导读:本文包含了红外复杂背景论文开题报告文献综述及选题提纲参考文献，主要关键词:对比度增强,海天线检测,形态学滤波,动态规划
红外复杂背景论文文献综述
孙熊伟[1]（2019）在《复杂背景下海面红外小目标快速检测技术研究》一文中研究指出复杂背景下海面红外弱小目标快速检测技术是海面制导应用的基础,研究和分析复杂背景条件下弱小目标检测理论可以有效地提高目标检测的距离和精度。由于观测距离远,实际观测的弱小红外目标分辨率低,无有效纹理信息,无明显几何信息,无表面灰度响应变化,这些导致实际的检测课题面临巨大挑战。针对复杂背景下海面红外弱小目标快速检测关键问题,论文的主要工作及创新如下:针对红外图像信噪比低,被观测目标在图像中对比度弱的特点,本文提出了基于高斯拟合构建出具有目标导向特性的对比度自适应增强策略。首先通过统计目标图中的主要信息区域,构建目标权重矩阵,利用权重矩阵实现了目标导向的高斯拟合对比度增量重分配策略,最终实现了基于高斯拟合的灰度重映射增强函数。为了进一步适应复杂环境下同时对多目标增强的需求,本文进一步改进了单高斯拟合策略,构建了以分段高斯拟合为基础的对比度增量重分配函数,通过多个高斯峰的加权融合实现了多目标导向增强问题。算法思路简单,复杂度低,具有完善的理论基础,便于工程应用。研究基于暗通道理论的图像去雾理论,分析了该理论在海面红外图像去雾中的去雾强度有限的原因。分析了可见光图像和海面红外观测图像的模式分布差异。针对暗通道理论对红外远距离小目标去雾增强效果有限的问题,设计了定向增益改进透射率矩阵的区域增强算法。基于该增益算法,构建了参数优化模型,并设计实验验证了本文的海面红外目标去雾算法的去雾效果。研究基于相位编码的海天线定位算法,分析了基于海天线的直线响应强度提取海天线策略的优缺点,并提出基于相位编码和累计方向响应进行海天线检测的新策略。为配合相位编码,本文构建了适用于海面检测的窄带相位编码滤波器。通过构建竞争编码策略,在相位编码基础上构建相位组分连通体。利用相位组分联通体的融合策略完成线响应统计,最终检测出直线响应强度满足条件的海天线。通过设计实验,完成了不同环境条件下的检测测试,证明了算法的高鲁棒性。研究基于灰度形态学滤波理论的目标信噪比增强算法。分析了基于二阶导函数的信号峰值检测原理,构建了具有完善理论基础的各向异性滤波器:提出基于各向异性高斯差分函数构建适用于各向异性峰值信号检测的滤波策略。分析并验证了各向异性高斯差分滤波器对目标在尺度和方向上的选择性。进一步,通过设计多方向和多尺度滤波器组完成对特定尺度和几何形状目标的定向滤波。通过实验,证明了滤波器的强抑噪能力。研究基于空域和时域融合以提高弱小目标信噪比的策略。分析了动态规划策略在时域上弱小目标检测中的应用原理。设计并实现了时域上基于目标相关性的的能量累积增强方法:首先利用各向异性高斯差分滤波提取目标的方向概率分布,通过融合空域目标在帧间运动的局部性和目标自身的方向特征完成了帧间目标相似性评价函数。通过结合目标的空间位置信息和有限的表面灰度特征,算法很好地克服了目标运动的随机性造成的匹配约束问题。通过实验,证明了本文提出的时域内弱小目标能量累积策略的有效性。(本文来源于《中国科学技术大学》期刊2019-04-28）
