湖北省自然科学基金(2011CDB452)
- 作品数：4 被引量：16H指数：3
- 相关作者：秦前清王文伟陈炳文陈凤娥石强更多>>
- 相关机构：武汉大学中国电子科技集团公司更多>>
- 发文基金：湖北省自然科学基金中央高校基本科研业务费专项资金国家科技支撑计划更多>>
- 相关领域：自动化与计算机技术天文地球更多>>
- 基于Fuzzy-ART神经网络的红外弱小目标检测被引量：5
- 2012年
- 针对现有背景抑制算法未能有效抑制背景而导致目标检测率低的问题,提出了一种基于模糊自适应共振理论(fuzzy adaptive resonance theory,Fuzzy-ART)神经网络的弱小目标检测算法。首先,采用Fuzzy-ART神经网络结合Robinson警戒环技术,建立自适应局部空间背景模型,并以此分析像素点的背景模糊隶属度来抑制背景杂波;然后依据目标与残留背景杂波的空间特征采用模板均差法来突显目标,并提出基于行列模糊聚类的自适应分割算法来提取候选目标;最后结合目标的运动连续性进行多帧轨迹关联从而检测出真实目标。理论分析与实验结果表明,该算法能随背景的局部情况来自适应调节空间背景模型,从而自适应抑制背景杂波、突显目标,能有效提高信噪比,检测出弱小目标。
- 陈炳文王文伟秦前清
- 关键词：弱小目标检测自适应分割
- aiNet背景抑制的单帧红外弱小目标检测被引量：8
- 2012年
- 针对现有背景抑制算法未能有效抑制背景而导致目标检测率低的问题,提出了一种基于人工免疫网络(aiNet)进行背景抑制、基于行列k均值聚类实现阈值分割的单帧红外弱小目标检测算法。首先采用aiNet结合Robinson警戒环技术,融入自组织特征映射(SOM)拓扑思想,设计一系列抗体进化策略,建立自适应局部空间背景模型—模糊拓扑记忆抗体库,并以此分析各像素点的背景模糊隶属度来抑制背景杂波;接着提出基于行列k均值聚类的阈值分割算法来检测真实目标。实验结果表明,该算法的F1指标高达99%,其能随背景的局部变化来自适应建立空间背景模型,从而自适应抑制背景杂波突显目标,能有效提高信噪比检测弱小目标。
- 陈炳文王文伟秦前清
- 关键词：弱小目标检测人工免疫网络自组织特征映射
- 基于多值免疫网络的红外与可见光协同目标检测
- 2014年
- 采用模糊自适应共振神经网络建立红外与可见光各自的背景模型;依据多值免疫网络模型,将红外背景模型视为B细胞,可见光背景模型视为T细胞,设计一系列免疫应答策略来协同建立B细胞与T细胞的交互模型,并以此分析各像素点的背景模糊隶属度来检测目标.实验结果表明,该算法的F1指标高达96.4%,能有效协同互补红外与可见光信息,检测出复杂场景下的目标.
- 陈炳文王文伟秦前清
- 关键词：目标检测
- SVM后验概率结合改进多尺度MRF的遥感影像分割方法被引量：3
- 2013年
- 采用SVM方法估计似然概率,克服了混合高斯模型对观测场建模不准确的问题;通过改进的多尺度MRF模型,在标记场建模时充分考虑了各尺度之间和同一尺度内的相关性,进一步准确描述了标记场的统计特性。最后利用改进的建模方法,在序贯最大后验概率估计算法框架下进行影像分割。通过对人工合成影像和实际遥感影像的分割实验结果分析,证明了本文方法能够有效提高分割效果。
- 石强陈凤娥梅天灿秦前清
- 关键词：影像分割
