基于水下动目标LFM回波检测的累积归一化算法

水下声信号处理中通常采用匹配滤波器作为线性调频回波的最优检测器,并且根据匹配滤波器输出的峰值位置估计目标距离,但对于径向速度未知的动目标线性调频回波信号,多普勒频偏造成的回波和样本失配将导致匹配滤波器检测性能下降。在Dechirp算法基础上提出了可以用于混响噪声背景下动目标线性调频回波检测的累积归一化算法,仿真测试表明,该算法在混响噪声背景下具有良好的检测性能,并且根据判决向量的峰值位置可以估计目标径向速度。     

基于DFRFT水下动目标LFM回波检测算法

匹配滤波器作为高斯白噪声背景下线性调频信号的最优检测器,在水下声信号处理中得到了广泛的应用。根据匹配滤波器输出峰值位置可以获得目标距离的估计,但运动目标径向速度造成的回波和样本失配将导致匹配滤波器检测性能下降。利用分数阶傅里叶变换对线性调频信号的聚焦特性,提出了应用离散分数阶傅里叶变换的水下运动目标线性调频回波检测算法。仿真测试表明,该算法对于混响噪声背景下径向速度未知动目标的线性调频回波具有良好的检测性能。     

面向目标检测的稀疏表示方法研究进展

目标检测作为图像理解的一个基础而重要的课题深受国内外学者的重视,在军事和民用中具有广泛应用.应用背景的多样性和复杂性使得传统目标检测算法难以克服复杂背景、噪声干扰、光照变化以及非刚体形变、遮挡、弱特征、尺度、视角和姿态变化等因素的影响.近些年来发展起来的稀疏表示方法为图像处理及目标检测研究提供了新的思路,本文概述了稀疏表示基本概念和理论研究进展,综述了稀疏表示方法在目标特征学习、目标分类器和滤波器设计以及多源信息融合目标检测等目标检测领域中的国内外重要研究进展,并展望了稀疏表示方法在目标检测领域的发展方向.     

采用多扫描自适应预测的红外弱目标检测

提出了一种多扫描预平滑RLS自适应算法用于增强红外成像数据中的弱目标检测.感兴趣的目标被假设为只有极小的空域扩展度,而且淹没于强背景杂波干扰中.通过RLS自适应滤波器,背景杂波分量被准确地预测并从输入信号中去除,从而只剩下目标信号与残留噪声.在全空域非平稳数据中应用多扫描机制可以增强算法对非平稳杂波的跟踪性能;而将原始图像数据经过预平滑处理后作为自适应滤波器的输入,则能够减少由于目标灰度扩展带来的背景预测失准.对真实图像数据的仿真表明该算法的性能明显优于其它几种传统方法.     

基于改进LMS加BP神经网络的二相码旁瓣抑制

研究了BP神经网络在二相码旁瓣抑制中的应用,采用自适应学习速率梯度下降算法对网络进行训练,为了提高网络的抗噪声及多目标背景下的检测性能,训练的样本向量选取理想样本结合含噪声样本混合模式。此外,在将接收到的回波信号送入网络前,使其通过改进的自适应滤波器,以提高输入的信噪比。实验表明,对127位M码调相的不加噪声单目标回波,该算法能够使脉压输出的主旁瓣比达到60dB以上,并且在多目标及噪声环境下具有较好的性能。     

二维频域内的运动目标检测方法

传统频域内的运动目标检测算法通常需要设计三维时空滤波器组来实现，存在待选参数多、滤波器设计难度大等问题。文中提出了一种二维频域内的运动目标检测方法，通过对动态图像的行列分解，将三维频域内的运动检测问题转化到两组二维频域内进行，从而降低了滤波器设计的难度。给出了一种提取主运动能量的自适应滤波算法，通过剔除背景和噪声的频率成分，有效地检测出运动目标。仿真结果表明，该方法可有效降低背景配准误差和噪声的影响。     

复杂背景下红外点目标的检测

在分析红外点目标、噪声及杂波模型的基础上,提出了基于二次滤波的复杂背景下红外点目标的检测算法,该算法由二阶滤波器组成。根据点目标的模型特点,通过选择合适的高通滤波器,可有效地增强信噪比、抑制噪声。实验结果表明该算法效果良好。     

基于匹配滤波和离散分数阶傅里叶变换的水下动目标LFM回波联合检测

匹配滤波器是高斯白噪声背景下LFM回波的最优检测器,并且根据匹配滤波器输出的峰值位置可以获得目标距离的估计.有色混响噪声背景以及目标径向速度造成的回波和样本失配都将导致匹配滤波器检测性能和测距精度下降.结合匹配滤波的定位特性和分数阶傅里叶变换对LFM信号的聚焦特性,该文提出基于匹配滤波和离散分数阶傅里叶变换的联合检测方法.仿真结果表明联合检测方法性能优于单匹配滤波器,并且可以获得目标径向速度的近似估计.     

