联合三阶Keystone变换与相关函数的机动目标补偿算法

在机载脉冲多普勒雷达中,针对高机动目标的运动补偿问题,本文提出了一种基于联合三阶Keystone变换、相关函数与尺度变换的距离维和多普勒维走动校正方法。首先对回波信号进行传统的脉冲压缩处理,接着对慢时间维进行三阶Keystone变换处理并构造自相关函数,进行慢时间变量的相参积累,从而补偿掉机动目标引起的所有距离走动现象;之后对自相关函数的慢时间变量进行尺度变换,并对尺度变换后的信号针对时延和慢时间进行二维FFT变换,从而消除掉目标的多普勒散焦现象,得到目标聚焦峰值点,顺利地进行目标检测。仿真实验验证了方法的有效性。     

回波到达时间精确估测的多尺度方法

本文提出了一种雷达回波到达时间精确估测的多尺度方法。通过在不同尺度上对回波特性进行综合分析，该方法不仅能剔除多径干扰，正确检测雷达回波，精确测量其波达时刻，同时还具有很强的抑制噪声的能力。由于该方法只需对接收信号计算三尺度率的小波变换和对所检测到的候选波作两尺度小波变换且能采用Ｍａｌｌａｔ算法，故其计算效率很高，实验结果验证了本文方法的有效性。     

回波到达时间精确估测的多尺度方法

本文提出了一种雷达回波到达时间精确估测的多尺度方法。通过在不同尺度上对回波特性进行综合分析,该方法不仅能剔除多径干扰,正确检测雷达回波,精确测量其波达时刻,同时还具有很强的抑制噪声的能力。由于该方法只需对接收信号计算三尺度的小波变换和对所检测到的候选波作两尺度小波变换且能采用Mallat算法,故其计算效率很高。实验结果验证了本文方法的有效性。     

一种基于小波多尺度边缘检测的图像融合算法

该文提出了一种新的基于多尺度边缘检测的小波图像融合方法,是一种利用图像边缘特征的小波图像融合方法,融合过程利用了图像的多尺度边缘信息。为了更好地保持图像的边缘,该文在图像融合过程中将图像去噪与边缘检测相结合。提出了一种物理意义明确的小波最佳分解层数的确定方法。利用统计分析的评判准则,如熵、标准偏差等,评价二维多聚焦图像不同小波分解层的融合效果,表明该方法提高了图像的熵和标准偏差的值,算法效果良好。     

基于多尺度边缘响应函数的自适应阈值边缘检测算法

该文提出了一种基于多尺度边缘响应函数的自适应阈值边缘检测算法.首先分析二进小波变换,根据边缘和噪声随尺度变化的不同特性,设计了多尺度边缘响应函数(MERF).通过MERF中的乘积放大作用,增大了边缘响应的幅度,同时也抑制了噪声产生的伪边缘.然后利用小波变换多尺度之间的联合分布关系,计算自适应阈值,检测MERF的梯度模值形成多尺度边缘.该算法直接在小波特征上进行多尺度合成,避免了多个边缘图合成过程的病态问题.实验表明,与LOG,Canny以及Mallat多尺度小波检测方法相比,该算法在检测和定位之间能够达到更好的平衡,既能够实现小尺度下的精确定位,也可以保留大尺度下对噪声的抑制作用.     

多尺度边缘检测中的有效尺度研究

在边缘检测中,检测不同类型的边缘需要的滤波尺度各不相同。本文详细讨论了以紧支、对称平滑函数构造的滤波函数在检测不同类型边缘时的有效尺度,同时分析了高期平滑函数及三次B样条平滑函数在抑制噪声时的有效尺度范围。该文的结论为我尺度边缘检测中滤波尺度的调整提供了重要的理论依据。     

基于ML-pLSA模型的目标识别算法

为了避免图像目标识别过程中识别结果对分割结果的过度依赖,该文提出了一种基于多尺度的概率潜在语义分析目标识别方法(Multi-Level-probabilistic Latent Semantic Analysis,ML-pLSA).该方法利用多种分割算法对图像进行多尺度分割,再利用pLSA算法和词袋方法(Bag Of ...     

