红外小目标检测 ppt.pptVIP

A Re v i e w o n I n f r a r e d S m a l l M o v i n g Ta r g e t De t e c t i o n;WWW.COMPANYSITE.COM | INFO@COMPANYSITE.COM | +12 34 567 890 | LONG STREET 12345, CITY, COUNTRY;红外线热成像仪看到的战场;WWW.COMPANYSITE.COM | INFO@COMPANYSITE.COM | +12 34 567 890 | LONG STREET 12345, CITY, COUNTRY;WWW.COMPANYSITE.COM | INFO@COMPANYSITE.COM | +12 34 567 890 | LONG STREET 12345, CITY, COUNTRY;WWW.COMPANYSITE.COM | INFO@COMPANYSITE.COM | +12 34 567 890 | LONG STREET 12345, CITY, COUNTRY;阈值分割方法;WWW.COMPANYSITE.COM | INFO@COMPANYSITE.COM | +12 34 567 890 | LONG STREET 12345, CITY, COUNTRY; 军事小目标在成像的时候在帧间具有连续性和相关性，而噪声因其随机性则不具备上述特点。因此，可通过对连续帧间候选目标(区域)的特征分析，提取出真正的目标。 特征提取 表示特征的量很多，在此讨论以下几个 (1).区域面积 对于区域R来说，设像素为边长是单位长的正方形，其面积A的计算为 ，可见计算区域面积就是对属于区域的像素计数。 (2).区域位置 用区域重心表示区域的位置，区域重心是一种全局描述符，其坐标根据所欲属于区域的点计算。计算如下 区域重心坐标常不为整数 ;(3).区域圆形性 圆形性C是是对一个区域R所有边界点定义的特征量： ，其中 为区域重心到边界点的平均距离， 为区域重心到边界点的距离的均方差，且 当R趋向于原型是，特征量C是单增趋向无穷的，它不受区域评议、旋转和尺度变化的影响。 ; 分层特征统计表决的小目标提取 即在下一帧图像中寻找与上一帧特征相似的区域，在某一固定位置或邻域附近，相似区域越多，特征量越相似，是目标的可能性越大。 具体步骤 步骤一 第一层以每m帧统计表决一次，如果在m次检测中某固定位置或者邻域中性质相似的区域连续出现n次，则该区域就纳入预选目标，并将其位置、面积、圆形性特征的均值记录为检测结果；否则该次实验失败。有时候，特征相似的区域出现不知一个，则通过特征相似性之差来判断最相似的区域的取舍。如果某区域在前几帧没有出现，则第一次出现后将其纳入???测范围 步骤二 在第一层监测结果的基础上实施第二层，以每m个监测结果的均值作为小目标的位置输出，起邻域位置即为小目标。 步骤三 将第二层检测结果的均值作为小目标的位置输出，起邻域位置即为小目标。 以上算法中，m一般取值为4、5、6；n相应的取值为2、3、4。;数学形态方法;数学形态学的基本思想是通过物体和结构元素相互作用的某些运算，得到物体更本质的形态，以达到对图像分析和识别的目的。数学形态学分为二值形态学和灰度形态学两种。基本的运算包括腐蚀、膨胀、开运算和闭运算。;基于数学形态学滤波的背景抑制 Top-hat变换: 通过选取合适的结构元素对红外图象进行开运算就可以去除小目标,使图像中只剩下背景,再用原始图减去背景,提取出小目标 背景估计= (6.12) 背景抑制=f(x,y)- (6.13) ;SEE YOU SOON!