基于小波多尺度扩展分形特征的目标检测方法
Target Detection Method Based on Wavelet Multi-scale Extended Fractal Feature
查看参考文献10篇
|
文摘
|
研究复杂自然背景下的小目标检测问题,对Kaplan的扩展分形特征进行改进,使其对目标尺寸具有一定的适应性.考虑自然背景和斑点状人造目标在水平、垂直方向特性,利用小波分析良好的方向选择性,通过多级小波分解互能量交叉,在两个方向上有效地增强目标、抑制背景干扰,从而提出一种基于小波分析的多尺度扩展分形特征.实验结果表明,基于该特征的目标检测算法对复杂地面背景、海面背景的红外图像和电视图像具有较好的稳健性和适应性,能从单帧图像中较好地检测出小目标,具有检测速度较快、易于实现的特点. |
|
其他语种文摘
|
Investigates detection of small targets in complex natural background by way of improving Kaplan's extended fractal feature to adapt itself to target dimensions to a certain extent. In view of the natural background and both the horizontal and vertical directionalities of the speckled man-made targets, a multi-scale extended fractal feature via wavelet analysis is proposed utilizing the directionalities which are well decomposed by wavelet to combine the horizontal and vertical wavelet decomposition of their mutual energy respectively, thus intensifying effectively the target image both horizontally and vertically with background disturbance suppressed. Experimental results showed that the target detection based on such a feature is stable and adaptable to infrared/TV images on either complex ground or sea surface and available to locate quickly the small target from single-frame images. |
|
来源
|
东北大学学报. 自然科学版
,2006,27(11):1185-1188 【核心库】
|
|
关键词
|
目标检测
;
自相似
;
多尺度
;
扩展分形特征
;
小波分解
;
互能量交叉
|
|
地址
|
1.
东北大学信息科学与工程学院, 辽宁, 沈阳, 110004
2.
中国科学院沈阳自动化研究所, 辽宁, 沈阳, 110016
|
|
语种
|
中文 |
|
文献类型
|
研究性论文 |
|
ISSN
|
1005-3026 |
|
学科
|
自动化技术、计算机技术 |
|
基金
|
国家自然科学基金资助项目
;
辽宁省自然科学基金
|
|
文献收藏号
|
CSCD:2624113
|
参考文献 共
10
共1页
|
|
1.
Mandelbrot B B. The fractal geometry of nature[M].
The fractal geometry of nature,1982:26-66
|
被引
1
次
|
|
|
|
|
2.
Pentland A P. Fractal-based description of natural scenes.
IEEE Trans on Pattern Analysis and Machine Intelligence,1984,6(6):661-674
|
被引
198
次
|
|
|
|
|
3.
Peli T. Multiscale fractal theory and object characterization.
J Opt Soc Amer,1990,7(6):1101-1112
|
被引
13
次
|
|
|
|
|
4.
Novianto S. Near optimum estimation of local fractal dimension for image segmentation.
Pattern Recognition Letters,2003,24:365-374
|
被引
14
次
|
|
|
|
|
5.
Lee W L. Unsupervised segmentation of ultrasonic liver images by multiresolution fractal feature vector.
Information Sciences,2005,175:177-199
|
被引
2
次
|
|
|
|
|
6.
Zhuang X D. Local fuzzy fractal dimension and its application in medical image processing.
Artificial Intelligence in Medicine,2004,32:29-36
|
被引
2
次
|
|
|
|
|
7.
Lance M K. Extended fractal analysis for texture classification and segmentation.
IEEE Trans on Image Processing,1999,1(11):1572-1585
|
被引
2
次
|
|
|
|
|
8.
Lance M K. Improved SAR target detection via extended fractal features.
IEEE Trans AES,2001,37(2):436-451
|
被引
2
次
|
|
|
|
|
9.
魏颖. 成像末制导过程中目标检测与识别方法研究.
成像末制导过程中目标检测与识别方法研究,2003:37-45
|
被引
1
次
|
|
|
|
|
10.
魏颖. 一种基于多尺度分形新特征的目标检测方法.
东北大学学报(自然科学版),2005,26(11):1062-1065
|
被引
6
次
|
|
|
|
|
了解气象卫星更多信息，请访问