基于多尺度圆周频率滤波与卷积神经网络的遥感图像飞机目标检测方法研究

针对遥感图像飞机目标检测因目标尺度不一存在漏警、虚警等问题,该文基于遥感图像中飞机目标形状特征和灰度变化特点提出了一种多尺度圆周频率滤波(MSCFF)与卷积神经网络(CNN)相结合的MSCFF+CNN飞机目标自动检测算法。该算法首先采用多尺度圆周频率滤波器滤除遥感图像复杂背景,实现不同尺度飞机目标候选区域提取;然后,通过构建卷积神经网络(CNN)模型实现候选区域有效分类,最终精确确定飞机目标位置。最后,基于获取的真实遥感图像进行目标检测算法实验验证,经统计该算法的飞机目标检测率为94.38%,虚警率为3.76%,实验结果充分验证了该文算法的有效性,该算法可为机场监管、军事侦察等应用提供重要的技术支持。     

利用图像区域自然尺度特征的海面舰船目标检测

为了提高动态海面背景中目标的检测性能,提出了一种新的基于图像区域自然尺度特征的海面舰船目标检测算法.算法将一维信号的自然尺度特征提取方法拓展到二维图像信号,通过相空间重构和分类,提取了图像灰度时间序列的自然尺度特征.利用BP神经网络,得到背景与目标自然尺度特征的辨识模型,然后对图像序列的自然尺度进行分类,检测得到舰船目...     

基于多尺度圆周频率滤波与卷积神经网络的遥感图像飞机目标检测方法研究

针对遥感图像飞机目标检测因目标尺度不一存在漏警、虚警等问题,该文基于遥感图像中飞机目标形状特征和灰度变化特点提出了一种多尺度圆周频率滤波(MSCFF)与卷积神经网络(CNN)相结合的MSCFF+CNN飞机目标自动检测算法.该算法首先采用多尺度圆周频率滤波器滤除遥感图像复杂背景,实现不同尺度飞机目标候选区域提取;然后,通过构建卷积神经网络(CNN)模型实现候选区域有效分类,最终精确确定飞机目标位置.最后,基于获取的真实遥感图像进行目标检测算法实验验证,经统计该算法的飞机目标检测率为94.38%,虚警率为3.76%,实验结果充分验证了该文算法的有效性,该算法可为机场监管、军事侦察等应用提供重要的技术支持.     

一种新的高速多目标快速参数化检测算法

针对线性调频脉冲压缩雷达参数化检测高速多目标时受到距离徙动、多普勒扩散和速度模糊的影响,该文首先采用联合频域变标脉冲压缩处理与吕方法(2011)实现目标信号的相参积累,然后在其基础上采用基于多普勒频率模糊数搜索的方法完成高速多目标的参数化检测.算法所提出的频域变标脉冲压缩处理可同步完成距离维的徙动补偿与多普勒维的模糊数补偿,降低了实现目标参数化检测的计算复杂度,且由于算法采用相参积累方式,在低信噪比下可以进行精确的目标检测和运动参数估计.相参积累算法运算量分析、计算机仿真以及实测数据处理结果验证了该文所提算法的有效性.     

Signal subspace fusion of uncalibrated sensors with application inSAR and diagnostic medicine

Addresses the problem of fusing the information content of two uncalibrated sensors. This problem arises in registering images of a scene when it is viewed via two different sensory systems, or detecting change in a scene when it is viewed at two different time points by a sensory system, or via two different sensory systems or observation channels. We are concerned with sensory systems which have not only a relative shift, scaling and rotational calibration error, but also an unknown point spread function (that is time varying for a single sensor, or different for two sensors). By modeling one image in terms of an unknown linear combination of the other image, its powers and their spatially transformed (shift, rotation and scaling) versions, a signal subspace processing is developed for fusing uncalibrated sensors. The proposed method is shown to be applicable in moving target detection (MTD) using monopulse synthetic aperture radar (SAR) with uncalibrated radars. Results are shown for video, magnetic resonance images of a human brain, moving target detector monopulse SAR, and registration of SAR images of a target obtained via two different radars or at different coordinates by the same radar for automatic target recognition (ATR).     

