- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
星空背景下红外弱小目标的快速检测-激光与红外
第47卷 第4期 激 光 与 红 外 Vol.47,No.4
2017年4月 LASER & INFRARED April,2017
文章编号:10015078(2017)04051306 ·图像与信号处理 ·
星空背景下红外弱小目标的快速检测
蒲静松,许 东,刘乙君,赵子杰
(北京航空航天大学仪器科学与光电工程学院,北京 100191)
摘 要:为了实时检测天基平台上超远距离成像的星空背景下红外弱小运动目标,提出了一种
基于时空域方向滤波和最小二乘预测的算法。首先,介绍了传统的方向滤波及时序上的双向
滤波两者的频域理论推导,并经过对比说明了双向滤波的优点。接着,在双向滤波基础上,提
出了一种新型方向滤波算法,并分析了新型算法在时耗方面的优势。然后,在分析新型方向滤
波算法性能的基础上,说明了基于过门限率的图像分割方法。最后,介绍了最小二乘预测的理
论,并给出了相应的跟踪算法。实验结果表明:目标的位置跟踪偏差平均约为1个像素,在图
像大小为256×256像素的情况下,20帧图像的检测跟踪时间平均约为1137s。检测跟踪效
果满足精度要求,检测时间也基本能满足超远距离成像红外系统的实时性要求。
关键词:弱小目标检测;时空域方向滤波;目标跟踪;最小二乘预测
中图分类号:TP3914 文献标识码:A DOI:103969/jissn10015078201704024
Rapiddetectionofinfrareddimtargetsunder
starryskybackground
PUJingsong,XUDong,LIUYijun,ZHAOZijie
(SchoolofInstrumentationScienceandOptoelectronicsEngineering,BeihangUniversity,Beijing100191,China)
Abstract:Inordertodetectthemovinginfrareddimtargetsinrealtimeunderstarryskybackground,amethodwas
proposedbasedonthespatiotemporaldirectionalfilterandtheleastsquare(LS)prediction.Firstly,thetheoretical
derivationinfrequencydomainofboththetraditionaldirectionalfilterandthebidirectionalfilterwasintroduced,and
theadvantagesofbidirectionalfilterwereillustratedthroughcontrast.Then,onthebasisofthebidirectionalfilter,a
newdirectionalfilteralgorithmisproposed,andtheadvantagesoftimeconsumptionwereanalyzed.Secondly,afteran
alyzingtheperformanceofthenewdirectionalfilteralgorithm,theimagesegmentationmethodbasedonthresholdrate
wasillustrated.Finally,thetheoryofLSpredictionwasintroduced,andthecorrespondingtrackingalgorithmwasgi
文档评论(0)