文献

J-GLOBAL ID：201702264719741628   整理番号：17A1262826

赤外小ターゲット検出のための多重特徴解析【Powered by NICT】

Multiple Feature Analysis for Infrared Small Target Detection

著者 (4件)： Bi Yanguang (Image Processing Center, Beijing University of Aeronautics and Astronautics, Beijing, China) ,  Bai Xiangzhi (Image Processing Center, Beijing University of Aeronautics and Astronautics, Beijing, China) ,  Jin Ting (Beijing Institute of Spacecraft System Engineering, Beijing, China) ,  Guo Sheng (Image Processing Center, Beijing University of Aeronautics and Astronautics, Beijing, China)
資料名： IEEE Geoscience and Remote Sensing Letters  (IEEE Geoscience and Remote Sensing Letters)
巻： 14  号： 8  ページ： 1333-1337  発行年： 2017年 
JST資料番号： W1397A  ISSN： 1545-598X  CODEN： IGRSBY  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 小ターゲットの検出は,赤外システムにおける重要かつ挑戦的作業であった。単一計量を用いてのみほとんど検出アルゴリズムは完全にクラッタからターゲットを分離することは困難である。は複雑な背景が存在する際の偽警報が高い可能性がある。本論文では,複雑な記述を確立するための四つの側面から提案する複数の新しい特徴。それぞれの特徴は小標的の特異的特性を反映している。最良特徴ベクトルを検出のためのこれらの特徴を適用した。学習ベース分類器は,初期セグメンテーションにより得られた候補標的をスクリーニングするために訓練した。実験結果は,提案した特徴は効果的に種々のクラッタからの小ターゲットを識別できたことを示した。良好な検出性能は異なる赤外背景における他の方法と比較して達成される。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 学習 ,  クラッタ ,  *多重化 ,  警報 ,  セグメンテーション
準シソーラス用語： 検出能 ,  特徴ベクトル ,  検出アルゴリズム ,  *特徴解析 ,  *ターゲット検出 , 【Automatic Indexing@JST】

分類 (1件)： レーダ  (ND13010H)

タイトルに関連する用語 (4件)： 赤外 ,  ターゲット検出 ,  多重 ,  特徴解析