基于高斯模板分层匹配的红外点目标检测算法

doi:10.3778/j.issn.1002-8331.2008.33.058

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (33): 191-193.DOI: 10.3778/j.issn.1002-8331.2008.33.058

基于高斯模板分层匹配的红外点目标检测算法

聂洪山^1,2,陈晓飞^3,4,赵琪⁴

1.中科院软件所，北京 100190
2.国防科技大学 ASIC研发中心，长沙 410073
3.北京航空航天大学，北京 100083
4.北京图形研究所，北京 100029

收稿日期:2008-08-01 修回日期:2008-09-25 出版日期:2008-11-21 发布日期:2008-11-21
通讯作者: 聂洪山

Multi-layer matching algorithm based on Gaussian model for small targets detection in infrared images

NIE Hong -shan^1,2,CHEN Xiao-fei^3,4,ZHAO Qi⁴

1.Insitute of Software，Chinese Academy of Sciences，Beijing 100190，China
2.ASIC R&D Center of NUDT，Changsha 410073，China
3.Beihang University，Beijing 100083，China
4.Beijing Institute of Graphics，Beijing 100029，China

Received:2008-08-01 Revised:2008-09-25 Online:2008-11-21 Published:2008-11-21
Contact: NIE Hong-shan

摘要/Abstract

摘要： 介绍了高斯模板相关匹配红外小目标检测方法，指出了该方法的不足。提出了一种基于高斯模板的红外小目标分层匹配算法，这种方法避免了目标尺寸与模板尺寸失配情况下的匹配不精确问题，能够在不知道目标尺寸参数的情况下匹配到高斯形状的目标。实验结果表明这种方法很好地解决了低信噪比点目标检测问题。

关键词: 高斯模板, 点目标, 相关系数, 匹配滤波

Abstract: The relative matching targets detection method with gaussian model is mentioned，and the shortcomings of the method are pointed out.A multi-layer matching algorithm based on Gaussian model for IR small targets detection is introduced.With this algorithm，Gaussian targets can be detected without knowing their size parameters of X and Y dimensions.Experimental results show that this algorithm can effectively detect small targets in infrared image with low SNR.

Key words: Gaussian model, small targets, relative coefficient, relative matching

聂洪山^1,2,陈晓飞^3,4,赵琪⁴. 基于高斯模板分层匹配的红外点目标检测算法[J]. 计算机工程与应用, 2008, 44(33): 191-193.

NIE Hong -shan^1,2,CHEN Xiao-fei^3,4,ZHAO Qi⁴. Multi-layer matching algorithm based on Gaussian model for small targets detection in infrared images[J]. Computer Engineering and Applications, 2008, 44(33): 191-193.

[1]	张力戈，陈芋文，秦小林，易斌，李雨捷. 危重症指标相关性分析模型[J]. 计算机工程与应用, 2021, 57(19): 156-163.
[2]	相益萱，姜合，潘品臣，孙聪慧. 二次幂耦合的[K]-means聚类算法研究[J]. 计算机工程与应用, 2021, 57(14): 95-102.
[3]	宗晓萍，田伟倩. 采用K-means的脑肿瘤磁共振图像分割与特征提取[J]. 计算机工程与应用, 2020, 56(3): 187-193.
[4]	金楠森，刘美玲，谷欣然，韩雨彤. 双参卷积理论模型预测交通通行时间[J]. 计算机工程与应用, 2020, 56(20): 258-263.
[5]	苏梦珂，孔祥智. 直觉对偶犹豫模糊集在多属性群决策中的应用[J]. 计算机工程与应用, 2020, 56(17): 273-278.
[6]	李丹. 结构加权相关自适应子空间聚类[J]. 计算机工程与应用, 2020, 56(13): 137-142.
[7]	张晓琴1，刘玲1，郭鑫垚2. 基于HSIC0的类间非线性相关系数度量[J]. 计算机工程与应用, 2019, 55(3): 46-49.
[8]	刘清华1，赖裕平2，丁洪伟1，杨志军1，崔晓龙3. 基于SVM的蛋白质亚细胞定位预测[J]. 计算机工程与应用, 2019, 55(11): 136-141.
[9]	郭炜婷，夏利民. 基于多视角非负矩阵分解的人体行为识别[J]. 计算机工程与应用, 2018, 54(16): 37-43.
[10]	乔良，郑辉. 两种联合分集均衡算法的等效性研究[J]. 计算机工程与应用, 2016, 52(6): 111-116.
[11]	范永全，杜亚军. 基于加权相似度的用户协同过滤方法[J]. 计算机工程与应用, 2016, 52(22): 222-225.
[12]	朱春媚1，2，黎萍1. 基于频段互相关系数的咳嗽识别新方法[J]. 计算机工程与应用, 2016, 52(2): 161-164.
[13]	涂兵1，2，3，王锦萍1，3，王思成1，3，周幸1，3，戴平1，3. 基于背部轮廓相关系数算法的淡水鱼种类识别研究[J]. 计算机工程与应用, 2016, 52(16): 162-166.
[14]	张健，赵立军. 基于改进正[2k]边形坐标的可视化方法研究[J]. 计算机工程与应用, 2016, 52(14): 261-265.
[15]	赵愿1，毛军军1，2. 一种新的区间直觉模糊熵及其应用[J]. 计算机工程与应用, 2016, 52(12): 85-89.

基于高斯模板分层匹配的红外点目标检测算法

Multi-layer matching algorithm based on Gaussian model for small targets detection in infrared images

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics