导读:本文包含了弱小目标论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:目标,弱小,局部,梯度,对比度,尺度,高斯。
弱小目标论文文献综述
张毅,李青,周弘扬[1]（2019）在《基于改进低秩表示的红外弱小目标检测算法研究》一文中研究指出针对低秩表示算法处理红外弱小目标图像时虚警率较高的问题,本文提出了一种改进的低秩表示算法。该算法在低秩表示矩阵的基础上,利用稀疏表示理论有效地描述了噪声数据的具体结构,通过分解重置图像的数据矩阵,获得的图像的背景、噪声和目标分量,最后采用红外目标判别模型进行阈值处理确定目标的位置。实验结果表明改进的低秩表示算法检测率高、虚警率低,检测效果好。(本文来源于《电子制作》期刊2019年21期）
王露,刘明娜,杨杰[2]（2019）在《基于对比度和梯度分布的红外弱小目标检测》一文中研究指出红外弱小目标检测技术是目标自动检测系统中的核心技术之一。在复杂背景以及强杂波存在的情形下,红外弱小目标检测往往会有高虚警率的问题。对于这一问题,提出了一种基于多尺度局部对比度与局部梯度分布的红外弱小目标检测算法,具有重要意义。相比于以前的算法,该方法利用多尺度局部对比度机制增强红外图像中的疑似红外弱小目标的区域,再利用红外图像的局部梯度分布信息对这些疑似红外弱小目标的区域进行判别,剔除其中的虚警区域,得到有低虚警率红外弱小目标检测结果。实验结果表明:该算法结果可靠,检测准确率高。可见,新算法可以有效地提高在复杂背景以及存在强杂波情形下红外图像中弱小目标的检测准确率。(本文来源于《上海航天》期刊2019年05期）
钮赛赛,周华伟,朱婧文,邵艳明,李少毅[3]（2019）在《基于YOLO智能网络的红外弱小多目标检测技术》一文中研究指出复杂背景下的红外弱小多目标检测是红外目标检测的难点,现有算法的稳健性难以满足实际弹载应用需求。针对弹载环境下的红外场景图像开展了基于典型深度学习网络模型的目标检测应用研究,提出一种基于YOLO(you only look once)网络的智能目标检测方法,通过高维特征学习表征和推理实现红外弱小多目标检测。采用传统的模板匹配算法和YOLO深度学习算法进行识别性能对比分析,验证了YOLO网络在红外弱小多目标检测方面的良好性能。实验结果表明:YOLO算法的检测概率可达92.2%,平均检测精度为0.844,与传统的模板匹配方法相比,YOLO具有明显的优势。(本文来源于《上海航天》期刊2019年05期）
潘胜达,张素,赵明,安博文[4]（2019）在《基于加权场景先验的海上红外弱小目标检测》一文中研究指出为了提高海上红外弱小目标检测的检测精度和实时性,提出了一种基于加权场景先验的红外弱小目标检测方法.该方法首先利用目标的稀疏特性以及海面场景的非局部自相关特性,将目标和背景的分离问题转化为恢复低秩和稀疏矩阵的鲁棒主成分分析(Robust Principal Component Analysis,RPCA)问题.之后,将海面背景的先验特征信息通过加权核范数的方式加入模型,加快算法中目标和背景图像块矩阵的分解速度.最后,通过引入交替方向乘子法(ADMM)算法进一步加速求解的迭代速度.实验结果表明:该算法能有效地提高目标检测准确率,算法实时性较原算法提高了120%.(本文来源于《红外与毫米波学报》期刊2019年05期）
