非均匀噪声环境下的滑窗式恒虚警检测器

刘贵如, 王陆林, 汪军, 强俊, 邹姗

刘贵如, 王陆林, 汪军, 强俊, 邹姗. 非均匀噪声环境下的滑窗式恒虚警检测器[J]. 红外技术, 2017, 39(3): 237-242.
引用本文: 刘贵如, 王陆林, 汪军, 强俊, 邹姗. 非均匀噪声环境下的滑窗式恒虚警检测器[J]. 红外技术, 2017, 39(3): 237-242.
LIU Guiru, WANG Lulin, WANG Jun, QIANG Jun, ZOU Shan. Sliding Window CFAR Detector in Non-homogenous Environments[J]. Infrared Technology , 2017, 39(3): 237-242.
Citation: LIU Guiru, WANG Lulin, WANG Jun, QIANG Jun, ZOU Shan. Sliding Window CFAR Detector in Non-homogenous Environments[J]. Infrared Technology , 2017, 39(3): 237-242.

非均匀噪声环境下的滑窗式恒虚警检测器

基金项目: 国家自然科学基金资助项目(91120307)%安徽省自然科学基金项目(KZ00215072)
详细信息
  • 中图分类号: TN957.51

Sliding Window CFAR Detector in Non-homogenous Environments

  • 摘要: 为了解决传统目标检测算法在非均匀噪声环境下检测性能严重下降的问题,提出了一种自由滑窗式恒虚警检测算法,在被检测单元两侧各取N-1个参考单元作为初始自由参考窗,然后从左向右依次滑动N次,得到N个滑窗,根据滑窗噪声功率的平均值与被检测参考单元功率值的比较结果,选择相应的滑窗噪声功率平均值集合取均值,再乘以参数因子T得到比较门限阈值S,根据被检测单元的功率与S进行比较,确定是否为有效目标.经过与其他算法进行仿真对比,该算法具有最优的检测性能,检测率98.93%,误检率2.28%,并成功应用于车辆开门预警系统,经测试,预警率大于98.10%,虚警率小于2.80%.结果表明,该算法提高了非均匀噪声环境下目标的检测概率,具有良好的检测性能.
  • 期刊类型引用(9)

    1. 白皓,白廷柱. 基于深度残差神经网络的红外图像超分辨率重构算法. 红外技术. 2024(02): 176-182 . 本站查看
    2. 上官小雨,于跃波. 视觉传达的多帧平面图像纹理细节增强算法. 吉林大学学报(信息科学版). 2023(02): 359-366 . 百度学术
    3. 赵利芬,常晓通. SAR图像增强的建筑基坑底面下沉风险监测仿真. 计算机仿真. 2023(09): 291-295 . 百度学术
    4. 胡德敏,闵天悦. 改进型轻量级GAN的红外图像超分辨率方法. 小型微型计算机系统. 2022(08): 1711-1717 . 百度学术
    5. 仲崇丽,刘华. 改进卷积神经网络的热红外成像人脸识别. 激光杂志. 2022(12): 117-121 . 百度学术
    6. 马龙祥,杨浩,宋婷婷. 基于数据上采样的医学图像分割研究. 电子设计工程. 2021(05): 7-11 . 百度学术
    7. 左岑,杨秀杰,张捷,王璇. 基于轻量级金字塔密集残差网络的红外图像超分辨增强. 红外技术. 2021(03): 251-257 . 本站查看
    8. 李萍,刘以安,徐安林. 基于多尺度耦合的密集残差网络红外图像增强. 电子测量与仪器学报. 2021(07): 148-155 . 百度学术
    9. 史永祥,蒋斌,黄雍晫,杨桂生,李庆武,张志良. 基于深度学习的红外图像超分辨率重建. 应用科技. 2020(04): 8-13 . 百度学术

    其他类型引用(11)

计量
  • 文章访问数:  170
  • HTML全文浏览量:  19
  • PDF下载量:  9
  • 被引次数: 20
出版历程

目录

    /

    返回文章
    返回