《表3 算法性能对比Tab.3 Comparison of algorithms′performance》
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。
图表编号 | XD0034309300 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.25 |
作者 | 曹文焕、黄树彩、赵炜、黄达 |
绘制单位 | 空军工程大学防空反导学院、空军工程大学防空反导学院、空军工程大学防空反导学院、空军工程大学防空反导学院 |
更多格式 | 高清、无水印(增值服务) |