提出了一种基于空时联合稀疏重构的红外小弱运动目标检测算法。通过学习序列图像内容而构建的空时联合字典能同时刻画目标或背景的形态特征和运动信息;利用多元高斯运动模式从空时联合字典中提取出目标空时字典和背景空时字典,目标空时过完备字典描述移动的目标,背景空时过完备字典表征背景噪声。将连续多帧图像在空时联合字典上进行稀疏分解,然后分别利用目标空时字典和背景空时字典中的最大稀疏系数及其空时原子重构信号,获取重构残余能量差异来区分目标和背景。试验结果表明,由同源的空时字典重构的残余能量小,而由异构的空时字典恢复的残余能量大,该方法不仅能提高序列信号表示的稀疏度,还能有效提高小运动目标的探测能力。
小弱目标检测 空时联合字典 信号稀疏复原 信号残差 dim target detection joint spatio-temporal over-complete dictionary sparse signal recovery signal residual difference 强激光与粒子束
2015, 27(9): 091004
1 重庆通信学院, 重庆 400035
2 成都军区通信训练大队, 四川 成都 610500
利用蒙特卡罗方法对紫外光非视距传输过程进行了模拟, 讨论了传输过程中固体角的确定, 仿真分析了系统的角度设置对传输损耗的影响。结果表明, 增大收发仰角可以降低系统的传输损耗, 并且小角度集中发射与大视场角接收可以降低系统的传输损耗。
紫外光通信 非视距多次散射 蒙特卡罗 UV communication non-line-of-sight multiple scattering Monte Carlo