## 留言板

 引用本文: 胡谋法, 陈曾平. 基于Zernike-Facet模型和总体最小二乘的弱小目标检测[J]. 电子与信息学报, 2008, 30(1): 194-197.
Hu Mou-fa, Chen Zeng-ping. New Small Target Detection Algorithm via Zernike-Facet Model and the Total Least Squares[J]. Journal of Electronics and Information Technology, 2008, 30(1): 194-197. doi: 10.3724/SP.J.1146.2006.00794
 Citation: Hu Mou-fa, Chen Zeng-ping. New Small Target Detection Algorithm via Zernike-Facet Model and the Total Least Squares[J]. Journal of Electronics and Information Technology, 2008, 30(1): 194-197.

## New Small Target Detection Algorithm via Zernike-Facet Model and the Total Least Squares

• 摘要: 弱小目标一般是图像局部区域的极值点。针对这个特点，依据二元三次函数的极值理论，该文提出了一种新的弱小目标候选点的检测方法。发展了一种新的图像局部灰度拟合模型，即Zernike-facet模型，模型参数的求解采用比最小二乘(LS)抗噪能力更强的总体最小二乘(TLS)算法。新检测方法通过Zernike-facet模型和TLS对原始图像中每一个像素的局部区域进行曲面拟合，然后在拟合曲面上提取极值点作为目标候选点。仿真表明，新方法在抑制噪声上优于其他常用方法。可见光/红外图像小目标检测实验也证实了新方法的有效性。
•  [1] 李智勇, 沈振康, 杨卫平,等. 动态图像分析[M]. 北京: 国防工业出版社, 1999: 第7章.[2]Haralick R M. Digital step edges from zero crossing of second directional derivatives [J].IEEE Trans. on Pattern Anal. Mach. Intell..1984, PAMI 6(1):58-68[3]Ji Qiang and Haralick R M. Efficient facet edge detection and quantitative performance evaluation [J].Pattern Recognition.2002, 35(3):689-700[4]Zheng Sheng, Tian Yulong, and Tian Jinwen, et al.. Facet- based star acquisition method [J].Opt. Eng.2004, 43(11):2796-2805[5]Eom K B. Robust facet model for application to speckle noise removal [J].Proceeding of 17th International Conference on Pattern Recognition (ICPR04) [C], Cambridge UK.2004, vol 2:695-698[6]Van Weijer J and Van den Boomgaard R. Least squares and robust estimation of local image structure [J].International Journal of Computer Vision.2005, 64 (2/3):143-155[7]Roddier N. Atmospheric wavefront simulation using Zernike polynomials [J].Opt. Eng.1990, 29(19):1174-1179[8]Noll R J. Zernike polynomials and atmospheric turbulence[J].. J. Opt. Soc. Am. A.1976, 66(3):207-211[9]Golub G H and Van Loan C F. An analysis of the total least squares problem [J].SIAM J. Num. Analysis.1980, 17(6):883-893[10]邹谋炎. 反卷积和信号复原[M]. 北京: 国防工业出版社, 2003,第3章.
•  [1] 刘政怡, 刘俊雷, 赵鹏.  基于样本选择的RGBD图像协同显著目标检测, 电子与信息学报. doi: 10.11999/JEIT190393 [2] 赵海全, 李磊.  一种抗冲击噪声的对数总体最小二乘自适应滤波算法, 电子与信息学报. doi: 10.11999/JEIT200344 [3] 黄勇, 刘芳.  基于模糊语义的高分辨率SAR图像汽车检测算法, 电子与信息学报. doi: 10.11999/JEIT160650 [4] 文伟, 曹雪菲, 张学峰, 陈渤, 王英华, 刘宏伟.  一种基于多极化散射机理的极化SAR图像舰船目标检测方法, 电子与信息学报. doi: 10.11999/JEIT160204 [5] 王宝艳, 张铁, 王新刚.  基于带汇点Laplace扩散模型的显著目标检测, 电子与信息学报. doi: 10.11999/JEIT161296 [6] 毕严先, 魏少明, 王俊, 毛士艺.  基于最小二乘估计的InISAR空间目标三维成像方法, 电子与信息学报. doi: 10.11999/JEIT151000 [7] 杜兰, 刘彬, 王燕, 刘宏伟, 代慧.  基于卷积神经网络的SAR图像目标检测算法, 电子与信息学报. doi: 10.11999/JEIT161032 [8] 黄敏, 李兵兵.  基于整体最小二乘的联合信道估计及OFDM信号检测算法, 电子与信息学报. doi: 10.3724/SP.J.1146.2013.01327 [9] 郑作虎, 王首勇.  基于Alpha稳定分布杂波模型的雷达目标检测方法, 电子与信息学报. doi: 10.3724/SP.J.1146.2014.00072 [10] 曲付勇, 孟祥伟.  基于约束总体最小二乘方法的到达时差到达频差无源定位算法, 电子与信息学报. doi: 10.3724/SP.J.1146.2013.01019 [11] 冯卫东, 孙显, 王宏琦.  基于空间语义模型的高分辨率遥感图像目标检测方法, 电子与信息学报. doi: 10.3724/SP.J.1146.2013.00033 [12] 李小燕, 和红杰, 尹忠科, 陈帆.  基于加权Boosting的核偏最小二乘图像超分辨率重建, 电子与信息学报. doi: 10.3724/SP.J.1146.2011.01191 [13] 李海, 吴仁彪, 王小寒.  基于非线性最小二乘的空中机动目标检测方法, 电子与信息学报. doi: 10.3724/SP.J.1146.2012.00220 [14] 赵菲, 卢焕章, 张志勇.  自适应双极性红外舰船目标分割算法, 电子与信息学报. doi: 10.3724/SP.J.1146.2012.00460 [15] 郑岱堃, 王首勇, 杨军, 杜鹏飞.  一种基于二阶Markov目标状态模型的多帧关联动态规划检测前跟踪算法, 电子与信息学报. doi: 10.3724/SP.J.1146.2011.00687 [16] 潘泓, 李晓兵, 金立左, 夏良正.  一种基于二值粒子群优化和支持向量机的目标检测算法, 电子与信息学报. doi: 10.3724/SP.J.1146.2010.00260 [17] 张辉, 王建国.  基于目标检测的SAR图像匹配算法, 电子与信息学报. doi: 10.3724/SP.J.1146.2007.00920 [18] 肖慧, 胡卫东, 郁文贤.  基于二次混频DPT的LFMCW雷达多目标检测和参数估计, 电子与信息学报. doi: 10.3724/SP.J.1146.2007.00946 [19] 宋骊平, 姬红兵, 高新波.  多站测角的机动目标最小二乘自适应跟踪算法, 电子与信息学报. [20] 石星, 戴庆芬, 李乐民.  应用预测最小二乘准则的AR模型判阶方法, 电子与信息学报.
• 点击查看大图
##### 计量
• 文章访问数:  2813
• HTML全文浏览量:  22
• PDF下载量:  1102
• 被引次数: 0
##### 出版历程
• 收稿日期:  2006-06-06
• 修回日期:  2006-11-20
• 刊出日期:  2008-01-19

### 目录

/

• 分享
• 用微信扫码二维码

分享至好友和朋友圈

官方微信，欢迎关注