论文基于多级综合分类器的红外目标检测是适合分类器论文写作的大学硕士及相关本科毕业论文，相关分类器开题报告范文和学术职称论文参考文献下载。
摘 要：文章针对大视场不同尺度的红外目标检测问题,以大视场红外搜索系统为基础,提出了一种基于多级综合分类器的实时红外目标检测算法,实现由粗到精的虚警剔除.在预处理阶段,该算法首先进行尺度放缩变换,在不同的尺度上采用Robinson滤波抑制背景,再将不同尺度的滤波结果在原始尺度上融合；在对图像进行背景抑制的基础上,构造多级串联的综合分类器：在目标的粗检测阶段,采用模糊隶属度融合的分类器剔除大部分虚警；在目标的精细检测阶段,提取候选目标的特征并进行类间特性分析,设计基于Fisher系数加权的综合分类器以实现真实目标的确认与虚警剔除.实验表明,该算法能够有效剔除与真实目标特性相似的虚警干扰,对尺度变化的红外运动目标具有较好的检测效果.
关键词：Robinson滤波；多级综合分类器；模糊隶属度融合；Fisher判据；红外目标检测
中图分类号：TP391.4 文献标识码：A
Infrared Target Detection Based on the Multi-Level Synthesis Classifier
WANG Peizao,WANG Weihua,WANG Haisong,CHEN Zengping
（National University of Defense Technology,Changsha 410073, China）
Abstract：The paper proposes a real-time infrared target detection algorithm based on the multi-level synthetic classifier for the large-field of view infrared search system to achieve false alarm elimination from coarse to fine.In the preprocessing stage,the algorithm firstly tranorms the image sequence into different scales and uses the Robinson filtering to suppress the background,then fuses the filter results on the original scale.Based on the background suppression of the image,the paper constructs the multi-level series of the synthesis classifier.In the target coarse detection phase,it uses the fuzzy membership fusion classifier to remove most of the false alarm.In the target fine detection phase,it extracts the characteristics of the candidate targets and carries out the analysis of the inter-class characteristics to design an integrated classifier based on Fisher coefficient weight to realize the real target recognition and false alarm elimination.The experimental results show that the proposed algorithm can effectively eliminate the false alarm with similar characteristics to the real targets.It has a good detection effect on the moving infrared target changing in scale.
Keywords：Robinson filtering；multi-level synthesis classifier；fuzzy membership fusion；Fisher criterion；infrared target
detection
1 引言（Introduction）
近年來,大视场光电系统的发展为复杂背景下目标的探测提供了解决的途径.与传统的小视场光电搜索系统相比,大视场光电搜索系统的目标检测具有以下难点：图像数据量大,数据率高,背景十分复杂,目标先验信息未知,目标识别的要求高等[1,2].正是由于上述技术难点的存在,使得光电搜索系统目前在复杂战场环境下的应用还存在目标检测概率偏低、虚警概率偏高等问题[3].如何有效地在大视场复杂背景的光电图像中检测识别目标成为限制系统应用迫切需要解决的关键问题.
目前,红外目标的检测方法主要有单帧检测法和多帧检测法.单帧图像的检测方法主要有均值滤波、中值滤波等；多帧图像的检测方法主要有帧间差分法、管道滤波法等[4-6].每种方法都有自己特定的应用背景,比如,帧间差分法主要针对运动目标进行检测[7].本文以实际采集的红外无人机图像序列为例来阐述大视场复杂背景下的目标检测算法.针对无人机背景灰度变化、目标探测距离未知、虚警干扰多等难题,本文提出了一种基于多尺度Robinson滤波和自适应分割的检测算法对图像序列进行分割；在得到分割图像后,我们构造了多级串联的综合分类器来提取真实的目标.首先采用模糊隶属度融合的分类器剔除大部分的虚警干扰；然后对疑似目标的结构特征和灰度统计特征进一步进行类间特征分析,选取表现良好的特征；最后将选取的特征与多帧之间的运动特性相融合,根据每个特征的置信度构建基于Fisher系数加权的综合分类器,实现低空背景下无人机目标的有效检测.算法流程图如图1所示.
总结:该文是关于分类器论文范文，为你的论文写作提供相关论文资料参考。
参考文献：
1、 一种小色差瓷砖颜色自动分类器设计 摘 要：研究小色差含纹理图像的在线检测方法，通过描述颜色组成和表达，确定颜色检测手段；分析大幅面、小色差检测对象在图像采集中的难点，建立适合企业。
2、 改进PSO—BP神经网络分类器设计 摘 要：针对BP神经网络的缺陷容易导致分类器精度低的问题，给出了改进粒子群算法。该算法在标准粒子群算法中融入混沌优化算法、动态惯性权重和动态学习。
3、 基于多种分类器组合森林类型信息提取技术 摘 要：遥感图像分类是遥感应用系统中的关键技术，提高遥感图像的分类精度是发展遥感技术重点，采用多分类器组合的算法对黑龙江塔河县森林类型进行分类。。
4、 大差异数据冲击下的网络路由分类器的设计和实现 摘 要： 针对大差异数据冲击下路由器存在路径选择误差大的问题，设计大差异数据冲击下的网络路由分类器，其主要由FPGA开发板、模 数采集器和数字信。
5、 基于改进高斯混合模型的体育视频运动目标检测和跟踪 摘 要： 针对当前体育视频运动目标检测存在的弊端，提出改进高斯混合模型的体育视频运动目标检测与跟踪方法。通过分析高斯混合模型的弊端，保留原有的“。
6、 京津冀房地产投资环境综合评价和分类评析 摘要：房地产投资环境是一个由诸多因素共同构成的复杂系统，良好的投资环境是房地产业健康持续发展的基础和前提。从宏观经济、基础设施、房地产市场、社会。