红外目标分割方法研究

红外目标分割算法对红外目标检测、跟踪具有非常重要的价值。本文利用背景和目标灰度特征,提出一种实现红外目标有效分割的方法,克服红外目标内部温度不稳定造成的误分割问题。本文方法首先采用基于灰度-显著度最大相关准则的二维直方图分割算法进行图像分割;然后,在分割后二值图上进行基于随机种子点选取的区域增长,提取背景;最后,采用形态学方法优化分割结果。相对传统的红外目标检测算法,这种算法具有更好的抗干扰能力,更强的鲁棒性。不仅可以应用于红外图像的目标分割,而且可以应用于其他类似的目标分割问题。     

一种判别离散型随机变量相互独立的新方法

对两个离散型随机变量相互独立的问题,通过引入分布律矩阵的概念,借助矩阵理论中行向量的相关结论,提出一种新的判别独立的方法。与以往的方法相比,这种方法更为简单和实用,更重要的是具体操作过程中计算量大为减少。     

二维衰减谐波估计的四阶混合累积量方法

针对二维衰减谐波估计方法在大样本容量条件下计算量过大的问题,提出了一种基于二维四阶混合累积量的ESPRIT方法。在不影响估计精度的前提下,通过保持特征矩阵结构不变,有效地减小了算法的计算量。利用四阶混合累积量对高斯噪声的自动抑制,降低了参数估计的信噪比门限并提高了估计精度。仿真实验表明,在高斯色噪声条件下该方法的计算效率和估计性能优于现有方法。