空军工程大学防空反导学院,陕西 西安,710051
现有天基红外导弹预警系统对目标的探测侧重于对红外图像的处理。从光谱维数据分析角度出发结合支持向量数据描述基本理论,提出了一种基于导弹尾焰特征谱的SVDD 检测方法。应用小样本训练数据建立了单分类器,以11 型导弹目标的红外辐射尾焰特征谱数据作为训练样本,比较了RBF 与SSM 作为核函数的检测效果,应用交叉检验的方法确定宽度因子和相似临界因子的值,结果表明,在低信噪比红外图像中,基于SSM-Kernel 的SVDD 检测性能优于基于RBF-Kernel 的检测性能。应用训练样本数据的辐射双峰所对应中心波长作为匹配模板进行识别,实验表明方法具有可行性。
支持向量数据描述 红外弱小目标 目标检测 导弹尾焰 核函数 SVDD infrared dim and small targets target detection missile plume kernel function
空军工程大学防空反导学院, 陕西 西安 710051
针对天基红外预警卫星获得的红外图像的特点, 分析了传统的红外弱小目标的检测与识别方法并指出了其存在的检测时间长, 虚警概率高等不足之处。根据导弹预警系统对目标检测的实时性、快速性和准确性需求及导弹尾焰红外辐射光谱特性, 提出了一种窄带高光谱的红外弱小目标检测与识别一体化方法。仿真实验采用了一个典型的红外背景图像, 根据两类典型导弹尾焰在 2.7~2.9.m波段范围内的红外辐射信息, 生成了 20幅 SNR为 2.0~2.5的红外图像, 结果验证了该方法能快速准确的检测并识别导弹目标。
红外弱小目标 检测与识别 管道滤波 窄带高光谱 infrared dim and small targets detection and recognition pipeline filter narrowband multispectral