采用监督特征学习的红外小目标检测.pdfVIP

第4l卷第5期 东南大学学报(自然科学版) V01．4lNo．5 OFSOI『THEAST Science 2011年9月 JOURNAL UNlVERSITY(NamrflEdition) Sept．2011 doi：10．3969／j．issn．1001—0505．2011．05．022 采用监督特征学习的红外小目标检测 许庆晗 金立左 费树岷 (东南大学自动化学院，南京210096) 摘要：为了改善大尺寸图像下红外小目标检测的检测率与速度，提出一种采用监督特征学习的 检测算法．通过分析小目标邻域图像的分布特点，定义一种基于灰度分布的统计特征，用以描述 目标与非目标的邻域的灰度分布差异．以局部灰度极大值区域为训练样本，通过有监督学习提取 对目标区分能力最强的特征．随后，在特征空间设计级联结构的多分类器，采用逻辑斯蒂回归和 相关向量机分类器，通过“目标一非目标”分类，实现对目标的检测．实验结果表明在相同虚警率 下，检测率较局部滤波法有一定提升，且检测速度大幅提高，满足了大尺寸图像下的实时性要求． 关键词：小目标检测；灰度分布特征；相关向量机 中图分类号：TP391．4l文献标志码：A 文章编号：1001—0505(2011)05—1008-05 Smallinfrareddetectionvia feature target supervisedlearning Xu JinLizuoFeiShumin Qinghan (SchoolofAutomation，Southeast 210096，China) University，Nanjing Abstract：A feature methodis for thedetection supervisedlearning proposedimproving probability detection infrared thetraitsofsmall and ofsmall speed targetdetection．Throughanalyzing targets’ statisticalfeaturebasedon distributionisdefinedfor neighborhoodimage，a grayintensity describing thedifferencebetweenthe and extremaon targetsnontargets’neighborhood．Intensityglobalimages areconsideredas thenafeaturewiththe isextracted trainingsamples，and highestdiscriminabilityby classifieris inthefeature supervisedlearning．Subsequently，amulti—stage designed space，which andrelevancevectormachine todetect adoptslogisticregression algo