张代华[5]（2019）在《基于虚警识别与空-频域显着性映射的红外弱小目标检测算法》一文中研究指出为了提高复杂背景与低信杂比率环境下的弱小目标检测准确度,有效控制虚警的干扰,考虑真实目标与背景的差异,设计了虚警识别耦合空-频域显着性映射的红外弱小目标检测算法。首先,根据红外中心像素在不同方向的强度,基于中值滤波器,构建了新的噪声滤波方法,充分抑制红外背景中的噪声干扰。随后,考虑中心像素与其邻域像素间的强度差别,设计背景抑制滤波机制,消除背景信息。根据初始红外图像与背景抑制结果,在空域内计算灰度映射。基于Fourier变换的相位谱,在频域内提取红外目标的显着性映射。利用背景的均值与方差,通过一个滑动窗口,建立候选目标检测方法,从灰度映射与显着性映射中确定候选目标。最后,利用真实目标位置的相关性,建立虚警识别方法,从候选目标中消除虚警,以保留真实弱小目标。实验数据表明:较已有的弱小目标识别技术而言,在复杂干扰背景下,所提方案可准确定位出真实目标,拥有更大的信杂比增益值与背景抑制因子,以及更好的ROC(receiver operating characteristic curve)特性曲线。(本文来源于《科学技术与工程》期刊2019年27期）
刘震[6]（2019）在《高斯和粒子滤波的弱小目标检测前跟踪算法》一文中研究指出为了解决微弱目标检测和跟踪的问题,提出了高斯和粒子滤波检测前跟踪算法(GSPF-TBD);该算法基于高斯和粒子滤波递归地估计目标的后验概率密度,不仅避免了基本粒子滤波TBD(检测前跟踪)方法中的重采样过程,而且更能准确地逼近后验概率密度。将粒子滤波算法(PF)、高斯粒子滤波算法(GPF)和高斯和粒子滤波算法(GSPF)应用于弱小目标的检测前跟踪的仿真实验表明,所提出的GSPF-TBD算法提高了对目标的检测和跟踪性能。(本文来源于《计算机与数字工程》期刊2019年09期）
危水根,王程伟,张聪炫,鄢慧斌[7]（2019）在《多信息融合的红外弱小目标检测》一文中研究指出红外弱小目标检测是图像处理的难点之一,许多研究人员提出了不少检测方法。针对复杂背景与强杂波干扰下图像信杂比(Signal-to-Clutter Ratio,SCR)低造成的目前检测方法易受伪目标干扰、虚警率高的问题,提出了一种多信息融合的红外弱小目标检测算法。首先,构建八向局部灰度残差信息图;其次,设计一个滑动窗口遍历整个图像,将图像分为一系列局部图像块,对局部图像块的强度均值进行约束,获得局部强度均值约束信息图;然后,将局部图像块进一步划分为12个方向块,对每个方向块中像素的梯度方向进行约束,获取梯度方向约束信息图;最后,上述3个信息图像通过点积运算得到最终显着图,并利用阈值分割实现弱小目标的分离。将该算法与3种其它不同算法从信杂比增益(Signal-to-Clutter Ratio Gain,SCRG)、背景抑制因子(Background Suppression Factor,BSF)以及检测率与虚警率的接受者操作特征(Receiver Operating Characteristic,ROC)曲线方面进行对比。实验结果表明:该算法具有更高的SCRG、BSF和ROC曲线下面积(Area Under the Curve,AUC),不仅能有效地抑制背景杂波、剔除伪目标,而且能准确地检测出红外弱小目标,具有较高的检测率。(本文来源于《红外技术》期刊2019年09期）
沈旭,程小辉,王新政[8]（2019）在《结合视觉注意力机制基于尺度自适应局部对比度增强的红外弱小目标检测算法》一文中研究指出如何在没有先验信息的情况下从复杂噪声背景下快速检测到远距离进入的弱小目标,提高整个装备系统的响应能力,是目前IRST热门研究课题。本文通过引入视觉注意机制,提出了一种结合尺度自适应的局部对比度测量的红外弱小目标检测方法。本文首先采用拉普拉斯金字塔尺度空间理论对所有像素点局部对比度进行分析,获得对应的自适应尺度信息;然后在跳出效应的基础上设计了一种基于改进的局部对比度测量模型,最终生成一个显着图来突出目标特性,该方法能够在增强目标对比度同时,抑制背景杂波。定性定量实验结果表明,本文提出的方法相比于对比算法具有较高的红外小目标检测性能,能够对对比度不低于5%的目标稳定检测,适合防空武器装备工程应用。(本文来源于《红外技术》期刊2019年08期）
