线性模型参数M估计的线性表示

本文在非凸的情况下,研究了线性回归参数的M估计的强、弱线性表示。所得余项估计的阶或阶的主部是确切的。作为应用,导出了M估计的收敛速度、重对数律及Berry-Esseen型界限。

基于非平稳背景下的红外小目标检测

针对非平稳复杂背景下单帧图像的红外小目标检测概率较低的问题,该文提出了一种基于当前残差的改进M估计的红外背景预测和抑制算法。该算法利用M估计的基本模型预测背景,将目标像素和观测噪声视为背景估计的混合干扰,提出与背景图像残差相关的校正函数c(ε)自适应地调整估计增益,从而减小异常样本对背景估计的影响,提高了估计的准确性。同时引入遗忘因子α使算法能够适应于非均匀复杂背景的估计,提高了算法的鲁棒性。多组红外图像实验表明:所提算法不仅能够在非平稳背景下有效地估计背景,还能在滤除背景的同时最大程度地保留目标像素的信息,提高了目标的检测概率。