基于兴趣区检测与分析的水上桥梁识别

研究自然景物光学图像中大型水上桥梁自动识别的问题，提出了一种新的基于知识的两阶段目标识别策略，首先在全视场中检测符台水上桥梁上下文关系的兴趣区；随后对检出的兴趣区进行图像分割与特征抽取，基于桥梁的几何特征运用模糊推理识别目标，并选择中央桥墩或桥身为瞄准点，对多种场景多种类型的大型水上桥梁光学图像作识别实验，结果表明此方法有较高的目标识别率与计算实时性。     

基于分形特征的机场跑道识别算法的研究

典型目标的检测识别是精确制导武器的关键技术之一。根据红外图像中机场跑道的分形维特性，文章提出并实现了一种利用目标分形几何特征检测机场跑道区域，并进一步分割、识别潜在目标的新算法。仿真实验结果证实该算法成功地识别出了机场跑道。本文的算法运算量较小、适合于实时处理，适用于人造目标的自动识别。     

成份制导中的红外图像分割算法

采用凝视焦平面阵列(FPA)的红外成像制导技术以其优越的性能在空空导弹中得到了广泛的应用。由于空中飞机目标表面各部位的温度不同，使得红外成像探测装置获得的目标图像的不同部位存在着较大的灰度差异，这给正确分割出目标带来了很大的困难。针对飞机目标红外图像的特点和成像制导技术中图像分割的目的，文中提出了一种有利于目标特征点识别的图像分割算法，它首先对目标红外图像进行阈值分割，然后选取合适的结构元素并利用数学形态学的并行性特点对目标内部的空洞区域进行填充，最后得到比较精确的分割图像，这种分割结果对基于灰度连续性的目标特征点识别算法非常有利。     

基于显著特征引导的红外舰船目标快速分割方法研究

分割的难度可以利用关于视觉任务的知识来降低。在分析现有分割方法的基础上，提出了一种用目标的显著特征来限定分割区域的分割方法，使基于类间方差的门限法得以应用。同时，考虑了红外图像中船体与发动机等区域存在不同灰度分布的情况，定义了局部分割准则。实验结果证明所提出的方法能成功完成红外舰船目标分割，并能应用于实时舰船目标检测与识别。     

红外小目标图像的分割与聚类分析

天空背景下红外小目标图像的分割与聚类是检测和识别目标过程的预处理部分。首先对图像进行对比度增强处理,并通过模板滤波法去除弱噪声,再运用分割算法把目标和强噪声从背景中分离出来,然后根据聚类得到可能的小目标,最后给出整套处理方法的实验结果和分析。     

飞机红外灰度图像实时特征提取

根据目标特性自顶向下提出了一种灰度图像分割自适应门限的选取方法,利用门限对飞机红外图像进行灰度分级得到飞机灰度图像,从灰度图像中提取边缘特生和不变性角特征,为分类识别提供特征输入。     

基于复杂背景的红外机场目标自动识别算法研究

根据复杂背景下前视红外机场目标的特点，提出了基于知识的自动目标识别算法，算法的设计以实用性为宗旨，在不影响算法性能的前提下尽量提高其实时性能：通过提取感兴趣区域来缩小处理范围，采用双阈值最大类间方差快速算法快速准确找到分割阈值，采用快速标记算法标记分割图像，利用Freeman链码描述机场的轮廓特征，根据模糊综合评判机制分析机场的目标特征。通过硬件处理平台的仿真验证，该算法对机场目标红外图像有一定的识别能力，且具有较高的实时性。     

一种基于自适应背景抑制的红外小目标检测方法

红外成像自动目标识别是精确制导武器的重要研究内容。为解决红外起伏背景下的小目标检测问题，提出了一种自适应的背景抑制方法，并对抑制背景后的图像进行了目标分割，最后用邻域法判决目标位置。实验结果表明，该算法能够从信噪比大于2．0的图像序列中检测出目标。     