刘忠林[2]（2019）在《复杂背景下的红外弱小目标检测方法研究》一文中研究指出红外弱小目标检测是精确制导领域中的关键技术之一,在飞机的红外搜索与跟踪(Infrared Search and Track,IRST)系统、红外成像与制导系统以及一些军事设施的预警系统中有着举足轻重的地位。为了高效、可靠、稳定地检测红外弱小目标,需要对复杂背景下的红外弱小目标检测方法进行全面、深入的研究。本文的主要工作如下:首先,提出了一种基于多尺度红外超像素图像模型的弱小目标检测方法。采用超像素方法分割原始红外图像,得到无重迭区域的超像素图像,不仅充分利用了红外图像的局部空间相关性,还避免了由冗余信息所带来的计算负担;引入多尺度理论,进而融合多个不同尺度下检测的目标图像,可以增强算法检测不同尺寸目标的稳健性。实验结果表明,与Top-Hat方法、Max-Mean方法、Max-Median方法、二维最小均方(Two-Dimensional Least Mean Square,TDLMS)方法、局部显着性图(Local Saliency Map,LSM)方法、红外块图像(Infrared Patch-Image,IPI)方法相比,该方法具有更好的背景抑制效果及更强的对目标尺寸的适应性。然后,提出了一种基于分数阶函数的重加权低秩与稀疏逼近的红外弱小目标检测方法。采用基于分数阶函数的重加权核范数与_1l范数可以更好地逼近矩阵的秩与_0l范数,从而能够更有效地保留强边缘等背景杂波,以及抑制目标图像中的非目标稀疏成分;同时,新的基于分数阶函数的重加权机制可以减少算法的迭代次数,加快收敛速度,从而缩短检测时间。大量实验结果表明,与Top-Hat方法、TDLMS方法、加权局部差分度量(Weighted Local Difference Measure,WLDM)方法、IPI方法、基于奇异值部分和最小化的非负红外块图像模型(Non-negative Infrared Patch-Image Model based on Partial Sum Minimization of Singular Values,NIPPS)方法、重加权红外块图像(Reweighted Infrared Patch-Image,ReWIPI)方法相比,该方法的背景抑制效果更佳,目标检测的准确率更高,且在运行速度方面具有一定的优势。最后,提出了一种基于内容感知的红外块组模型的弱小目标检测方法。采用基于相似块组合的红外块组模型可以更好地满足背景块图像的低秩假设,从而获取更多背景图像中的细节特征;将引入了内容感知的奇异值部分和最小化与基于数据驱动的区域冗余先验相结合,可以解决具有较大梯度的图像块的欠采样问题,将强边缘等杂波更好地保留在背景图像中,实现了自适应的红外弱小目标检测。大量实验结果表明,与Top-Hat方法、相位谱傅立叶变换(Phase Spectrum of Fourier Transform,PFT)方法、多尺度块对比度度量(Multiscale Patch-based Constrast Measure,MPCM)方法、IPI方法、加权IPI(Weighted Infrared Patch-Image,WIPI)方法、NIPPS方法相比,该方法在背景抑制与目标检测两方面取得了更好的平衡。(本文来源于《南京航空航天大学》期刊2019-03-01）
宁强,秦鹏杰,石欣,李文昌,廖亮[3]（2019）在《复杂地面背景下的红外目标检测算法》一文中研究指出提出一种静态场景下的基于帧差光流的随机采样均值漂移聚类检测算法.该方法首先通过隔帧差分法提取运动目标区域,并对运动区域进行光流计算,采用自适应光流阈值分割法准确提取出运动目标;然后运用连通区域标记算法对运动区域进行初步划分,得到若干个连通域子集特征向量样本点,通过提出的随机采样策略来确定对子集空间中样本点的抽样次数;最后利用均值漂移算法对每个子集中的样本点进行若干次抽样计算并分析聚类收敛结果是否相同,从而完成对连通域标记结果的检验.该策略通过减少对标记结果所有样本点的采样次数,提高了目标的检测速度和精度,在不同红外测试场景中的实验结果表明:与传统红外多目标检测算法相比,该方法具有良好的局部抗遮挡性、准确性和实时性,并且检测率能达到95.27%,每帧处理时间达到39.12ms,满足实时处理需求.(本文来源于《光子学报》期刊2019年04期）
