混沌PSO最小一乘空时预测的红外小目标检测
针对红外图像中背景与小目标的特点,提出一种基于混沌粒子群优化(PSO)最小一乘空时背景预测的红外小目标检测方法.首先建立最小一乘准则空时背景预测模型,根据最小一乘估计的性质,提出应用混沌PSO算法解决最小一乘估计中极值的选取问题,并用该模型预测红外图像中的背景,从原始图像中减去预测图像得到残差图像;然后提出了基于混沌PSO的二维直方图斜分模糊最大熵阈值选取方法,由此分割所得残差图像即可将小目标检测出来.将文中方法与基于最小二乘背景预测的红外小目标检测方法进行了比较实验,实验结果表明,该方法具有更高的检测概率和信噪比增益,优于基于最小二乘背景预测的红外小目标检测方法.
红外小目标检测、空时背景预测、最小一乘估计、混沌粒子群优化、模糊最大熵阈值分割、二维直方图斜分
23
TN911.73
国家自然科学基金60872065;航空科学基金20105152026;南京大学计算机软件新技术国家重点实验室开放基金KFKT2010B17
2011-07-21(万方平台首次上网日期,不代表论文的发表时间)
共6页
909-914