基于骨架特征的机场主跑道识别

基于骨架对跑道区域进行表示，从骨架图中检测骨架分支基元，计算分支基元的显著性度量并建立分支基元之间的邻接关系。针对机场跑道区域具有的几何特征，采用脊柱基元表示条状区域，将脊柱基元的宽度、长度和方向信息作为脊柱基元的显著性度量，借助先验知识，检测得到主跑道的脊柱基元，识别主跑道。选取一幅某机场遥感图像作为实验分析，验证了算法的可行性。     

成像制导中的红外图像分割算法

采用凝视焦平面阵列(FPA)的红外成像制导技术以其优越的性能在空空导弹中得到了广泛的应用.由于空中飞机目标表面各部位的温度不同,使得红外成像探测装置获得的目标图像的不同部位存在着较大的灰度差异,这给正确分割出目标带来了很大的困难.针对飞机目标红外图像的特点和成像制导技术中图像分割的目的,文中提出了一种有利于目标特征点识别的图像分割算法,它首先对目标红外图像进行阈值分割,然后选取合适的结构元素并利用数学形态学的并行性特点对目标内部的空洞区域进行填充,最后得到比较精确的分割图像,这种分割结果对基于灰度连续性的目标特征点识别算法非常有利.     

Building Recognition Based on Geometric Model in FLIR Image Sequences

In this paper, we propose a novel method for building recognition from forward looking infrared (FLIR) image sequences with clutter in the background for automatic target recognition (ATR). In the first phase, dynamic feature space is defined, and camera model and multi-scale characteristic views model that are used to predict model’s features based on 3D object reference model are introduced. In the second phase, the original image is preprocessed using morphological grayscale filters that respond to the size, shape and orientation of object to suppress the background that contains the non-stationary nature and man-made objects of the clutter image. In the following phase, segmentation for the result of image preprocessing is used to obtain regions of interest (ROIs), and features extraction of ROIs and matching retain ROIs that are closest to predicted features. Lastly, the object is identified by fusing the line features. Experiment results show the algorithm can recognize the object from FLIR image sequences with a complicated background.     

小目标与海空背景合成红外图像统计特性分析

针对海空复杂背景下红外小目标识别的需要，对海空背景及其小目标的红外图像特性进行了统计分析。具体分析了在有目标和无目标两种情况下3~5 μm和8~12 μm两个波段图像的均值、方差和协方差等统计特性以及图像的局部对比度、信杂比和阈值随探测距离变化的规律；同时对生成的红外热像进行了直方图分析。结果表明：随着探测距离的减小，导弹的辐射逐渐增大，到达一定探测距离时（大约8 200 m）可以从热像图中区分导弹的蒙皮辐射和羽流辐射。根据有目标和无目标两种情况下图像特性的差异，可以判断图像中是否存在目标，从而为目标识别提供了关于目标和背景的先验知识，研究结果可用于海空背景下红外小目标的检测。     

一种基于卷积神经网络的雷达目标分类方法

雷达作为对低空和地面目标探测及监视预警的主要手段,在安全领域应用广泛。针对现阶段实际应用中雷达目标分类技术中过于依赖人工提取特征的问题,提出了一种基于卷积神经网络的分类方法,对雷达回波数据进行二维傅里叶变换得到距离-多普勒图像,再以距离-多普勒图集作为数据集,训练神经网络,得到能够完成雷达目标识别的网络模型。结果表明,相较于传统方法,基于卷积神经网络的目标识别模型在省去人工工作的同时提高了目标识别精度。     

基于部件级三维参数化电磁模型的SAR目标物理可解释识别方法

该文通过部件级三维参数化电磁模型(3D-PEPM)描述了复杂目标的电磁散射现象,并基于此模型提出了一种新的合成孔径雷达(SAR)目标识别方法。该方法首先根据雷达参数将3D-PEPM中各个散射体的散射响应投影到二维图像平面,预测每个散射体的位置和形状,然后根据3D-PEPM提供的先验信息评估3D-PEPM与SAR数据之间的相似程度,最后利用一种视角调整方法对整个过程进行优化,产生3D-PEPM和SAR数据之间的最终匹配分数,并根据该匹配分数完成识别决策。这种识别方法明确标识了SAR数据和3D-PEPM散射体之间的对应关系,具有清晰的物理可解释性,能够有效处理各种扩展条件下的SAR目标识别问题,仿真实验验证了该方法的有效性。      