宋敏敏,王爽,吕弢,袁瑜键[4]（2018）在《一种天地复杂背景下的红外弱小目标检测方法》一文中研究指出针对天地复杂背景下红外弱小目标的检测,提出了一种融合top-hat变换、边缘检测的新方法。首先将改进的top-hat变换应用于红外弱小目标图像,将图像中与目标特性相似的像素进行增强,并去除云层背景对目标的干扰,得到若干疑似目标的增强结果,并结合阈值分割方法对增强结果进行筛选,剔除大部分不符合弱小红外目标特性的背景干扰点。然后采用基于Canny算子的边缘提取方法对原始图像中的天地线进行检测,并以天地分割线作为先验知识,去除形态学滤波后所增强的地物背景中的疑似目标,得到最终的真实目标的检测结果。通过实验得出,本文所提出的方法对于天地背景下的弱小红外目标具有良好的检测效果。(本文来源于《红外技术》期刊2018年10期）
刘德鹏[5]（2018）在《复杂天空背景下红外小弱目标检测与跟踪关键技术研究》一文中研究指出远距离红外目标检测与跟踪技术是防空预警系统和战斗机火控制导系统的关键技术,在现代化武器装备发展和国防建设中具有重要作用。然而,远距离目标具有信号空间尺寸小、强度弱等特点,目标特征不明显。同时,复杂天空背景下杂波形态多变、强度较大,严重干扰小弱目标提取能力。因而,如何在复杂天空背景条件下既保持小弱目标检测的高准确率、低虚警率,又确保小弱目标跟踪的高跟踪精度、低跟踪失败率是一个极具挑战性的难题。复杂背景下小弱目标检测跟踪困难的主要原因在于现有算法对信号空间结构和时序结构表征能力不足。本文从提高信号空时结构表征性能的角度考虑,研究了红外小弱目标检测跟踪过程中的背景杂波抑制、小弱目标检测以及小弱目标跟踪等问题:(1)针对起伏杂波表征精度低造成的干扰问题,提出基于分形随机场字典稀疏表征的背景杂波抑制方法。分析云层作为一种自然现象,具有无限细节特性和结构自相似特性,分形随机场与云层杂波具有天然相似性;将分形理论引入到背景杂波过完备字典构造过程,提高了字典的杂波空间结构表征能力;通过分形杂波字典稀疏表征实现了背景杂波的准确重构和抑制。(2)针对远距离红外成像信号表征普适性差、区分性差导致的目标检测不确定性问题,提出基于高维矢量场信号结构表征的目标检测方法。采用升维方式增强目标信号、杂波信号与噪声信号之间的特征差异;发掘了更具普适性和区分性的高维信号结构特征;采用通量密度表征高维矢量场中目标负源结构;采用基于结构张量的方向散度表征和区分高维矢量场中杂波边缘一致性结构;通过高维信号结构表征提高了目标检测的准确性和稳定性。(3)为了增强目标结构表征语意精度,提出基于广义高斯字典稀疏分解的目标结构提取方法。引入广义高斯函数拟合目标信号分布;设计二维广义高斯目标模型并构造广义高斯目标过完备字典;根据广义高斯字典稀疏表征系数提取结构参数以表征目标的空间结构。结构参数直接对应目标信号分布的尺度、形状、倾斜程度和角度,不仅具有精确的目标空间结构表征能力,而且显化了目标时序结构演化规律。(4)针对形态非平稳目标表征失配导致的目标跟踪性能下降问题,提出基于目标空时结构贝叶斯估计的跟踪方法。结合目标空间结构信息和时序结构信息,建立目标空时结构表征近期分布模型和远期分布模型;根据贝叶斯理论,挖掘目标空时结构演化规律,预测表征目标的空时结构,提升了对非平稳目标的适应能力和跟踪稳定性。(5)为分析不同信号表征方式及其对应算法在各种场景下的表现规律和性能差异,开发了红外小弱目标检测跟踪软件。该软件不仅涵括本文新型表征方法和相关小弱目标检测跟踪算法,而且集成多种典型信号表征方法及其对应算法,以可视化和量化方式分析表征效果与算法性能。本文从提高信号表征有效性角度切入复杂天空背景下红外小弱目标检测跟踪问题,通过探索杂波结构表征、信号高维结构表征、目标空时结构表征新方式,研究发展了复杂天空背景下红外小弱目标检测与跟踪新理论、新算法,并以图形化软件形式实现。实验表明,本文所研究的表征理论有效提高了信号空时结构表征性能,提高了相关算法的红外小弱目标检测跟踪性能,为红外预警与火控制导新技术的发展提供了理论支撑和验证。(本文来源于《重庆大学》期刊2018-10-01）
