一种用于检测海空背景下的斑点目标的新方法

根据海空背景下的红外图像特性，设计了一种新的对噪音鲁棒的目标背景对比度增强方法；在此基础上提出了一种基于目标局部能量正态分布的自适应目标提取方法。实验结果表明，该方法在对红外斑点目标进行单帧提取时是精确的和高效实用的。     

复杂海天背景下红外舰船目标的自动检测方法

近年来,舰船目标的检测与识别技术得到了人们越来越多的重视.研究了复杂海天背景下红外舰船目标的自动检测问题.首先运用小波变换对图像进行预处理,提高了图像的信噪比,从而抑制了噪声和背景杂波.然后针对红外舰船目标总是出现在海天线附近的问题,采用梯度强度均值分割的算法检测了海天线,确定了目标的潜在区域.最后,提出了一种基于行列均值的自适应阈值分割算法,结合使用红外舰船目标的几何特征量,采用特征匹配方法提取出舰船目标,达到了自动检测的目的.实验结果表明:该方法能有效地自动检测复杂海面背景中的红外舰船目标.     

基于海空背景的红外图像处理算法研究

针对某研究项目的设计要求和设备应用环境特点,对海空背景下红外弱小目标提取和空间位置解算方法进行了探讨.从项目研究的实际出发,兼顾红外弱小目标提取和位置解算的快速实现,提出了海空背景下红外图像处理的理论方法.     

基于形态滤波的红外小目标检测方法

针对空背景下红外小目标图像信噪比低,背景和杂波干扰严重的特点,提出了一种基于数学形态学的红外小目标检测算法。算法首先利用灰度形态学Top2Hat变换,完成复杂空背景下的背景抑制和候选目标提取,然后通过开运算处理进一步去除虚假目标和噪声干扰,完成目标分割;最后结合管道滤波的方法,可快速检测出红外图像序列中的小目标信号。实验表明,该算法能够有效的提高图像信噪比,快速有效地检测出目标信号。     

基于小波分解红外雷场目标提取方法的研究

为提取低信噪比红外雷场图象中的目标,采取了一种基于小波分解和能量特征的目标提取方法.根据目标与环境背景在图像小波变换域能量分布特性的不同而对小波分解得到的各变换域通道能量特征值进行计算,并以此为依据提取出目标.实验结果表明,该方法对红外雷场图象有较好的处理效果.     

基于区域特征分割的红外弱小目标提取算法

针对现有的红外图像中目标分辨率低且边缘弱等问题,提出了一种基于区域特征分割的红外弱小目标提取算法;该算法根据灰度形态学理论,利用红外背景与目标轮廓信息来提取图像的目标信号;其中算法先根据红外图像的灰度与形状的相似度进行归属度处理,来分类出图像中的目标区与背景区;接着,根据边缘检测算法,该算法对目标区的目标的进行轮廓提取;实验结果表明,该算法能够有效的进行目标提取针对红外图像的不同性质;具有精度高,抗干扰能力强的分割优势。     

基于频谱分析和图像融合的红外弱小目标增强

利用红外弱小目标灰度的局部极大性在频域往往对应于频谱突变的特性,提出了一种基于频谱分析和图像融合的红外弱小目标增强算法。首先利用图像背景和目标具有不同频谱振幅的特点,提取红外图像的残留频谱,得到潜在目标显著图;然后利用序列图像的冗余信息,在空间域对目标和背景区域分别采用不同融合规则进行多帧融合。实验表明,该方法能够有效增强红外弱小目标的像素数和总能量,且实时性较好。     

一种新的红外目标提取算法

针对红外热图像普遍存在的目标与背景对比度差、边缘模糊等特点,提出了一种结合图像统计特征和模糊聚类的红外图像目标提取方法对红外图像进行迭代分块,通过计算统计特征度量函数的极值来确定种子区域,进而获得红外目标约束区域。利用模糊聚类对该约束区域进行有效的聚类划分,最终实现红外图像目标提取。实验结果表明,该方法能够准确的对红外目标进行提取,便于下一步的红外目标识别与跟踪。     

复杂纹理背景下的红外图像目标提取

纹理特征是红外图像中的重要因素之一.提出了一种复杂纹理背景下的红外目标提取算法.由于均值漂移算法是一种非参数密度估计算法,在图像分割中得到了广泛应用,所以首先通过均值漂移算法对红外图像进行平滑处理,以消除噪声对图像质量的影响;然后对平滑后的红外图像的像素进行均值漂移图像分割,并结合8邻域差值聚类法提取出红外目标前景信息.与传统的纹理处理方法相比,该算法可剔除纹理背景而保留非纹理目标,无监督性和适应性较好,在军事领域具有一定的应用价值.     

基于帧差法和自适应阈值区域生长的红外运动目标检测

针对具有背景干扰、信噪比低的红外图像,提出了一种基于帧差法和自适应区域生长的红外运动目标检测方法.首先对红外图像进行了高帽变换,以抑制大面积背景的干扰,相邻帧图像间做帧差,初步提取目标区域;其次分析了红外目标的特性,针对其特性提出了一种基于灰度等级的自适应阈值分割方法;最后以帧差法检测的目标质心为种子点,以自适应阈值为分割准则,在预处理后的图像中进行区域生长,最终实现了红外运动目标的检测.结果表明,所提算法可抑制大面积背景的干扰,实现单个和多个红外运动目标的完整提取和检测.     

