，白志东，赵林城，等．线性模型中最小一乘估计的渐近 本文提出了一种基于最小一乘估计和遗传算法进行背 正态性lI]‘．中国科学 (A辑)，1990，20(5)：449—463． 景预测的红外弱小 目标检测方法 。该方法建立了最小一乘 [7]周秀轻，王金德．随机删失数据非线性 回归模型的最小一乘估计 [J]．中国科学 (A辑)，2005，35(4)：387—403． 准则背景预测模型，并应用遗传算法解决了最小一乘估计 [8]任哲，陈明华．污染数据回归分析 中参数的最小一乘估计[J]．应 中预测系数最优值的选取问题；基于最小一乘背景预测所