李梦莹[6]（2018）在《复杂背景下的红外小目标检测算法研究》一文中研究指出红外技术在军事和民用领域都占据着非常重要的地位,各国政府及大型科研机构都致力于该项热门研究课题的研究。现在战争要求武器系统能够具有克服距离障碍远程检测目标的能力,而且距离越远,其优势就越明显。目前,针对不同背景下的红外目标图像,各国学者相继提出了不同的目标检测算法。这些算法主要基于高通滤波或低通滤波以及形态学滤波等技术。上述算法一般只有针对特定的背景才会有较高的检测率,而普遍适用于各种背景下的红外目标检测算法一直是一个研究难点。伴随着模式识别技术的发展,红外小目标检测问题正在逐渐发展为一个新的研究热点。本文致力于普遍适用于各种复杂背景下的红外小目标检测算法研究,提出了基于傅立叶相位谱(PFT)的红外小目标检测算法,在此基础上又提出了支持向量描述(SVDD)的红外小目标检测算法。在基于PFT的红外小目标检测算法中,为了克服单通道的红外图像信息匮乏、目标特性弱等缺点,本文综合利用多通道图像的信息。将多通道的图像通过图像融合的方式合成最终的显着图像。为了克服基于PFT的红外小目标检测算法对目标区域易造成漏检的不足,在PFT算法的基础上,本文进一步把目标检测问题视为一类分类问题。包含目标的红外图像可以看作目标数据和非目标数据的数据集,目标检测的任务是从数据集中判断出哪些数据为目标数据。本文利用SVDD理论进行训练,获得包含尽可能多的目标样本的超球体。然后通过判断待测试图像对应于超球体的位置,来完成目标的检测。此外如何缩小目标检测的搜索区域也是本文的研究重点。依据PFT算法获取的显着图只包括可能存在目标的可疑区域。在该区域内,利用SVDD分类器进行红外目标检测,会大大缩小了目标检测的搜索区域,节约计算时间。为了更好地还原真实目标的尺寸,本文把可疑区域的外接矩形映射回原图,并把测试样本的尺寸规定为可疑区域外接矩形的2倍。然后通过同比例的窗口缩放,使最终的测试样本与训练样本尺寸相同。最后通过判断测试图像是否在超球体的内部,来实现可疑区域内的目标检测。总的来说,本文有以下几点创新之处:1.PFT算法实际上是把小目标检测问题转化为显着性区域检测问题,显着性区域检测算法的性能对识别率的影响非常大。为了使目标和背景具有更大的可区分性,利用了多通道的图像信息。选取合适的图像融合方法也是决定显着性检测算法优劣的关键。本文依据红外目标呈现各向同性的高斯状这一特性,采用的的融合方法只保存红外图像中多个通道上像素值都不为零的目标区域,抑制只在个别通道灰度值不为零的背景干扰区域。通过上述的融合算法,能够大大提高该算法的检测性能。2.本文创新性地把目标检测问题视为一类分类问题,提出了基于SVDD的红外小目标检测算法来完成目标的检测。利用SVDD算法对仿真的目标样本进行训练,获得包含尽可能多的目标样本的超球体,然后通过判断待检测样本是否在超球体的内部,最终实现目标的检测。此方法效果优异,检测精度高。3.为了减少计算量和提高目标的检测精度,本文首先采用PFT算法获取红外图像的显着性区域,然后在显着性区域内提取可疑区域的轮廓和外接矩形,并把这些外接矩形到原图上,实现测试窗口的自适应选取。最后采用SVDD算法对子图像进行判别,实现目标的最终检测。该方法相对SVDD算法来说减少了计算,相对于PFT算法来说提高了精度。因此,在显着性区域内采用SVDD算法检测目标具有更好地检测性能。(本文来源于《吉林大学》期刊2018-06-01）