一种基于波形匹配的目标检测和识别方法

基于对目标回波信号的波形匹配，提出了一种新的目标检测和识别的方法，该方法不需要进行特征提取，而是直接利用目标回波进行匹配处理来同时检测和识别目标，这种方法也可用于隐身目标的检测和识别，通过不同条件下的仿真试验可以看出这种方法能有效地检测和识别目标。     

基于分形维与拟合误差的光电目标检测方法

对光电目标进行自动检测与识别是导弹末端智能制导的一项关键技术,分形理论的出现为解决这个问题提供了新的技术途径。自然背景与人造目标所在区域的分形维与拟合误差特征差别非常明显,因此,提出了一种分形维与拟合误差的光电目标检测方法。实验证明,对于光电目标检测,给出方法的检测结果稳定,优于边缘检测、阈值分割和单一分形维检测的结果,是一种非常有前途的方法。     

基于多向差异度的红外弱小目标检测算法

在分析红外图像中弱小目标的特征后,针对目前经典的红外弱小目标检测算法性能不足的问题,提出了一种基于多向差异度的红外弱小目标检测算法。该算法利用待检测像素点在各方向上的差异度来判决其是否为目标,无需背景预测、图像增强等处理,因此其构造简单,计算量小,易于实现,并能有效改善复杂背景环境下红外弱小目标的检测性能。通过大量的仿真实验证明了该算法的有效性和优越性。     

一种新的机载预警雷达地面目标过滤方法

地面目标过滤是机载预警雷达航迹优化的一个重要内容,可以有效地改善航迹质量,该问题实质上是一个空地目标分类问题。在引入联合目标跟踪与分类思想的基础上,研究了一种基于空地目标运动特征差异的目标分类方法。首先,采用包含目标所有可能机动的交互式多模型对目标进行跟踪,然后利用估计的目标运动特征参数和贝叶斯分类器完成两类目标的分类。仿真结果表明,在目标机动条件下,该方法能够对空地目标进行有效的分类。     

考虑目标运动状态的激光在线跟踪标刻方法

为了解决传统方法容易受到噪声、光照等因素影响,导致目标检测精度与标刻效果降低的问题,在考虑目标运动状态基础上提出一种激光在线跟踪标刻方法。首先根据激光点构建对应运动模型,并通过迭代计算求解获取出目标运动激光点和实际像素坐标,实现激光对实际目标的自主瞄准,并得出目标运动粗略范围;使用改进粒子滤波法进一步精细定位,由此计算出目标权重取值;最后针对生产线匀速和变速运动的不同特点,实现对运动目标跟踪标刻的目的。仿真实验结果表明,所提方法具有目标检测精准度高、标刻效果好、不易变形等优点。     

基于粒子滤波器和风险决策跟踪遮挡目标的方法

为了跟踪遮挡目标,本文通过赋予外界遮挡和目标自身外观变化不同的风险度,利用风险决策的方法判断遮挡,设计了新的目标模板和模板更新规则,使目标模板既能随外观的缓慢变化自动更新,又能在全遮挡出现时维持模板不变.当这个新的目标模板和模板更新规则结合粒子滤波器的跟踪算法时,可实现遮挡目标的跟踪.实际视频流的测试结果表明,本文提出的方法可以有效判断遮挡,实现了长时间全遮挡情况下的目标跟踪.     

基于PDA的群目标合并与分离方法研究

针对飞行编队形成的群目标航迹关联的特殊性,分析了照射质心的编队群目标成员合并与分离检验方法的优缺点,定义了群目标成员合并与分离检验涉及的3要素:位置、速度和航迹历史。在此基础上,提出了基于概率数据关联(PDA)的群目标成员合并与分离的检验方法。该方法利用群目标等效回波统计中心更新滤波器状态,将每一个雷达周期的量测与统计中心关联判别,从而减少了关联次数,提高了正确判别群目标成员合并与分离的概率。仿真结果证明了该方法的有效性。     

基于BP神经网络的雷达点迹分类方法

提出了一种解决复杂电磁环境下目标检测后仍包含杂波的基于反向传播(BP)神经网络的雷达点迹分类方法。该方法可以在目标检测后进一步区分目标点和杂波点,提高目标跟踪的质量。同时,对BP神经网络进行了训练,并与K最近邻域法和支持向量机作了对比,发现该方法的分类精度可达87. 3%,较后两种方法精度分别提升19. 6%和7. 6%。实验结果表明:基于BP神经网络的雷达点迹分类方法有效。     

超高速运动目标回波及其对雷达检测的影响

超高速运动目标是现代雷达目标检测中遇到的新情况。文中建立了超高速运动目标的回波模型，得出其信号模型是一多项式调频信号。根据超高速运动目标回波信号的特点，给出了先进行多普勒处理再进行脉冲压缩的超高速运动目标检测方法。分析了目标的超高速运动对雷达目标检测的影响，并对理论分析进行了仿真验证。最后给出了问题的解决方向。     

一种利用相位信息的雷达目标成像识别方法

高距离分辨雷达(HRR)的回波中蕴含丰富的目标信息,充分利用目标回波并采用恰当的特征抽取方法,可以有效地识别目标。本文提出一种利用相位信息和正则变换的目标识别方法。该方法基于雷达目标距离剖面像的幅度和相位矢量(幅相矢量),首先由各训练目标在不同方位姿态角时的幅相矢量构成综合矩阵并对之作正则变换建立正则子空间,然后将每类训练目标各方位姿态的幅相矢量向该子空间投影形成子像,取其平均结果作为该目标的库特征矢量。对未知目标,以其子像对库矢量的欧氏距离最小为分类准则,进行了识别模拟实验。