![](https://static.zsdocx.com/FlexPaper/FileRoot/2019-3/14/18/4494b6a9-cb81-4f5e-8a88-4827f7de9736/4494b6a9-cb81-4f5e-8a88-4827f7de9736pic.jpg)
![基于稀疏表示的SAR-紅外圖像融合及目標(biāo)檢測研究.pdf_第1頁](https://static.zsdocx.com/FlexPaper/FileRoot/2019-3/14/18/4494b6a9-cb81-4f5e-8a88-4827f7de9736/4494b6a9-cb81-4f5e-8a88-4827f7de97361.gif)
版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、合成孔徑雷達(dá)(Synthetic Aperture Radar,SAR)成像制導(dǎo)具有全天時全天候的探測能力,能提供高分辨率SAR圖像,紅外成像制導(dǎo)捕獲目標(biāo)自身紅外輻射,具有識別目標(biāo)高溫偽裝的能力。開展SAR/紅外圖像融合技術(shù)研究,對于提高復(fù)雜作戰(zhàn)環(huán)境下的目標(biāo)探測及精確制導(dǎo)能力具有重要的理論和現(xiàn)實(shí)意義。本文在壓縮感知理論框架下,結(jié)合圖像稀疏表示問題,針對SAR/紅外圖像融合及目標(biāo)檢測技術(shù)展開研究,主要完成如下工作:
研究了稀疏求
2、解算法。改進(jìn)了梯度追蹤的搜索步長,保留收斂速度的同時增強(qiáng)了算法的魯棒性。針對其他融合算法需要預(yù)估圖像稀疏度的問題,對SAR/紅外圖像壓縮采樣后的觀測值提出了一種基于標(biāo)準(zhǔn)差自適應(yīng)融合策略的算法,并利用所提出的改進(jìn)步長梯度追蹤重構(gòu)得到融合圖像。實(shí)驗(yàn)結(jié)果表明,該融合算法無需輸入圖像先驗(yàn)信息,在時間復(fù)雜度和融合圖像質(zhì)量上均能取得較好表現(xiàn)。
研究了字典構(gòu)造問題。針對固定字典無法根據(jù)輸入信號特征調(diào)整原子特性的問題,設(shè)計(jì)了基于多源圖像樣本學(xué)
3、習(xí)的過完備字典構(gòu)建方法,利用SAR/紅外圖像自身稀疏結(jié)構(gòu)信息構(gòu)造學(xué)習(xí)字典。對求解得到的稀疏系數(shù)提出一種基于能量自適應(yīng)融合策略的算法,最終重構(gòu)得到融合圖像。實(shí)驗(yàn)結(jié)果表明,與其他基于壓縮感知框架的融合方法相比,該算法能使輸入圖像實(shí)現(xiàn)更為稀疏的表示,具有一定實(shí)用價(jià)值。
研究了壓縮感知在目標(biāo)檢測中的應(yīng)用。針對現(xiàn)有檢測算法受背景雜波影響大的問題,分別設(shè)計(jì)了基于稀疏點(diǎn)散射模型的SAR圖像目標(biāo)檢測算法,以及基于紅外目標(biāo)過完備字典的紅外圖像目
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于剪切波的SAR-紅外圖像融合研究.pdf
- 基于稀疏表示的SAR圖像目標(biāo)識別.pdf
- 基于稀疏表示的SAR圖像目標(biāo)識別研究.pdf
- 基于素描稀疏表示和低秩分解的SAR圖像目標(biāo)檢測.pdf
- 基于稀疏表示的SAR圖像壓縮研究.pdf
- 基于圖像域特征稀疏表示的SAR目標(biāo)識別研究.pdf
- 基于稀疏表示的SAR圖像抑斑.pdf
- 基于稀疏表示的高光譜圖像目標(biāo)檢測.pdf
- 基于聯(lián)合稀疏表示的紅外與可見光圖像融合研究.pdf
- 基于稀疏表示的紅外與可見光圖像融合方法研究.pdf
- 基于超完備圖像稀疏表示的自適應(yīng)紅外小目標(biāo)檢測算法.pdf
- 基于稀疏表示和深度學(xué)習(xí)的SAR圖像目標(biāo)識別研究.pdf
- 基于稀疏表示的圖像融合方法研究.pdf
- 基于稀疏表示的SAR圖像降噪算法研究.pdf
- 基于特征參數(shù)稀疏表示的SAR圖像目標(biāo)識別的研究.pdf
- 基于稀疏表示的SAR目標(biāo)識別算法研究.pdf
- 基于聯(lián)合稀疏表示的sar圖像分類方法研究
- 基于稀疏表示模型的熱紅外與可見光圖像融合研究.pdf
- 基于稀疏表示及字典學(xué)習(xí)的SAR目標(biāo)識別.pdf
- 基于聯(lián)合稀疏表示的SAR圖像分類方法研究.pdf
評論
0/150
提交評論