王海梅,洪敏[7]（2018）在《基于粒子滤波的复杂背景下的红外运动目标跟踪》一文中研究指出粒子滤波是一种处理非线性和非高斯动态系统状态估计的有效技术,针对目标被严重遮挡或有相似干扰等复杂背景情况下红外运动目标跟踪问题,提出了一种基于目标灰度与运动特征的粒子滤波算法。该算法将带有空间信息的灰度模型与带有灰度信息的运动模型进行融合,得到一个联合观测模型,并将其用于粒子滤波跟踪框架。与经典粒子滤波算法相比,文中算法效率略有降低,但跟踪的准确性和鲁棒性却大大增强。(本文来源于《火力与指挥控制》期刊2018年05期）
赵东,周慧鑫,于君娜,王士成,秦翰林[8]（2018）在《复杂天空背景下的红外弱小目标跟踪》一文中研究指出为解决传统跟踪算法不能有效区分复杂天空云层背景边缘和红外弱小目标,从而在跟踪过程中产生"偏移"的问题。在时空上下文原理基础上分析跟踪"偏移"的原因,引入高斯曲率滤波,提出一种改进的时空上下文红外弱小目标跟踪算法。该算法首先采用高斯曲率滤波对上下文区域进行预处理,在保留上下文区域背景边缘的同时剔除高频的红外弱小目标和噪声,从而获得准确的红外弱小目标置信图,利用红外弱小目标置信图估计出红外弱小目标位置。采用四组复杂天空背景下的红外弱小目标图像序列进行实验,并与经典的模板匹配算法、基于粒子滤波的均值漂移算法和快速压缩跟踪算法叁种跟踪算法作比较。实验结果表明,算法在主观视觉和客观评价指标方面均优于其他叁种算法,具有更高的目标跟踪精度与较好的实时性,可以实现对复杂天空背景下红外弱小目标的有效跟踪。(本文来源于《强激光与粒子束》期刊2018年06期）
刘华凯[9]（2018）在《复杂云层背景下的空中红外小目标检测算法研究》一文中研究指出随着红外成像技术与计算机视觉算法的高速发展以及作战环境的日益复杂,红外制导技术正在逐渐取代雷达、激光等主动探测的制导技术。作为红外制导技术中的重要一环,红外小目标检测技术一直以来都是国内外学者研究的热点课题。而由于红外小目标成像距离远,目标在图像中一般呈现较小的斑点,缺乏形状、纹理等特征,且红外图像中易出现云层、海浪等复杂场景,提升了检测难度,因此,对红外小目标的检测方法的研究仍是一项充满挑战性的工作。本文研究的课题是复杂云层背景下的空中红外小目标检测方法,旨在设计一种在复杂场景下具有良好的检测性能的目标检测算法,且为满足实际应用对算法实时性的要求,算法应能适应于FPGA(Field-Programmable Gate Array)处理器实现硬件加速。在对传统算法深入研究的基础上,本文以基于人类视觉系统的方法作为研究方向,其具有检测效果较好且计算结构简单的优点。本文主要工作如下:针对基于局部对比度测量的LCM(Local Contrast Measure)算法在复杂云层背景下对背景抑制及目标增强能力不足的问题,本文通过深入分析红外图像中局部区域的对比度特性,提出一种基于方向梯度增强的改进LCM算法。对比实验证明,算法对背景抑制及目标增强的能力得到显着提高,算法在复杂云层场景下的检测性能良好。针对LCM算法及其改进算法在多尺度下逐像素计算导致实时性较低的问题,提出一种基于局部对比度测量及尺度空间理论的快速小目标检测算法。在提出的算法中引入小目标的点源扩散模型,通过人类视觉系统中的对比机制和自适应尺度选择理论快速提取候选目标,避免了算法对无效像素的重复计算。对比实验证明,所提方法同时具有较好的检测性能及实时性能,具有较高的实用意义。