《表3 算法性能对比Tab.3 Comparison of algorithms′performance》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《二维非重构压缩感知自适应目标检测算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

采用参考文献[4]所提2D IAA算法和参考文献[5]所提2D SL0算法对压缩差分图像进行重构，然后进行目标检测。为达到更好的检测结果，经过多次实验，设定2D IAA算法中LL=10，Ite=500，2D SL0算法中L=3。图5（b）、图6（b）为2D IAA算法对压缩差分图像进行重构，图5（e）、图6（e）为目标检测结果。图5（c）、图6（c）为2D SL0算法对压缩差分图像进行重构，图5（f）、图6（f）为目标检测结果。将这两种算法与文中所提2D NRAT算法进行比较，为了减小随机误差，各算法分别进行50次实验求取平均值，如表3所示。可以看出在单目标和多目标的情况下，2D NRAT算法在运算时间、虚警率和检测率等方面都有明显优势。2D SL0和2D IAA算法由于在重构过程中需要多次迭代寻优，所以需要更多的时间，而2D NRAT算法无需重构，直接将压缩差分图像映射至空间域，从而使效率更高。同时2D NRAT算法采用的自适应阈值检测方法能有效滤除虚警点，提高检测概率。