排序方式: 共有178条查询结果,搜索用时 15 毫秒
111.
基于自适应Wiener滤波的红外小目标检测方法 总被引:5,自引:2,他引:3
在分析红外场景模型的基础上提出了用自适应Wiener滤波器估计起伏背景、自适应门限分割、基于邻域管道目标检测的小目标检测方法.采用连续采集的红外图像序列进行了实验,仿真了不同信噪比(SNR)条件下的目标并给出了目标检测结果及其分析.结果表明,算法能够从信噪比大于2.0的图像序列中检测出目标轨迹. 相似文献
112.
红外起伏背景下运动点目标的检测方法 总被引:19,自引:2,他引:17
文中根据目标、背景干扰和噪声在红外序列图像中的差异,提出了一种基于空间高通滤波和时间域上最大递归滤波的运动点目标检测方法。该方法可以在低信噪比的情况下消除红外起伏和随机噪声的影响,有效地检测出点目标。实验结果表明,采用这种时空混合处理的方法可以得到满意的结果。 相似文献
113.
针对SUSAN(Smallest univalue segment assimilating nucleus)边缘检测算子在强噪声环境中容易产生虚假边缘的不足,提出了基于同化核分割相同值(Univalue segment assimi-lating nucleus,USAN)区域特征融合的边缘检测方法——FUSAN(Fusion-USAN)算子。该算子在利用USAN区域大小信息提取潜在边缘点的基础上,分别直接和间接利用USAN区域的形状信息计算边缘响应,并采用简单的融合策略融合这两种边缘响应得到最终的边缘响应。与SUSAN算子相比,FUSAN算子综合利用了USAN区域的大小和形状信息。利用合成图像和常用Cameraman图像并加入噪声对FUSAN算子进行评估,实验结果表明:FUSAN算子的检测性能优于SUSAN算子。 相似文献
114.
在基于负相关的神经网络群学习算法中,相关项由目标输出或网络群输出定义。本文首先证明无论相关项采用何种定义形式,个体网络的目标函数都等价于网络自身性能和群性能的线性组合,线性组合系数由给定参数和网络群规模共同确定。然后给出个体网络目标函数的统一定义,并分析了目标函数内参数的含义。该目标函数表明负相关算法实际是实现多目标优化,所以网络群算法无需负相关概念,从而在概念和实现两方面简化了负相关算法。 相似文献
115.
按照局部反馈和易于解释两个原则,本文设计了一个带反馈的二阶TSK网络。网络的结论部分以输入成分的二项式[1,2]作为神经元的导出域。二项式是神经网络领域少见的运算模式,导出域通常为输入与权向量的内积。网络的结论部分借助于延迟反馈引入动态特性,属于局部反馈,所以动态导数计算简洁。TSK网络表征一组If-Then规则,本文网络较采用独立变换[3]和基于G—FGS神经元[4]的网络易于理解。系统辨识的仿真证明本文网络可以很好地辨识动态系统,表明TSK网络拓扑结构设计中使用二阶运算是可行的。 相似文献
116.
117.
118.
119.
120.