空时自适应杂波分类抑制与弱小运动目标检测

提出了一种新的方法应用于一类重要的高维信号检测问题:在强杂波干扰下检测数字图像序列中位置和速度未知的弱小运动目标.通过对输入序列时域灰度矩进行学习,将像素分成两类———静杂波和动杂波.分别对其采用非参数时域滤波和LS自适应滤波进行去除,从而将原始数据转化为准SPGWN模型.杂波抑制后,根据单帧多像素目标模型假设,采用在空、时域联合集成信号能量的检测算法,能有效地改善信噪比并且有利于实时实现.理论分析和对真实数据的大量仿真试验验证了本方法的有效性.

基于背景杂波自适应预测的微小目标检测(英文)

本文主要研究基于图像的强空域杂波背景下微小目标检测。本文提出了一种新的基于邻域梯度差平方累积函数最小原则的背景杂波自适应预测算法。该算法能显著改善微小目标的信杂比(SCNR)。试验证明,本算法相对于已有的多种算法,有着更好的性能。本文还引入了一种基于统计分析的快速检测算法,该算法能在较低的虚警概率情况下,获得更高的检测概率。理论分析及仿真表明,本文提出的检测系统在微小目标检测中,具有很高的实用性。