基于目标红外特征与SIFT特征相结合的目标识别算法

为了解决传统的SIFT算法存在检测时间长,识别率低等问题,提出了一种基于目标红外特征与SIFT特征相结合的红外图像识别算法,该算法首先通过5个能反映红外目标初步信息且易实现的红外特征量进行初步识别,然后采用SIFT算法进行精确识别。通过三种飞机的红外图实验可以看出,将红外特征量与SIFT特征检测识别方法相结合,识别时间缩短0.06s,识别率有较大提高,达到98%以上。     

基于中英文混合模型的语音识别研究

针对目前汉语连续语音识别中英文识别问题,采用中英文混合建模的方法建立中英文混合模型.在分析已有语音识别系统的基础上,根据发音学的一些先验知识,提出一种基于主元音及英文音素序列混合的声学模型,同时利用最大似然规则训练出的声学模型,通过最小音素错误准则对声学模型进行区分性训练,更新得到最终的声学模型.在测试集上的结果表明,...     

Modulation recognition method based on multi-inputs convolution neural network

In order to identify the main modulation modes adopted in current satellite communication systems,a signal modulation recognition algorithm based on multi-inputs convolution neural network was proposed.With the prior information of the signals and knowledge of the network topological structure,the time-domain signal waveforms were converted into eye diagrams and vector diagrams to represent the shallow features of the signals.Meanwhile,the modulation recognition model based on multi-inputs convolution neural network was designed.Through the training of the network,the shallow features were deeply extracted and mapped.Finally,the signal modulation recognition task was completed.The simulation results show that compared with the traditional algorithms and deep learning algorithms,the proposed method has a better anti-noise performance,and the overall recognition rate of this algorithm can reach 95% when the signal-to-noise ratio is 5 dB.     

基于循环神经网络的卫星幅相信号调制识别与解调算法

针对卫星通信中常用的幅相调制信号,提出了一种基于循环神经网络的信号识别与解调模型.通过循环神经单元直接对信号时序进行深层特征提取,结合全连接神经网络对特征进行维度映射,最终完成目标信号的调制识别与解调.该方法不需要预估目标信号载噪比,克服了人为确定阈值的缺陷,对信号频偏误差、定时误差容忍能力强;且在开发维护和更新拓展方面,克服了传统算法需重新部署判决规则的缺点,符合实际工程需求.仿真实验表明,当网络训练达到稳态时,在信噪比为6dB的条件下,目标信号识别率接近98%,解调误码率接近理论门限.本文所建立的理论形式为当今智能化信号处理提供了新思路,其思想同样可应用于其他通信信号处理领域.     

基于一维距离像序列的弹道目标融合识别研究*

一维距离像是宽带雷达目标识别的重要特征之一.本文根据弹道目标的微动特性,推导了微动弹道目标的时间-距离像模型.然后提取具有平移不变性的中心矩和双谱作为待识别特征向量,并分别使用K-L变换和局部双谱法对提取到的中心矩和双谱特征进行降维.将降维后的特征分别输入支持向量机进行分类识别,最后将支持向量机的输出进行决策级融合,得到待识别目标的识别概率.与基于单特征量的识别方法相比,本文提出的方法不仅具有较高的识别率,而且具有良好的抗噪能力.     

Infrared small target detection algorithm based on feature salience

It is an important and challenging problem to detect small targets in cluttered scenes with low signal noise ratio (SNR) in infrared (IR) images. In order to solve this problem, a method based on feature salience is proposed for automatic target detection against a complex background. First, in this article, the system utilises the average absolute difference maximum (AADM) as the dissimilarity measurement between targets and the background region to enhance targets. Second, the minimum probability of error has been used to build the model of feature salience. Finally, by calculating the probability of features, this method solves the problem of multi-feather fusion. Experimental results show that the algorithm proposed has better performance with respect to probability of detection. It is an effective IR small target detection algorithm against complex backgrounds.