Издательство СО РАН

Издательство СО РАН

Адрес Издательства СО РАН: Россия, 630090, а/я 187
Новосибирск, Морской пр., 2

soran2.gif

Baner_Nauka_Sibiri.jpg


Яндекс.Метрика

Array
(
    [SESS_AUTH] => Array
        (
            [POLICY] => Array
                (
                    [SESSION_TIMEOUT] => 24
                    [SESSION_IP_MASK] => 0.0.0.0
                    [MAX_STORE_NUM] => 10
                    [STORE_IP_MASK] => 0.0.0.0
                    [STORE_TIMEOUT] => 525600
                    [CHECKWORD_TIMEOUT] => 525600
                    [PASSWORD_LENGTH] => 6
                    [PASSWORD_UPPERCASE] => N
                    [PASSWORD_LOWERCASE] => N
                    [PASSWORD_DIGITS] => N
                    [PASSWORD_PUNCTUATION] => N
                    [LOGIN_ATTEMPTS] => 0
                    [PASSWORD_REQUIREMENTS] => Пароль должен быть не менее 6 символов длиной.
                )

        )

    [SESS_IP] => 18.118.226.167
    [SESS_TIME] => 1732186135
    [BX_SESSION_SIGN] => 9b3eeb12a31176bf2731c6c072271eb6
    [fixed_session_id] => df967a142c0b67632c9e62c45f3703e3
    [UNIQUE_KEY] => d937b48cf675f2b07152654ba80a8db2
    [BX_LOGIN_NEED_CAPTCHA_LOGIN] => Array
        (
            [LOGIN] => 
            [POLICY_ATTEMPTS] => 0
        )

    [SESS_OPERATIONS] => Array
        (
        )

)

Поиск по журналу

Автометрия

2010 год, номер 1

ОПТИМАЛЬНОЕ ПО КРИТЕРИЮ МИНИМУМА ОБЪЕДИНЕННЫХ ПОТЕРЬ РАЗЛИЧЕНИЕ СЛУЧАЙНЫХ СИГНАЛОВ И ИМПУЛЬСНЫХ ПОМЕХ НА ИЗОБРАЖЕНИЯХ

Е. А. Самойлин
Ростовский военный институт ракетных войск им. Главного маршала артиллерии М. И. Неделина,
sea@rsu.ru
Ключевые слова: оптимальное различение, сигналы изображения, импульсные помехи, объединенные потери
Страницы: 12-22

Аннотация

Предложен алгоритм различения случайных сигналов изображений и негауссовских импульсных помех с равномерным яркостным распределением, основанный на новом критерии оптимальности, объединяющем минимизацию взвешенных безусловных вероятностей ошибочных решений первого и второго рода и максимизацию вероятностей принятия правильных решений. Представлены результаты численных исследований предлагаемого и известного байесовского алгоритмов, показывающие снижение ошибок различения при использовании первого алгоритма в условиях полной априорной неопределенности распределения сигналов изображений.