针对实际应用中对算法虚警的容忍度低以及已有算法在复杂云层背景下始终会产生虚警之间的矛盾,本文通过对目标及卷积神经网络的特性进行深入研究,设计了一种红外小目标分类网络,用于抑制已有算法检测结果中的虚警,并将快速小目标检测算法的检测结果作为训练集,提高了分类网络的针对性。实验结果表明,所设计的网络分类准确率高,并且具有参数量小,计算量小的优点。此外,将本文提出的快速检测算法与分类网络相结合,提出了一种基于CNN(Convolutional Neural Network)的红外小目标检测算法。实验结果证明,加入网络后的检测算法在复杂云层背景下的检测率高、虚警率低,并且算法的计算结构简单,具有极高的实用意义。(本文来源于《北京工业大学》期刊2018-05-01）
刘文武[10]（2017）在《复杂城市背景下红外弱小目标检测与跟踪算法研究》一文中研究指出红外弱小目标检测与跟踪技术是近年来信息处理技术的研究热点之一,在远程预警、红外制导、安防监控等领域都有广泛的应用。与海空背景相比,城市背景复杂度大大提高,研究更具有挑战性和实用性。本文针对复杂城市背景下机载抖动设备拍摄的红外序列图像,主要对红外弱小目标的检测和跟踪算法展开研究。本文主要分为四个部分进行介绍:红外图像特性分析、预处理算法、检测算法和跟踪算法。第一部分首先分析了红外图像的特性,包括热红外成像原理和串扰的分析,然后给出了红外弱小目标的数学模型,讨论了城市背景的复杂性。第二部分主要研究城市背景下红外弱小目标图像的增强算法,提出了一种基于电串扰抑制的预处理算法。首先针对电串扰的特性本文建立了电串扰退化函数模型,利用经典的LR(Lucy-Richard)反卷积算法对退化模型求解,给出了预处理算法的流程。最后通过实验说明了本文的预处理算法能够有效增强弱小目标,提升图像的清晰度。第叁部分主要研究抖动红外图像序列的弱小目标检测算法,提出了改进的基于ORB(Oriented FAST and Rotated BRIEF)特征配准差分的弱小目标检测算法。首先介绍了原算法的基本原理和主要流程,然后主要从图像配准和目标分割两方面提出了改进,结合金字塔LK光流算法对图像配准进行改进,使用P-Tile方法对目标分割进行改进。最后在序列图像上进行实验,表明改进算法能够提高配准精度,在复杂城市背景下有较低的虚警率。第四部分主要研究城市背景下的弱小目标跟踪算法,提出了改进的基于KCF(Kernerlized Correlation Filter)算法的弱小目标跟踪算法。首先介绍了KCF跟踪算法的原理,指出了该算法在复杂城市背景下弱小目标跟踪的不足。然后根据分析建立了红外弱小目标运动的匀速直线模型,然后对KCF算法融合卡尔曼滤波进行了改进,主要解决复杂城市背景中目标遮挡、干扰等问题,实验结果表明改进算法能够有效解决这些问题。(本文来源于《电子科技大学》期刊2017-03-01）
红外复杂背景论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
红外弱小目标检测是精确制导领域中的关键技术之一,在飞机的红外搜索与跟踪(Infrared Search and Track,IRST)系统、红外成像与制导系统以及一些军事设施的预警系统中有着举足轻重的地位。为了高效、可靠、稳定地检测红外弱小目标,需要对复杂背景下的红外弱小目标检测方法进行全面、深入的研究。本文的主要工作如下:首先,提出了一种基于多尺度红外超像素图像模型的弱小目标检测方法。采用超像素方法分割原始红外图像,得到无重迭区域的超像素图像,不仅充分利用了红外图像的局部空间相关性,还避免了由冗余信息所带来的计算负担;引入多尺度理论,进而融合多个不同尺度下检测的目标图像,可以增强算法检测不同尺寸目标的稳健性。