共查询到13条相似文献,搜索用时 0 毫秒
1.
针对加权核范数最小化算法存在结构残余噪声以及无法较好地保持图像边缘结构的问题,提出基于加权核范数最小化和改进小波阈值函数的图像去噪算法。利用全变分模型对噪声图像进行初步去噪,使用噪声图像与初步去噪后的图像进行差分运算,对差分后得到的噪声残差图像使用改进的小波阈值函数去噪,将小波去噪后的残差图像与初步去噪图像叠加,将叠加后的图像使用基于残余噪声水平迭代的加权核范数最小化算法进行二次去噪。相较于当下主流去噪算法,经该算法处理后的图像的PSNR和SSIM值均有所提升,能够更好地保持图像的纹理结构,且在高噪声环境下效果更佳。 相似文献
2.
近年来,发展主动声呐目标检测技术逐渐成为水声信号领域的研究热点。该技术在实际应用中,浅海探测环境的复杂多变导致辅助数据获取困难,同时目标高速运动时引起的距离徙动现象会导致水下目标检测性能下降。针对这类问题,提出了一种适用于水下高速机动目标的自适应检测方法。首先,构建多元假设检验模型来准确描述高速机动目标的回波分布情况。其次,使用模型阶数选择方法来估计目标回波位置。然后,利用干扰协方差矩阵的斜对称特性有效减少辅助数据的需求量,以降低检测方法对辅助数据的依赖性。最后,基于广义似然比检验准则实现未知参数的最大似然估计以及检测统计量的推导。仿真结果表明,该方法具有恒虚警特性,同时在辅助数据受限的情况下,相较于其他同类检测方法有7dB以上的目标检测性能优势,并且能够更准确地估计目标回波分布情况,有效改善了距离徙动现象导致的检测性能下降问题。 相似文献
3.
针对经典Harris角点检测算法对于全局像素点求取角点响应函数所带来的计算复杂度高,从而不适合实时检测的弊端,提出了一种新的快速角点检测算法。鉴于角点数量只占整个图像像素点很小一部分,首先利用四方向亮度导数来进行候选角点预判断,阈值选取为图像像素点像素值的标准差的倍数。经过预判断后,再考虑8-邻域相似点个数,根据相似点个数对应的情况对候选角点进行再判断,将剩下的候选角点进行Harris算法检测。仿真结果表明,此改进算法能够有效地提高角点检测效果并减少检测时间。 相似文献
4.
海面目标运动和编队阵型的约束特性,使得通过对装订阵型和末制导探测阵型进行点集匹配来选择预定目标成为一种有效途径。但当编队目标释放干扰时,会引起阵型结构发生局部变化,导致目标选择性能恶化。本文基于反舰导弹目标选择需求,分析了传感器导航和探测误差、装订信息误差、编队目标运动和释放干扰等因素所引起的位置点集变形,通过利用阵型中未污染的结构信息,提出了基于几何散列法和结构加权平均Hausdorff距离的编队预定目标选择方法。理论分析和实验结果表明,该方法不受传感器导航误差和编队目标整体运动的影响,在编队存在冲淡干扰时能有效提高目标选择能力。 相似文献
5.
6.
7.
针对复杂背景下的红外小目标检测,在非对称时空正则化约束的非凸张量低秩估计算法基础上,提出了一种新的核范数估计方法代替原算法中的估计方法。提出基于结构张量与多结构元顶帽(Top-Hat)滤波的自适应权重张量对目标张量进行约束,增强目标张量稀疏性的同时抑制其中残存的强边缘结构。实验结果表明,所提改进算法能够更好地消除图像中强边缘结构对检测结果的影响,在保证检测率的情况下,较原算法具有更低的虚警率。 相似文献
8.
提出一种研究长程互相关和多重分形的新方法——Q阶混合矩结构分割函数法(Q-MMSPF),并利用Q-MMSPF分析了海杂波时间序列的多重分形互相关特征。通过对实测海杂波数据的计算分析发现,海杂波互相关多重分形特征较弱,目标信号之间的互相关多重分形特征明显,而目标信号与海杂波之间的互相关多重分形程度介于二者之间。据此,本文采用一种新的特征值进行海杂波背景下的目标检测。通过对不同条件下的实测海杂波数据验证,表明使用本文提出的特征值测量方法可以十分有效地检测出海杂波背景下的小弱目标。 相似文献
9.
10.
在大时宽带宽线性调频(LFM)体制高分辨逆合成孔径(ISAR)雷达中,目标高速运动将引起严重的回波多普勒色散,如果不消除该影响则不能正确成像。针对该问题,设计了一种通过调频傅里叶变换对目标脉内运动参数进行估计,补偿回波脉内走动得到目标距离像的方法。该方法首先估计脉内运动参数,初步补偿脉内走动,然后估计运动轨迹进一步精确补偿脉内走动,补偿脉内走动后通过包络对齐消除脉间走动,得到目标距离像。算法的主要过程在脉冲重复周期内进行,可以满足实时成像和参数估计的需求。 相似文献
11.
12.
遥感影像中的目标检测是图像分析领域的一个基本而又具有挑战性的问题,特别是针对任意对象的海上目标检测近年来受到广泛关注。针对任意对象的图像目标尺度和形状不规则导致的目标检测参数敏感以及复杂背景和密集排列在非极大值抑制过程中出现假阴性的问题,提出了基于尺度基于尺度无关损失优化的无锚图像目标检测算法。将旋转边界框回归引入到典型的无锚网络全卷积单级目标检测器中,提出了与尺度无关的GIoU (SGIoU)损失用于图像目标检测的边界框回归,可以快速将预测框的形状调整为开始时与真实相似的形状,解决回归损失函数与检测器最终最优目标之间的不相容性的问题,并在回归过程中加快收敛速度。数据集实验表明:本方法在各类别P-R曲线下面积的平均值(mAP),优于现有的广义交并比(GIoU)损失函数和完全交并比(CIoU)损失函数函数。 相似文献
13.
针对弱监督目标检测中只能检测出图像中最具有辨别性部分和训练过程极易陷入局部最优问题,提出了一种特征增强和损失优化的弱监督目标检测算法。该算法设计了一种高效可选择通道注意力模块,该模块通过关联通道的选择来提高其局部信息的交互能力,以此来扩大最具辨别性的示例目标区域;此外,通过对网络回归损失函数施加针对性的动态权重,使其能够自动弱化回归分支中伪标注边界框不准确性的影响,提高目标定位的精度。在PASCAL VOC 2007及PASCAL VOC 2012数据集上的实验表明,相比其他同类算法,该算法能够有效地提高弱监督目标检测的精度。同时,由于该算法引入的额外训练参数和计算负担几乎可以忽略不计,因此还具有良好的高效性。 相似文献