發(fā)布時(shí)間：2018-05-14 06:26

  本文選題：成像系統(tǒng) + 量子行為粒子群優(yōu)化算法　； 參考：《激光與光電子學(xué)進(jìn)展》2017年11期

【摘要】：為了提高紅外弱小目標(biāo)的檢測(cè)效果,提出了一種改進(jìn)粒子群算法。首先基于高斯分布吸引因子對(duì)量子行為粒子群算法進(jìn)行優(yōu)化,通過(guò)logistic混沌對(duì)粒子群映射尋優(yōu),避免了進(jìn)化后期陷入局部最優(yōu);接著利用粒子群平均歐氏距離確定的多樣性來(lái)保證后期混沌量子行為粒子群優(yōu)化算法的可靠進(jìn)行;最后在最小均方差準(zhǔn)則下對(duì)紅外弱小目標(biāo)進(jìn)行檢測(cè),修正預(yù)測(cè)權(quán)值,保證檢測(cè)的有效性。實(shí)驗(yàn)仿真結(jié)果表明,本文算法對(duì)紅外弱小目標(biāo)的檢測(cè)效果清晰,信噪比最大,算法的檢測(cè)概率和虛警概率較好。
[Abstract]:In order to improve the detection effect of infrared dim targets, an improved particle swarm optimization (PSO) algorithm is proposed. Firstly, the quantum behavior particle swarm optimization algorithm is optimized based on the Gao Si distribution attraction factor, and the particle swarm map is optimized by logistic chaos, which avoids the late evolution into local optimization. Then the diversity of the average Euclidean distance is used to ensure the reliability of the late chaotic quantum behavior particle swarm optimization algorithm. Finally, the infrared small and weak targets are detected under the minimum mean square error criterion, and the prediction weights are revised. Ensure the effectiveness of the test. The experimental results show that the algorithm has a clear effect on infrared dim and small target detection, the signal-to-noise ratio (SNR) is the largest, and the detection probability and false alarm probability of the algorithm are better.
【作者單位】： 永城職業(yè)學(xué)院電子信息工程系;
【基金】：河南省教育廳青年項(xiàng)目(2015-QN-1557)
【分類號(hào)】：TN21;TP18

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王榮愛;;紅外弱小目標(biāo)的識(shí)別方法[J];光學(xué)技術(shù);2006年S1期

2 袁德明;;預(yù)檢測(cè)紅外弱小目標(biāo)的灰度迭代法(英文)[J];科學(xué)技術(shù)與工程;2007年19期

3 劉文;劉朝暉;熊仁生;;一種利用窗口結(jié)構(gòu)提取紅外弱小目標(biāo)的方法[J];光子學(xué)報(bào);2008年03期

4 萬(wàn)明;張鳳鳴;雷洪利;禚真福;;一種利用十字窗口識(shí)別紅外弱小目標(biāo)的新方法[J];光子學(xué)報(bào);2011年05期

5 王雪梅;黃自力;王德勝;;紅外弱小目標(biāo)的單幀捕獲[J];紅外與激光工程;2006年S1期

6 任彪;周浩;馬東輝;鄧潘;;一種基于粒子濾波的紅外弱小目標(biāo)跟蹤方法[J];光電技術(shù)應(yīng)用;2008年02期

7 侯曉暉;胡方明;;基于紅外弱小目標(biāo)門限閾值檢測(cè)的新方法[J];激光與紅外;2008年04期

8 李翠蕓;姬紅兵;;新遺傳粒子濾波的紅外弱小目標(biāo)跟蹤與檢測(cè)[J];西安電子科技大學(xué)學(xué)報(bào);2009年04期

9 武斌;姬紅兵;;基于模糊融合的紅外弱小目標(biāo)快速檢測(cè)算法[J];光電工程;2007年12期

10 余鴻銘;萬(wàn)敏;顧靜良;;數(shù)字信號(hào)處理器紅外弱小目標(biāo)搜索算法[J];強(qiáng)激光與粒子束;2012年08期

相關(guān)會(huì)議論文 前2條

1 王雪梅;黃自力;王德勝;;紅外弱小目標(biāo)的單幀捕獲[A];2006年全國(guó)光電技術(shù)學(xué)術(shù)交流會(huì)會(huì)議文集（A 光電系統(tǒng)總體技術(shù)專題）[C];2006年

2 黃倩;金偉其;夏潤(rùn)秋;王霞;馮亮;彭云糧;;基于人眼時(shí)限模型的紅外弱小目標(biāo)探測(cè)實(shí)驗(yàn)及其分析[A];中國(guó)光學(xué)學(xué)會(huì)2010年光學(xué)大會(huì)論文集[C];2010年

相關(guān)博士學(xué)位論文 前4條

1 武斌;紅外弱小目標(biāo)檢測(cè)技術(shù)研究[D];西安電子科技大學(xué);2009年

2 胡永生;復(fù)雜背景中紅外弱小目標(biāo)探測(cè)方法研究[D];南京理工大學(xué);2008年

3 汲清波;紅外序列圖像中弱小目標(biāo)檢測(cè)方法研究[D];哈爾濱工程大學(xué);2008年

4 楊擴(kuò)軍;TIADC系統(tǒng)校準(zhǔn)算法研究與實(shí)現(xiàn)[D];電子科技大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 代偉;紅外弱小目標(biāo)的檢測(cè)與識(shí)別[D];浙江大學(xué);2008年

2 楊會(huì)民;紅外弱小目標(biāo)的檢測(cè)與跟蹤算法研究[D];哈爾濱理工大學(xué);2014年

3 王傘;紅外弱小目標(biāo)檢測(cè)技術(shù)研究[D];哈爾濱工程大學(xué);2005年

4 龍波;天空背景下紅外弱小目標(biāo)的檢測(cè)與跟蹤算法研究[D];電子科技大學(xué);2010年

5 劉彥;紅外弱小目標(biāo)檢測(cè)技術(shù)研究[D];西北工業(yè)大學(xué);2006年

6 史凌峰;紅外弱小目標(biāo)檢測(cè)方法研究[D];西安電子科技大學(xué);2003年

7 李義;海天背景下的空中紅外弱小目標(biāo)檢測(cè)技術(shù)研究[D];山東大學(xué);2012年

8 顧大曄;弱小目標(biāo)紅外圖像的盲元處理算法研究[D];西安電子科技大學(xué);2012年

9 陳湘憑;基于多特征融合的海天背景紅外弱小目標(biāo)檢測(cè)方法研究[D];華中科技大學(xué);2006年

10 占紅來(lái);紅外弱小目標(biāo)搜索跟蹤算法研究[D];中國(guó)工程物理研究院;2013年

，

本文編號(hào)：1886704