一种基于稀疏化核方法的红外强杂波背景抑制算法

srilri2

摘 要： 杂波背景抑制一直是红外弱小目标检测面临的难题．背景抑制可分为背景预测和差分滤波两步．针对 强杂波背景呈现非线性分布的特征，提出了一种基于稀疏化核递推最小二乘（ＫＲＬＳ）算法的非线性背景抑制算法．算 法采用监督学习模型，使用序列图像作为训练样本．通过稀疏化控制学习函数的复杂度并剔除冗余信息，不但可以提 高学习机器的推广能力，还可以降低运算量．使用真实红外图像对算法进行了测试，并分析了算法参数．实验结果表 明：算法可自适应预测不同类型的强杂波背景，并有效抑制背景杂波．
4 c0 C! N* Y$ m) j6 X7 L) E/ N
. F. f+ B' n( ?5 m; q关键词： 红外背景抑制；强杂波；背景预测；稀疏；核递推最小二乘

      弱小目标在红外图像中通常不超过 １０个像素，身 处云层、地物、建筑等强杂波背景之中使得这类目标难 以检测．因此，抑制杂波背景是小目标检测的第一步，也 是最重要的一步，能大大提高后续目标检测阶段算法的 性能［１］．基于监督学习的背景预测技术是诸多背景抑制 算法中的一类［２，３］．这类算法是用目标周围的背景像素 来替代目标像素，从而预测出一幅没有目标的图像；然 后再用原始图像减去预测出的图像得到只有目标和少 量背景的残差图像；最后在残差图像上做门限检测得到 弱小目标．

2 A7 ~5 @; }9 t# z2 V/ ?& [
- Y: ]6 O* k" |1 C& Y' U  V, g附件下载: 一种基于稀疏化核方法的红外强杂波背景抑制算法.pdf (1.82 MB, 下载次数: 0)

2021-1-18 10:38 上传

点击文件名下载附件
下载积分: 威望 -5

# j# {, q6 h7 n/ ~

谢谢侬

分析的很到位