基于双核判决的红外小目标检测方法

复杂背景下红外小目标检测与跟踪是红外目标探测系统的核心技术之一。为了准确检测与跟踪空中多个小目标,针对复杂背景下单帧检测虚警率偏高,导致帧间检测计算量大的问题,提出了一种基于双核判决的小目标检测算法。首先根据目标、背景及噪声的不同灰度特性,利用Robinson滤波器结构,设定背景区域和小目标区域,更为真实的表现背景与小目标的区域分布;然后计算外核目标与背景在四个方向上的对比度及内核目标区域内的相似度,若双核度量同时达到设定阈值条件,则判定为真实目标点,这样消除背景边缘及噪声的影响,减少目标检测虚警。实测数据表明,与传统的高通滤波法、Top-hat算法相比,该算法能在单帧检测上更有效检测出小目标,抑制背景边缘和噪声点,提高抗噪能力,降低虚警率,增强帧间目标的检测识别率,能大大减少序列图像间目标检测与跟踪的计算量。     

引航员登离船人体姿态算法研究与实现

在引航员登离船过程中，单一采取加速度阈值判断方法不能完整表征引航员登离船过程上升下降的信息，导致对登离船信息造成误判.为此，提出一种基于人体姿态的双重信号滤波的引航员登离船监测算法.采集姿态传感器节点引航员姿态数据，进行卡尔曼滤波滤除部分测量噪声，估计出人体姿态状态；构造软件数字低通滤波器滤除重力加速度的影响；构建FIR滤波器滤除所需线性加速度中的噪声，并检测引航员登离船过程中的姿态信息；最终与攀爬防护装置进行联动配合实现.实验结果表明：该检测方法实现了引航员登离船姿态判断，降低了姿态判断的误操作率，能够较好地区分其他误动作.     

Visual object tracking via online sparse instance learning

Sparse representation has been attracting much more attention in visual tracking. However most sparse representation based trackers only focus on how to model the target appearance and do not consider the learning of sparse representation when the training samples are imprecise, and hence may drift or fail in the challenging scene. In this paper, we present a novel online tracking algorithm. The tracker integrates the online multiple instance learning into the recent sparse representation scheme. For tracking, the integrated sparse representation combining texture, intensity and local spatial information is proposed to model the target. This representation takes both occlusion and appearance change into account. Then, an efficient online learning approach is proposed to select the most distinguishable features to separate the target from the background samples. In addition, the sparse representation is dynamically updated online with respect to the current context. Both qualitative and quantitative evaluations on challenging benchmark video sequences demonstrate that the proposed tracking algorithm performs favorably against several state-of-the-art methods.     

基于视觉对比度分辨率的红外图像增强算法

针对传统红外图像增强方法存在增强后目标边缘模糊及背景噪声过增强的缺陷,结合人眼视觉特性,提出了基于视觉对比度分辨率的非线性变换算法。该算法根据人类视觉在不同背景灰度下分辨目标的能力不同,自适应调整灰度变换曲线,使目标映射到人眼分辨的敏感区域,同时使背景噪声映射到人眼分辨的不敏感区域。经测试表明:提出的算法与传统算法相比更易突出红外图像目标的细节信息及其边缘轮廓,峰值信噪比提高近1倍,对比度增益提高近0.5倍。     

基于非线性抗噪声估计的视觉显著性弱小目标检测

针对红外图像处理技术中弱小目标检测的重要性及关键性,提出一种基于非线性抗噪声估计的检测算法来解决高可靠性、高鲁棒性的弱小目标检测问题。提出的方法基于传统视觉显著度算法及空间距离处理方法,对目标及背景区域采用非线性加权方法进行估计,在不显著降低目标信号信噪比的基础上,削弱孤立微小噪声点对检测算法性能的影响,可提高抗噪性能。首先,采用模块化及非线性映射方式预测背景;然后,融入距离相关因子滤除噪声干扰;最后,在处理结束的图像上进行二值化阈值分割,自动检测并向下一级处理软件输出目标位置信息。实验结果表明:提出的算法与近年来先进的弱小目标检测算法相比,在受试者测试曲线上,在相同的虚警率下,可获得更高的检测率,对背景噪声的抑制很明显;在局部信噪比及背景抑制因子的测试比对数据上,提出的算法可获得更高的检测指标。缺点是算法采用了非线性处理技术,运算效率较低,需进一步优化算法以提高计算速度,实现算法的实时目标检测。     

基于非平稳背景下的红外小目标检测

针对非平稳复杂背景下单帧图像的红外小目标检测概率较低的问题,该文提出了一种基于当前残差的改进M估计的红外背景预测和抑制算法。该算法利用M估计的基本模型预测背景,将目标像素和观测噪声视为背景估计的混合干扰,提出与背景图像残差相关的校正函数c()自适应地调整估计增益,从而减小异常样本对背景估计的影响,提高了估计的准确性。同时引入遗忘因子使算法能够适应于非均匀复杂背景的估计,提高了算法的鲁棒性。多组红外图像实验表明:所提算法不仅能够在非平稳背景下有效地估计背景,还能在滤除背景的同时最大程度地保留目标像素的信息,提高了目标的检测概率。     

基于核空间二次相关滤波的红外目标检测

子空间二次综合判别函数(SSQSDF)是一种性能良好的二次相关滤波器,为了更好地对复杂场景中红外目标进行检测,提出了把SSQSDF扩展到高维空间用于红外目标检测的核二次相关检测算法(KSSQSDF).算法主要通过选取适当核函数得到训练样本核矩阵,然后利用核函数性质把SSQSDF转换为以核矩阵表示形式的矩阵方程,最后求解方程获得KSSQSDF算法表达式.KSSQSDF形式简单,能较强抑制目标背景噪声干扰,提高目标检测精度.在真实场景下通过实验验证了KSSQSDF与SSQSDF相比在检测性能上具有优越性.     

