-
公开(公告)号：CN101882314A
公开(公告)日：2010-11-10
申请号：CN201010230877.1
申请日：2010-07-20
Applicant: 上海交通大学
IPC: G06T7/00
Abstract: 一种图像处理技术领域的基于超完备稀疏表示的红外小目标检测方法，包括以下步骤：采用二维高斯模型生成若干红外目标样本图像，进而构造红外目标超完备字典；将测试图像划分为若干子图像，分别对每个子图像进行提取表示系数处理，得到每个子图像在红外目标样本图像的超完备字典下的表示系数；对表示系数进行指标化处理，得到每个子图像的稀疏系数；当子图像的稀疏系数大于阈值τ时，则该子图像内存在目标，从而得到目标的位置。本发明不需要进行训练，实现起来更加简单；能够更加有效地抓住目标的内在几何特征，即图像子块在该字典下的表示系数具有更加显著的差异性，能够更好的抑制背景，突出目标，得到更高的检测率。
-
公开(公告)号：CN101882314B
公开(公告)日：2012-06-20
申请号：CN201010230877.1
申请日：2010-07-20
Applicant: 上海交通大学
IPC: G06T7/00
Abstract: 一种图像处理技术领域的基于超完备稀疏表示的红外小目标检测方法，包括以下步骤：采用二维高斯模型生成若干红外目标样本图像，进而构造红外目标超完备字典；将测试图像划分为若干子图像，分别对每个子图像进行提取表示系数处理，得到每个子图像在红外目标样本图像的超完备字典下的表示系数；对表示系数进行指标化处理，得到每个子图像的稀疏系数；当子图像的稀疏系数大于阈值τ时，则该子图像内存在目标，从而得到目标的位置。本发明不需要进行训练，实现起来更加简单；能够更加有效地抓住目标的内在几何特征，即图像子块在该字典下的表示系数具有更加显著的差异性，能够更好的抑制背景，突出目标，得到更高的检测率。
-
公开(公告)号：CN101957993A
公开(公告)日：2011-01-26
申请号：CN201010501404.0
申请日：2010-10-11
Applicant: 上海交通大学
Abstract: 一种模式识别技术领域的自适应红外小目标检测方法，首先用训练样本K-SVD方法训练红外小目标超完备字典，然后按照从上到下，从左到右的顺序从测试图像中提取出于训练样本具有相同尺寸的子图像，并将子图像展开为列向量后利用正交匹配方法计算该列向量在红外小目标超完备字典中的稀疏表示系数，最后将稀疏表示系数组合为指示函数并进行阈值化判断，得到目标的精确位置。本发明相比于其他方法能够更好的抑制背景杂波和噪声，突出目标，得到更高的检测率。
-
-
Search Results
3
records
(took 0.015 seconds)