基于图像检测识别的数据增强技术

当前,在图像目标检测识别方面,深度学习技术已经成为研究的热点。然而深度学习在进行网络训练时需要使用大量的样本,当样本数目较少时,得到的训练模型其检测效果往往不佳。介绍了色彩变换、水平翻转、旋转、亮度变换、缩放、裁剪、添加噪声等不同数据增强方法,并结合VOC2007数据集,采用数据增强技术实现样本扩充。实验结果表明对样本进行数据增强处理,均可以在一定程度上提高图像检测精度。特别是色彩变换、水平翻转、旋转、亮度变换和缩放这五种方法扩展训练集,对最终检测效果提升较为明显。     

多特征级联的低能见度环境红外行人检测方法

针对低能见度环境中人员的监测和保护问题,提出了一种基于多特征级联的红外行人检测方法,利用感兴趣区域长宽比特征和头部Haar特征组成初级分类器,改进的HOG-SVM完成最终行人识别。所提出的改进的HOG特征提取算法和自适应缩放因子获取算法,在保证检测率的基础上,有效地减少了帧间处理时间,针对目标被遮挡情况,提出了遮挡情况判断和局部特征识别功能,由此进一步提高了算法应用于复杂工况下的鲁棒性。实验表明:该检测方法能够达到91%的检测率,较现有算法性能得到提升,同时也满足了系统实时监测要求,适用于低能见度、粉尘的工况作业环境。     

一种适应运动前景的快速行人检测算法

针对智能监控视频中行人的运动特性和基本HOG加SVM人体检测算法的特点,将运动目标检测算法融入基本的HOG加SVM人体检测算法。首先,利用运动目标检测算法确定运动区域矩形窗,并扩大调整矩形窗尺寸获得ROI窗口;然后,根据运动区域尺寸与训练样本尺寸的差距调整ROI窗口的首级窗口缩放因子,并对ROI窗口进行人体检测。实验结果表明,本文算法优于基本的HOG加SVM人体检测算法,具有良好的实时性和适应性。     

基于场景复杂度与不变特征的航拍视频实时配准算法

实时、鲁棒的图像配准是航拍视频电子稳像、全景图拼接和地面运动目标自动检测与跟踪的前提和关键技术.本文以航拍视频序列为处理对象,提出了一种新的基于场景复杂度与不变特征的实时配准算法,其主要特点包括：(1)在对航拍视频配准难点进行详细分析的基础上,有针对性的提出基于积分图的快速图像尺度空间构建、依据场景复杂度的检测特征点数量在线精确控制、基于描述子误差分布统计特性级的联分类器构造等新方法,使得算法配准性能不随场景的复杂度发生改变,能够在各种地貌条件下实时、稳定的进行图像配准;(2)将多尺度Harris角点和SIFT描述子相结合,并通过对帧间变换模型参数进行鲁棒估计,保证了算法具有良好的旋转、尺度、亮度不变性和配准精度.实验结果表明,算法可在场景变化、图像大幅度平移、尺度缩放和任意角度旋转等复杂条件下实时、精确的进行图像配准,对分辨率为320×240的航拍序列的平均处理速度达到20.7帧/秒.     

基于变标处理和分数阶傅里叶变换的运动目标检测算法

针对线性调频脉冲压缩雷达检测高速和加速运动目标时受到距离徙动和多普勒频率徙动的影响,首先建立了回波信号模型,分析了回波信号徙动的特点,然后提出了一种基于变标处理和分数阶傅里叶变换的运动目标检测算法.该算法利用变标处理补偿距离徙动,利用分数阶傅里叶变换补偿多普勒频率徙动.仿真分析表明本文所提算法能够实现距离徙动和多普勒频率徙动的补偿,提高雷达对高速和加速运动目标的检测性能.     

Some Aspects of Improving the Frequency Scaling Algorithm for Dechirped SAR Data Processing

The frequency scaling algorithm (FSA) was proposed to process the synthetic aperture radar (SAR) data acquired via the dechirp-on-receive approach. Some aspects of improving the FSA are investigated in this paper, based on which an extended FSA (EFSA) is presented. The general purpose of the EFSA is to reduce the effect of range spectrum shift of the intermediate processing results, which occurs during the scaling operation in the FSA, so as to achieve a more effective utilization of the processed bandwidth. The EFSA is implemented through time shifting the scaling and the inverse scaling functions used in the FSA and also the adjustment of the scaling factor. The derivation of the EFSA is detailed in this paper. Point target simulation in squinted imaging geometry indicates that the presented algorithm is more suitable for large-squint applications.