实验结果表明,与Top-Hat方法、Max-Mean方法、Max-Median方法、二维最小均方(Two-Dimensional Least Mean Square,TDLMS)方法、局部显着性图(Local Saliency Map,LSM)方法、红外块图像(Infrared Patch-Image,IPI)方法相比,该方法具有更好的背景抑制效果及更强的对目标尺寸的适应性。然后,提出了一种基于分数阶函数的重加权低秩与稀疏逼近的红外弱小目标检测方法。采用基于分数阶函数的重加权核范数与_1l范数可以更好地逼近矩阵的秩与_0l范数,从而能够更有效地保留强边缘等背景杂波,以及抑制目标图像中的非目标稀疏成分;同时,新的基于分数阶函数的重加权机制可以减少算法的迭代次数,加快收敛速度,从而缩短检测时间。大量实验结果表明,与Top-Hat方法、TDLMS方法、加权局部差分度量(Weighted Local Difference Measure,WLDM)方法、IPI方法、基于奇异值部分和最小化的非负红外块图像模型(Non-negative Infrared Patch-Image Model based on Partial Sum Minimization of Singular Values,NIPPS)方法、重加权红外块图像(Reweighted Infrared Patch-Image,ReWIPI)方法相比,该方法的背景抑制效果更佳,目标检测的准确率更高,且在运行速度方面具有一定的优势。最后,提出了一种基于内容感知的红外块组模型的弱小目标检测方法。采用基于相似块组合的红外块组模型可以更好地满足背景块图像的低秩假设,从而获取更多背景图像中的细节特征;将引入了内容感知的奇异值部分和最小化与基于数据驱动的区域冗余先验相结合,可以解决具有较大梯度的图像块的欠采样问题,将强边缘等杂波更好地保留在背景图像中,实现了自适应的红外弱小目标检测。大量实验结果表明,与Top-Hat方法、相位谱傅立叶变换(Phase Spectrum of Fourier Transform,PFT)方法、多尺度块对比度度量(Multiscale Patch-based Constrast Measure,MPCM)方法、IPI方法、加权IPI(Weighted Infrared Patch-Image,WIPI)方法、NIPPS方法相比,该方法在背景抑制与目标检测两方面取得了更好的平衡。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
红外复杂背景论文参考文献
[1].孙熊伟.复杂背景下海面红外小目标快速检测技术研究[D].中国科学技术大学.2019
[2].刘忠林.复杂背景下的红外弱小目标检测方法研究[D].南京航空航天大学.2019
[3].宁强,秦鹏杰,石欣,李文昌,廖亮.复杂地面背景下的红外目标检测算法[J].光子学报.2019
[4].宋敏敏,王爽,吕弢,袁瑜键.一种天地复杂背景下的红外弱小目标检测方法[J].红外技术.2018
[5].刘德鹏.复杂天空背景下红外小弱目标检测与跟踪关键技术研究[D].重庆大学.2018
[6].李梦莹.复杂背景下的红外小目标检测算法研究[D].吉林大学.2018
[7].王海梅,洪敏.基于粒子滤波的复杂背景下的红外运动目标跟踪[J].火力与指挥控制.2018
[8].赵东,周慧鑫,于君娜,王士成,秦翰林.复杂天空背景下的红外弱小目标跟踪[J].强激光与粒子束.2018
[9].刘华凯.复杂云层背景下的空中红外小目标检测算法研究[D].北京工业大学.2018
[10].刘文武.复杂城市背景下红外弱小目标检测与跟踪算法研究[D].电子科技大学.2017