导读:本文包含了时域廓线论文开题报告文献综述及选题提纲参考文献，主要关键词:弱小目标,检测,对比滤波,时域廓线
时域廓线论文文献综述
董维科,张建奇,邵晓鹏,刘德连[1]（2014）在《检测红外弱小目标的对比滤波时域廓线算法》一文中研究指出针对弱小目标与云边缘杂波的运动速度相当时,传统时域廓线算法的检测性能将会出现明显下降.文中提出一种对比滤波的时域廓线算法.针对传统方法出现虚警的情况,该方法在分析弱小目标、云边缘杂波以及平稳背景3类像素点时域特性的基础之上,首先利用时域廓线特性抑制平稳背景;然后依据云边缘杂波像素在空域连续,而弱小目标像素在空域孤立的特性,构造空域对比滤波器,并使用对比滤波器对去除平稳背景的图像数据进行滤波;最后再进行时域廓线的驻点连线滤波,以实现对弱小目标的检测.仿真结果表明,该算法能明显消除与弱小目标运动速度相当的云边缘杂波虚警,提高了弱小目标的检测概率.(本文来源于《西安电子科技大学学报》期刊2014年01期）
范华[2]（2012）在《基于时域廓线向量积的红外弱小目标检测算法研究》一文中研究指出研究红外弱小目标检测的理论和算法对现代及未来战争都具有深远的意义，有利于精确制导武器的长足发展。本文对红外弱小目标图像中像素的时域特征进行了研究，分别分析了目标像素、背景像素以及杂波像素在时域中的特性，并为它们建立了相应的时域模型。在此基础上，根据各类像素时域特征的差异性，本文提出了一种基于像素时域廓线向量积的红外弱小目标检测算法。本文算法分为叁部分。首先，根据目标、背景以及杂波像素时域方差特性的不同，采用基于时域方差的滤波法对原始图像进行预处理，将平稳背景从图像中滤除；其次，对经过预处理后残留的像素，使用下驻点连线法求出像素时域廓线的基准线，从而得到像素的残差时域廓线，去掉了杂波在时域变化中的较大起伏，而目标的冲击信号得以保留；最后，计算出残留时域廓线上的各向量积，将目标检测的问题转化成了向量积大小检测的问题，从而得到了目标的运动轨迹，消除了图像中的杂波像素。仿真结果表明，本文提出的算法对不同云背景杂波具有广泛适应性和良好的检测性能，具有一定的应用价值。(本文来源于《西安电子科技大学》期刊2012-01-01）
徐华,邵晓鹏,刘德连[3]（2008）在《基于时域廓线的云杂波背景下红外弱小目标检测》一文中研究指出根据目标和背景时域特性,建立了目标、云杂波边缘、干净天空背景以及云内部四种像素点的时域模型。并以这四种时域模型为基础,提出了一种云杂波背景下基于时域廓线的弱小目标的检测方法。检测前利用最大中值滤波器进行空域处理,去除了大部分云边缘虚警点。理论分析和实验结果表明,该算法能有效检测出云杂波背景下的小目标。(本文来源于《科学技术与工程》期刊2008年03期）
徐华[4]（2008）在《基于时域廓线的红外弱小目标检测算法研究》一文中研究指出序列图像中的运动点目标检测一直是目标检测与识别中的重点和难点。为了解决红外序列图像中弱小目标的检测问题,本文首先根据不同背景类型时域廓线产生的机理,引入图像序列中背景像素、目标像素以及杂波像素的时域统一模型。以此为基础给出了一种基于时域廓线分析的红外弱小目标检测方法。本文算法分为背景抑制和目标脉冲检测两步。背景抑制是整个算法的关键和基础,通过研究像素的时域特性,在原有时域中值滤波的基础上,结合时域形态学滤波对序列图像进行了有效的背景抑制。仿真结果表明噪声及大部分平稳背景几乎完全被检测门限所抑制,只有极少数背景像素、小部分杂波像素和全部目标像素可以通过。有利于下一步的脉冲目标的检测,相对时域中值滤波和空域形态学滤波效果更明显;经过背景抑制后的序列图像,根据目标和背景时域模型,采用时域廓线的包络线作为冲击信号检测的基线,讨论并分析时域廓线偏离包络线的分布特性,通过选择合适的目标检测量度,进而检测出脉冲目标。结果表明该方法能够进一步抑制噪声和杂波,提高了检测性能。理论分析和实验结果表明本文给出的像素时域廓线的弱小目标检测方法,具有对不同背景杂波的广泛适应性,在低信噪比情况下的目标的检测也很有效,抗干扰能力强,有很好的探测性能。(本文来源于《西安电子科技大学》期刊2008-01-01）
时域廓线论文开题报告
（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：
研究红外弱小目标检测的理论和算法对现代及未来战争都具有深远的意义，有利于精确制导武器的长足发展。本文对红外弱小目标图像中像素的时域特征进行了研究，分别分析了目标像素、背景像素以及杂波像素在时域中的特性，并为它们建立了相应的时域模型。在此基础上，根据各类像素时域特征的差异性，本文提出了一种基于像素时域廓线向量积的红外弱小目标检测算法。本文算法分为叁部分。首先，根据目标、背景以及杂波像素时域方差特性的不同，采用基于时域方差的滤波法对原始图像进行预处理，将平稳背景从图像中滤除；其次，对经过预处理后残留的像素，使用下驻点连线法求出像素时域廓线的基准线，从而得到像素的残差时域廓线，去掉了杂波在时域变化中的较大起伏，而目标的冲击信号得以保留；最后，计算出残留时域廓线上的各向量积，将目标检测的问题转化成了向量积大小检测的问题，从而得到了目标的运动轨迹，消除了图像中的杂波像素。仿真结果表明，本文提出的算法对不同云背景杂波具有广泛适应性和良好的检测性能，具有一定的应用价值。
（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。
时域廓线论文参考文献
[1].董维科,张建奇,邵晓鹏,刘德连.检测红外弱小目标的对比滤波时域廓线算法[J].西安电子科技大学学报.2014
[2].范华.基于时域廓线向量积的红外弱小目标检测算法研究[D].西安电子科技大学.2012
[3].徐华,邵晓鹏,刘德连.基于时域廓线的云杂波背景下红外弱小目标检测[J].科学技术与工程.2008
[4].徐华.基于时域廓线的红外弱小目标检测算法研究[D].西安电子科技大学.2008