娄康,朱志宇[9]（2019）在《基于卷积神经网络与高斯混合建模的红外弱小目标检测方法》一文中研究指出红外弱小目标检测和跟踪广泛应用于军事预警,交通监控和空中安全等领域。本文主要从红外图像降噪和检测红外图像中目标运动信息两个方面展开研究,首先通过预训练好的卷积神经网络对红外图像降噪处理,利用带标签的红外目标训练集训练卷积神经网络,参数训练完后逐帧输入待处理的红外图像以获取更丰富的红外目标特征。其次基于高斯混合模型将图像分割为前后景,在阈值形态学运算后,通过前景检测器在每一帧中检测红外弱小目标。最终通过MATLAB仿真验证了本文算法的红外弱小目标实时检测功能。(本文来源于《第叁十八届中国控制会议论文集（7）》期刊2019-07-27）
詹令明,李翠芸,姬红兵[10]（2019）在《基于显着图的红外弱小目标动态规划检测前跟踪算法》一文中研究指出针对低信噪比复杂背景红外图像弱小目标检测虚警率高的问题,提出一种基于显着图的红外弱小目标动态规划检测前跟踪算法.该算法采用改进的局部区域差分算子提取显着图,根据注意力转移机制设计搜索策略,利用目标移动速度实时更新搜索范围,对多帧连续的显着图进行滤波跟踪,实现对红外图像弱小目标检测.实验结果表明,文中算法在对弱小目标进行有效检测的同时降低虚警率,提高了图像的检测效率.(本文来源于《计算机辅助设计与图形学学报》期刊2019年07期）
弱小目标论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
红外弱小目标检测技术是目标自动检测系统中的核心技术之一。在复杂背景以及强杂波存在的情形下,红外弱小目标检测往往会有高虚警率的问题。对于这一问题,提出了一种基于多尺度局部对比度与局部梯度分布的红外弱小目标检测算法,具有重要意义。相比于以前的算法,该方法利用多尺度局部对比度机制增强红外图像中的疑似红外弱小目标的区域,再利用红外图像的局部梯度分布信息对这些疑似红外弱小目标的区域进行判别,剔除其中的虚警区域,得到有低虚警率红外弱小目标检测结果。实验结果表明:该算法结果可靠,检测准确率高。可见,新算法可以有效地提高在复杂背景以及存在强杂波情形下红外图像中弱小目标的检测准确率。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
弱小目标论文参考文献
[1].张毅,李青,周弘扬.基于改进低秩表示的红外弱小目标检测算法研究[J].电子制作.2019
[2].王露,刘明娜,杨杰.基于对比度和梯度分布的红外弱小目标检测[J].上海航天.2019
[3].钮赛赛,周华伟,朱婧文,邵艳明,李少毅.基于YOLO智能网络的红外弱小多目标检测技术[J].上海航天.2019
[4].潘胜达,张素,赵明,安博文.基于加权场景先验的海上红外弱小目标检测[J].红外与毫米波学报.2019
[5].张代华.基于虚警识别与空-频域显着性映射的红外弱小目标检测算法[J].科学技术与工程.2019
[6].刘震.高斯和粒子滤波的弱小目标检测前跟踪算法[J].计算机与数字工程.2019
[7].危水根,王程伟,张聪炫,鄢慧斌.多信息融合的红外弱小目标检测[J].红外技术.2019
[8].沈旭,程小辉,王新政.结合视觉注意力机制基于尺度自适应局部对比度增强的红外弱小目标检测算法[J].红外技术.2019
[9].娄康,朱志宇.基于卷积神经网络与高斯混合建模的红外弱小目标检测方法[C].第叁十八届中国控制会议论文集（7）.2019
[10].詹令明,李翠芸,姬红兵.基于显着图的红外弱小目标动态规划检测前跟踪算法[J].计算机辅助设计与图形学学报.2019
论文知识图