An optimized CNN-based quality assessment model for screen content image

Most existing convolutional neural network (CNN) based models designed for natural image quality assessment (IQA) employ image patches as training samples for data augmentation, and obtain final quality score by averaging all predicted scores of image patches. This brings two problems when applying these methods for screen content image (SCI) quality assessment. Firstly, SCI contains more complex content compared to natural image. As a result, qualities of SCI patches are different, and the subjective differential mean opinion score (DMOS) is not appropriate as qualities of all image patches. Secondly, the average score of image patches does not represent the quality of entire SCI since the human visual system (HVS) is sensitive to image patches containing texture and edge information. In this paper, we propose a novel quadratic optimized model based on the deep convolutional neural network (QODCNN) for full-reference (FR) and no-reference (NR) SCI quality assessment to overcome these two problems. The contribution of our algorithm can be concluded as follows: 1) Considering the characteristics of SCIs, a valid network architecture is designed for both NR and FR visual quality evaluation of SCIs, which makes the networks learn the feature differences for FR-IQA; 2) with the consideration of correlation between local quality and DMOS, a training data selection method is proposed to fine-tune the pre-trained model with valid SCI patches; 3) an adaptive pooling approach is employed to fuse patch quality to obtain image quality, owns strong noise robust and effects on both FR and NR IQA. Experimental results verify that our model outperforms both current no-reference and full-reference image quality assessment methods on the benchmark screen content image quality assessment database (SIQAD). Cross-database evaluation shows high generalization ability and high effectiveness of our model.     

基于在线判别式字典学习的鲁棒视觉跟踪

现有子空间跟踪方法较好地解决了目标表观变化和遮挡问题,但是它对复杂背景下目标跟踪的鲁棒性较差。针对此问题,该文首先提出一种基于Fisher准则的在线判别式字典学习模型,利用块坐标下降和替换操作设计了该模型的在线学习算法用于视觉跟踪模板更新。其次,定义候选目标编码系数与目标样本编码系数均值之间的距离为系数误差,提出以候选目标的重构误差与系数误差的组合作为粒子滤波的观测似然跟踪目标。实验结果表明:与现有跟踪方法相比,该文跟踪方法具有较强的鲁棒性和较高的跟踪精度。     

基于卷积神经网络的SAR图像目标检测算法

该文研究了训练样本不足的情况下利用卷积神经网络(Convolutional Neural Network, CNN)对合成孔径雷达(SAR)图像实现目标检测的问题。利用已有的完备数据集来辅助场景复杂且训练样本不足的数据集进行检测。首先用已有的完备数据集训练得到CNN分类模型,用于对候选区域提取网络和目标检测网络做参数初始化;然后利用完备数据集对训练数据集做扩充;最后通过四步训练法得到候选区域提取模型和目标检测模型。实测数据的实验结果证明,所提方法在SAR图像目标检测中可以获得较好的检测效果。     

基于局部分块和模型更新的视觉跟踪算法

针对目标跟踪过程中的目标表观变化、背景干扰及发生遮挡等问题,该文提出一种基于局部分块和模型更新的视觉跟踪算法。该文采用粗搜索与精搜索相结合的双层搜索方法来提高目标的定位精度。首先,在包含部分背景区域的初始跟踪区域内构建目标模型。然后,利用基于积分直方图的局部穷搜索算法初步确定目标的位置,接着在当前跟踪区域内通过分块学习来精确搜索目标的最终位置。最后,利用创建的模型更新域对目标模型进行更新。该文主要针对分块跟踪中的背景抑制、模型更新等方面进行了研究,实验结果表明该算法对目标表观变化、背景干扰及遮挡情况的处理能力都有所增强。     

基于关键区域特征匹配的视觉跟踪算法

针对视觉跟踪中目标表观的复杂变化问题,提出了一种基于关键区域特征匹配的鲁棒跟踪算法.首先对目标模板进行初始化并通过滤波预测得到目标候选;然后采用自适应标记分水岭算法对目标模板和目标候选进行分割以提取关键区域,并利用像素的空间和频率分布特性对关键区域进行多重特征描述;最后通过关键区域的特征匹配得到目标模板与目标候选的匹配关系,由此确定最终跟踪结果并进行模板更新.对目标发生尺度、遮挡、旋转、光照、姿态、复杂背景以及运动模糊等变化的视频序列进行了仿真测试.实验结果表明,所提算法能够有效处理目标表观的复杂变化问题,尤其对目标的部分遮挡、光照变化以及复杂背景等具有较强的鲁棒性.