基于核距离加权的 k-最近邻红外小目标检测-论文.pdf

基于核距离加权的 k-最近邻红外小目标检测-论文.pdf

ID:53570096

大小:831.88 KB

页数:5页

时间:2020-04-18

基于核距离加权的 k-最近邻红外小目标检测-论文.pdf_第1页
基于核距离加权的 k-最近邻红外小目标检测-论文.pdf_第2页
基于核距离加权的 k-最近邻红外小目标检测-论文.pdf_第3页
基于核距离加权的 k-最近邻红外小目标检测-论文.pdf_第4页
基于核距离加权的 k-最近邻红外小目标检测-论文.pdf_第5页
资源描述:

《基于核距离加权的 k-最近邻红外小目标检测-论文.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、第44卷第9期激光与红外Vo1.44,No.92014年9月LASER&INFRAREDSeptember,2014文章编号:1001-5078(2014)09—1060-05·图像与信号处理·基于核距离加权的一最近邻红外小目标检测陈晓斯,程正东,樊祥,朱斌。,丁磊(1.电子工程学院脉冲功率激光技术国家重点实验室,安徽合肥230037;2.中国电子科技集团公司第十六所信息档案部,安徽合肥230037)摘要:城市复杂背景边缘给空中红外小目标检测带来的非线性、非平稳热辐射信号影响严重。在采用尼一最近邻分类判别决策的基础上,提出了

2、一种基于核距离加权的-最近邻红外小目标检测算法。该方法将每个预测窗口内的原始数据核映射到高维空间中进行分类,再对各近邻进行距离加权,遍历图像后得到预测结果。实验结果证明了该方法在抑制背景、增强目标方面都有较好的效果。关键词:城市防空;红外小目标检测;J}一最近邻;核方法;距离加权中图分类号:TP391文献标识码:ADOI:10.3969/j.issn.1001—5078.2014.09.023Infraredsmalltargetdetectionbasedonkerneldistanceweightedk-nearestn

3、eighboralgorithmCHENXiao.si,CHENGZheng—dong,FANXiang,ZHUBin,DINGLei。(1.StateKeyLaboratoryofPulsedPowerLaserTechnology,ElectronicEngineeringInstitute,Hefei230037,China;2.InformationArchivesSector,The16thResearchInstituteofChinaElectronicTechnologyGroupCorporation,He

4、fei230037,China)Abstract:Theobviousnonlinearandnon—stabledistributionwhichcomefromtheedgeofurbancomplexbackgroundhaveagreatimpactoninfraredsmalltargetdetection.Byusingthek-nearestneighbordiscriminantclassifieddeci—sion,aninfraredsmalltargetdetectionalgorithmbasedon

5、kerneldistanceweightedk-nearestneighborisproposed.Thekernelmethodclassifiestherawdataofeverypredictedwindowbymappingintoahighdimensionalspace,andthedistanceisweightedfornearestneighbordata.Aftercroppingimage,thepredictedresultscanbecalculatedaccu—rately.Theexperime

6、ntalresultsshowthatthenewmethodhasabetterperformanceinsuppressingbackgroundandenhancingtarget.Keywords:urbanairdefense;infraredsmalltargetdetection;k-nearestneighbor;kernelmethod;distanceweighted1引言效果不佳;另一种是基于分类思想,代表方法包括城市错综复杂的辐射环境,包括大气尘埃、气溶PCA、SVM。这类方法在建立数据库和训练过胶以

7、及城市中建筑、树木边缘和飞鸟等带来的非线程上花费的时间过多。性信号往往影响着红外搜索跟踪系统(IRST)的作将.i}-最近邻(k-NearestNeighbor,k-NN)思想用战性能,易导致其虚警率较高。目前,针对IRST系统的研究主要集中在红外小基金项目:国家自然科学基金(No.61271376);安徽省自然科学目标的检测算法⋯。滤波是红外小目标检测的常基金(No.1208085MF114)资助项目。作者简介:陈晓斯(1988一),男,硕士生,主要研究领域为红外图用方法_2J,代表方法包括最大中值滤波3]、高通滤像处理,

8、目标检测等方面。E.mail:cxst91024@gmail.com波J、形态学滤波等,这类方法处理非线性问题收稿日期:2013—12—16;修订日期:2014-01-05激光与红外No.92014陈晓斯等基于核距离加权的k-最近邻红外小目标检测1061于单帧预测,可视为滤波与分类思想的结

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。