一种多尺度分形特征目标检测方法

自然背景干扰下的自动目标检测是目标检测的一个基本问题.根据尺度变化时自然 场景中人造目标的分形特征变化剧烈这一特点,提出了一种分形参数极值特征的自动目标检 测方法.大量的实验结果表明,分形参数极值特征的自动目标检测方法能较好地完成自然背景 干扰中人造小目标的自动检测.     

基于神经网络法的焦平面器件非均匀性校正技术研究

首先分析了传统的非均匀性校正方法的缺点,指出自适应校正红外焦平面器件非均匀性的必要性。根据焦平面器件非均匀性噪声特性和算法研究的需要,介绍了非均匀性失真图像的产生方法。在上述工作的基础上,研究了基于神经的自适应非均匀性校正算法,探讨了最近４领域像素平均、最近４邻域像素灰度加权和８邻域像素灰度加权等三种情况。实验结果表明,８邻域灰度加权算法校正效果较好。     

一种用于目标定位与跟踪的椭圆拟合方法

给出了一种适用于数字闭合曲线的椭圆拟合方法。该方法利用闭合曲线的傅立叶级数表示的直流分量和一次分量实现对闭合曲线的椭圆拟合，可以避免通常椭圆拟合方法中的矩阵求逆问题。在对目标轮廓无先验知识的情况下，一次便可得到其拟会椭圆方程的所有参数，从而确定其方位。