基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为了解决低信噪比非平稳复杂云层背景下红外弱小目标检测问题,提出了一种新的基于Facet模型的正则化双向扩散滤波算法.该算法采用Facet模型拟合图像曲面,并设计了平均方向导数梯度算子描述拟合图像曲面的多向梯度特征,以准确识别目标和背景的特征差别.结合平均方向导数梯度算子,设计了一种新的正则化双向扩散背景抑制技术.与传统算法相比,这种算法能够依据目标和背景的特征差别自适应地在前向扩散(目标增强)和后向扩散(背景抑制)之间切换,以实现在抑制背景杂波的同时增强目标.理论分析和实验结果表明,这种算法对包含强纹理结构的非平稳复杂云层背景杂波具有良好的抑制作用,并且算法结构简单,运算量小,易于硬件实时实现.
推荐文章
一种新的自适应谱线增强算法
时域相干累积
自适应谱线增强
高斯噪声
信噪比
一种新的自适应PID控制算法
自适应PID
参数整定
过程控制
步长
自适应杂波抑制的一种算法与实现
杂波抑制
特征矢量
参差码
AMTI
一种新的自适应阈值SSDA算法
序惯相似度检测算法
自适应阈值
图像匹配
实时性
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 一种新的红外复杂背景自适应抑制算法
来源期刊 西安电子科技大学学报(自然科学版) 学科 工学
关键词 图像处理 红外弱小目标 Facet小面模型 双向扩散滤波 信号检测
年,卷(期) 2010,(5) 所属期刊栏目
研究方向 页码范围 927-933
页数 分类号 TP391
字数 4799字 语种 中文
DOI 10.3969/j.issn.1001-2400.2010.05.027
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 刘上乾 西安电子科技大学技术物理学院 128 1852 22.0 36.0
2 汪大宝 西安电子科技大学技术物理学院 25 190 8.0 12.0
3 张峰 西安电子科技大学技术物理学院 18 90 5.0 8.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (15)
共引文献  (42)
参考文献  (9)
节点文献
引证文献  (10)
同被引文献  (28)
二级引证文献  (67)
1990(1)
  • 参考文献(1)
  • 二级参考文献(0)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(1)
  • 二级参考文献(0)
1998(2)
  • 参考文献(1)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(3)
  • 参考文献(1)
  • 二级参考文献(2)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(4)
  • 参考文献(2)
  • 二级参考文献(2)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(2)
  • 参考文献(2)
  • 二级参考文献(0)
2010(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2010(1)
  • 引证文献(1)
  • 二级引证文献(0)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(3)
  • 引证文献(1)
  • 二级引证文献(2)
2013(6)
  • 引证文献(4)
  • 二级引证文献(2)
2014(12)
  • 引证文献(2)
  • 二级引证文献(10)
2015(18)
  • 引证文献(1)
  • 二级引证文献(17)
2016(13)
  • 引证文献(0)
  • 二级引证文献(13)
2017(10)
  • 引证文献(0)
  • 二级引证文献(10)
2018(5)
  • 引证文献(0)
  • 二级引证文献(5)
2019(5)
  • 引证文献(0)
  • 二级引证文献(5)
2020(3)
  • 引证文献(0)
  • 二级引证文献(3)
研究主题发展历程
节点文献
图像处理
红外弱小目标
Facet小面模型
双向扩散滤波
信号检测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
西安电子科技大学学报(自然科学版)
双月刊
1001-2400
61-1076/TN
西安市太白南路2号349信箱
chi
出版文献量(篇)
4652
总下载数(次)
5
总被引数(次)
38780
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导