国防科技大学,ATR实验室,湖南,长沙,410073
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N帧轨迹积累的运动小目标检测方法.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,有效检测出弱小目标.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.
红外图像序列 运动目标 目标检测 滤波 IR image sequence Moving target Target detection Filtering
国防科技大学ATR重点实验室,湖南,长沙,410073
针对远距离低信噪比条件下目标检测难的实际问题,提出采用D-S证据理论的双色红外小目标融合检测方法.该方法首先采用统计检测方法对各传感器图像进行目标检测处理;接着采用"或"逻辑对各传感器的目标检测结果进行融合,以降低目标漏检的可能性;然后在各传感器图像中提取融合检测结果中各候选目标区域的多个图像特征作为进一步消除虚警的证据;最后采用D-S证据理论对各候选目标区进行基于多特征的目标融合识别处理,并将识别结果作为整个系统最终的目标检测输出.实验结果证明了该算法的有效性.
双色红外 目标检测 信息融合 D-S证据理论 Dual band IR Target detection Information fusion D-S evidence theory
1 国防科技大学电子科学与工程学院ART实验室,湖南,长沙,410073
2 航天机电集团目标与环境光学特征国防科技重点实验室,北京,100854
为了提高强干扰条件下的红外弱小目标识别的可靠性,提出了一种基于多传感器时间-空间信息融合的红外小目标识别方法,并采用D-S证据合成理论对来自多个红外双波段成像传感器的实际图像信息进行了仿真融合计算.仿真结果表明该方法对强干扰条件下的红外弱小目标具有较高的识别效率.
目标识别 D-S证据理论 信息融合. target recognition theory of D-S reasoning information fusion.
国防科技大学电子工程学院ATR实验室湖南,长沙,410073
研究了计算大气云层背景图像集的样本均值、自协方差及2σ误差区间的方法,并在此基础上,针对实际的红外图像进行了大量的实验测试.实验结果表明,大气云层起伏背景图像是近似广义平稳的.
背景起伏 广义平稳 自协方差. background Clutter Wide sense Stationary Auto covariance.
