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:
针对复杂背景下的弱小目标检测与识别问题,提出了一种基于二维经验模态分解( Bidimensional Empirical Mode Decomposition,BEMD)的检测算法.待检测的原图像经过BEMD分解筛选出多个二维的内蕴模函数(Intrinsic Mode Functions,IMF)和趋势图像,使用全局门限法分割各个IMF,将处理后的IMFs综合成一个分割出待检测目标的结果图像.实验结果表明,该方法使用简洁的步骤,有效、准确地检测出弱小目标.
推荐文章
复杂背景下利用聚类决策的弱小目标提取方法
聚类
弱目标
小目标
面积决策
形态学
天空背景下红外弱小目标检测算法研究
红外弱小目标
形态学滤波
恒虚警检测
行程目标标记
管道滤波
复杂背景下弱小目标的检测*
复杂背景
弱小目标
背景抑制
目标检测
信噪比
不均匀背景下弱小目标检测算法研究
群体智能
自组织
形心跟踪
不均匀背景
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 BEMD在复杂背景下弱小目标检测中的应用
来源期刊 计算机工程与应用 学科 工学
关键词 二维经验模态分解 内蕴模函数 弱小目标 分割 检测
年,卷(期) 2012,(21) 所属期刊栏目 图形、图像、模式识别
研究方向 页码范围 205-208,216
页数 分类号 TN911.73
字数 3783字 语种 中文
DOI 10.3778/j.issn.1002-8331.2012.21.046
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 陈忠 华中科技大学图像识别与人工智能研究所多谱信息处理技术国家级重点实验室 111 650 12.0 22.0
2 邓江华 华中科技大学图像识别与人工智能研究所多谱信息处理技术国家级重点实验室 1 4 1.0 1.0
3 王然 华中科技大学图像识别与人工智能研究所多谱信息处理技术国家级重点实验室 1 4 1.0 1.0
4 程家聪 华中科技大学图像识别与人工智能研究所多谱信息处理技术国家级重点实验室 1 4 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (27)
共引文献  (71)
参考文献  (12)
节点文献
引证文献  (4)
同被引文献  (29)
二级引证文献  (3)
1987(1)
  • 参考文献(1)
  • 二级参考文献(0)
1993(3)
  • 参考文献(1)
  • 二级参考文献(2)
1995(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(5)
  • 参考文献(1)
  • 二级参考文献(4)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(2)
  • 参考文献(1)
  • 二级参考文献(1)
2001(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(5)
  • 参考文献(0)
  • 二级参考文献(5)
2005(4)
  • 参考文献(1)
  • 二级参考文献(3)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(3)
  • 参考文献(2)
  • 二级参考文献(1)
2009(3)
  • 参考文献(3)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2013(2)
  • 引证文献(2)
  • 二级引证文献(0)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(1)
  • 引证文献(0)
  • 二级引证文献(1)
2018(2)
  • 引证文献(0)
  • 二级引证文献(2)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
二维经验模态分解
内蕴模函数
弱小目标
分割
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
计算机工程与应用
半月刊
1002-8331
11-2127/TP
大16开
北京619信箱26分箱
82-605
1964
chi
出版文献量(篇)
39068
总下载数(次)
102
总被引数(次)
390217
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导