成都市卫生学校欢迎您!
 联系电话:028-69186083
 学校地址:成都郫县大学城
 在线Q Q: 点击这里给我发消息  点击这里给我发消息
 
  当前位置: 成都卫校 > 学生天地 > 优秀文章展示

 

优秀文章展示

信息来源: 发布时间:2014-12-8
        基于目标特性的检测算法的研究可从两个方面出发,一方面是基于全局特性的目标检测方法,这种方法包括最大熵法、空域滤波法、偏微分方程等,由于弱小目标具有非常不明显的全局特性,这种目标检测方法对弱小目标的检测效果不是很好。另一方面,是基于局部特征的目标检测方法,这种方法包括侧抑制网络法、神经网络法、小波变换法等,它对红外弱小目标检测可取得较好的效果,但不能很好的应用于红外图像信噪比低的情况,其算法稳定性、准确度较低。
        在红外成像条件下,红外弱小目标检测问题的实质是图像目标检测问题,其目的在于确定图像中的某一区域为感兴趣的目标。红外图像弱小目标检测流程大致分为两个基本步骤:首先在单帧图像上确定候选目标;
        去除背景杂波是弱小目标检测中的最重要的环节,背景杂波抑制解决的主要问题是将输入图像变换成背景已被消除了的新的图像,其中只剩下目标和少量噪声。也就是通过对图像进行操作,达到抑制复杂背景和减少杂波干扰的目的,从而提高处理后图像的信噪比。常见的方法:基于传统高通滤波的方法、基于灰度形态学的方法、基于频域滤波的方法、基于背景预测的方法,基于侧抑制网络的方法,基于小波变换的方法等
        区域分割的目的在于依据图像的某些特征或集合的相似性,将图像分割成若干有意义的区域。适用范围有限,对图像实现自动分割的问题仍需深入研究。经过国内外学者40多年广泛深入的研究,提出了50多种。常见的方法有边缘分割法、区域生长分割法、阈值分割法。边缘分割法包括传统梯度边缘检测算子(Roberts算子、Sobel算子、Prewitt算子和Laplacian算子等)、Canny边缘检测算子、形态学边缘检测算子法;阈值分割法包括独立峰值法、最大熵法、最大类间方差法等.

 

下一篇:2015年春季招生费用及条件
上一篇:我校开展消防演练以及消防运动会

 
 

 

 
版权所有:成都市卫生学校   学校办公室电话:028-69186083  13540123367
   在线咨询QQ:894682476   邮箱:cdswsxx@sina.com   
学校所在地:中国·四川·成都
蜀ICP备09125930号