基于卷积神经网络的红外小目标检测
通过分析红外小目标及背景噪声的成像特征与时空特性,将Tophat算法与改进的Robinson guard滤波器结合,有效抑制背景、突显目标,并采用基于最小错误率的自适应阈值分割提取候选目标区域.在此基础上,采用改进的基于卷积神经网络的ITNet网络去甄别候选目标区域中的真伪小目标.当处理的对象是红外视频图像序列时,采用多目标关联滤波来进一步降低误识率.多组红外小目标图像序列的检测实验结果表明,本文提出的算法对于不同场景下的红外目标均有较高的检测精度,算法的可靠性高、实时性好.
红外小目标检测 Robinson guard滤波器 自适应阈值分割 卷积神经网络
王东 王敏
华中科技大学自动化学院,武汉430074
国内会议
哈尔滨
中文
243-249
2017-10-01（万方平台首次上网日期，不代表论文的发表时间）