一种视听融合的水下目标识别方法研究

特征提取是水下目标识别研究中最为关键的技术之一,特征参数的优劣将直接决定分类识别系统的性能。将声信号的听觉与视觉感知特征结合,应用于水下目标识别,通过实验得出如下结论,相比于单独应用听觉特征,融合特征的平均识别率能提高4%~6%以上,特别是将听觉特征与声谱图的Gabor小波变换特征、灰度-梯度共生特征进行融合后,分类性能较好,平均达到87%以上。     

水下目标空间源数特征提取与识别方法

针对水下目标识别正横阵位问题,并进一步扩大目标识别的阵位范围。给出了目标识别的阵列形式。用水平线列阵进行目标亮点水平方位的源数估计。提取并找出了能反映水下潜艇目标空间特征的特征量。提出了基于信噪比监督的空间源数识别方法,给出了相关矩阵的空间平滑的特征值。还提出了基于信噪比和盖尔圆半径监督的目标特征的自动分类方法。对本文提出的方法进行了大量计算机仿真,仿真结果表明。该方法可在正横阵位有效识别目标。     

基于矩特征的水下目标识别研究

对大量水下获得图像的判读,采用人工识别,工作量大时效性差,不利于信息的及时获得.根据图像中目标的矩特征,引入小波变换,利用小波矩不变量来表示目标特征,提出结合离散度和浮动搜索算法的特征选择方法,选择最优特征组.经过仿真实验,证明了用小波矩不变量来识别不同形状的目标,识别效果很好.     

基于形状相似度的水下目标识别算法

在水下声纳图像目标检测与识别中,水下目标的识别问题是关键技术之一。基于形状相似度的概念,提出一种新的水下目标形状分类算法。首先对检测到的水下目标阴影区域进行规格化处理,采用改进的形状上下文方法对常见水下目标形状进行分类识别。与传统形状上下文方法相比,改进后的算法具有旋转不变性和模板自适应更新能力。通过对球形、圆柱形和圆台形三类目标的阴影区域进行仿真分类计算可知,该方法具有仿射不变性,分类准确率较高。     

基于增强局部特征的水下目标检测

海洋工程的日常任务经常会利用水下航行器来探测水下环境,针对水下复杂环境采集的图像目标容易出现局部特征信息丢失,导致漏检、检测精度低的问题,提出基于增强局部特征的水下目标检测方法。在主干网络采用Faster Block增强图像特征提取能力;利用归一化注意力模块抑制不显著的特征信息来提高网络的效率;构建集中特征增强金字塔池化模块增强对水下复杂背景下目标局部特征信息的捕获能力;改进损失函数提高网络模型对水下图像目标预测效果。实验结果表明,该方法平均精度相较于原模型提升了1.5百分点,网络推理速度为36.4,能够有效地提升水下目标的检测精度。     

基于动态图像序列的自动扶梯客流量的测量

目的：利用动态图像铁方法测量扶梯的客流量，方法：提出了一种基于改进型的Hausdorff距离的图像匹配方法用于检测人体特征，并利用滤波器对特征目标进行跟踪。结果：人体的某些部位即使在被遮挡（Occlusion)及图像含有较强噪声的情况下也能得到正确快速的识别。结论：利用计算机图像序列分析的方法测量测得自动扶梯的客流量是一种可行的方法。     

被动声纳目标识别技术的现状与发展

在现代被动声纳系统中，水下目标的自动识别是关键技术之一。文章对被动声纳目标识别的特征提取、特征选择和分类器设计方面进行了回顾。对LOFAR，DEMON和小波变换等特征提取技术进行了讨论，分析了特征优化的重要性和专家系统和神经网络等分类器的优缺点，并简要分析了该领域的过去、现在和未来。     

基于边界不变特征的扩展目标识别方法

提出一种新的以边界不变矩作为识别特征,运用BP网络识别扩展目标的方法。首次通过详细的理论证明和实验分析,揭示了离散边界不变矩不再具有严格的比例不变性,而位移和旋转不变性保持相对稳定,并对该不变矩作为识别特征的误差进行了深入分析,给出了正确计算边界不变矩的途径。在此基础上,以该边界不变矩作为识别特征,输入BP网络,采用合理的网络结构,实现对发生位移、旋转和尺度变化的扩展目标的识别。边界不变特征的引入,减少了数据运算量,实验结果表明,识别率达到95.9%。     

遗传特征选择方法在水下目标识别中的应用

为了改善分类器的性能,提高水下目标识别的正确率,文中研究了遗传特征选择方法在水下目标识别中的应用,设计了一个新的合适度函数作为评价特征子集的准则。对wine数据集和海上实测的舰船辐射噪声数据集的仿真实验之结果表明,该方法可以选择出描述目标的有效特征子集,降低了特征集的维数,从而改善了分类器的性能。     

基于主分量分析的声信号特征提取及识别研究

主分量分析(PCA)是统计学中分析数据的一种有效方法。研究了基于这种算法对四种战场目标的声信号进行特征提取,获得了低维的特征类器对声目标进行分类,分类结果准确率较高,均获得满意的实验效果     

基于图像奇异值描述的雷达目标识别方法

利用目标对常规雷达发射波形的调制效应,先对录取的回波数据进行预处理,把一维回波序列投影成二维灰度图像,然后提取这种图像的反映飞机目标不同机型(大、小)和不同架次的奇异值作为特征矢量,采用BP神经网络对目标进行分类识别试验,结果表明该方法是有效的,这为常规低分辨雷达空中目标识别提供了一种新方法。     

Detection for high resolution radars

Abstract

In this paper we discuss detection problems for a high resolution radar. Fluctuation in the target radar cross section usually decreases the probability of detection. However, through integration of cells within range profiles of a high resolution radar, variation of the integrated magnitude with respect to the change of carrier frequency and target aspect becomes much smaller, and this is helpful for improving the probability of detection. Two detection algorithms, the cell integration method and the correlation method, for a high resolution radar are proposed, and their detection performances are compared with that obtained by a conventional low resolution radar. Some theoretical formulations are developed. Simulation results show the effectiveness of the proposed algorithms.     

结合多尺度卷积网络和双端注意力机制的水声目标识别

水声目标识别是被动声呐系统的主要应用之一。为了进一步提升小样本条件下水下目标的识别率,文章提出一种基于多尺度卷积和双端注意力机制相融合的方法。首先,提取梅尔倒谱系数,色度谱和计算谱对比度等特征,建立基于多类别特征子集的三维聚合特征。其次,采用多尺度卷积滤波器算子构造多分辨率卷积神经网络,以更好地适应三维聚合特征的时频结构。另外,采用双端注意力模型捕获样本的全局依赖和局部特性。采用基于指数加权的对数交叉熵函数作为损失函数,提升样本数较少类别的识别率。实验结果表明,该方法在ShipsEar数据上的平均识别率为95.5%,取得了较好的分类效果。     

用于水声目标识别的近邻无监督特征选择算法

针对水声目标数据的特征冗余问题,提出一种新的近邻无监督特征选择算法。首先利用顺序向后特征搜索算法生成原始特征集的子集,然后利用基于代表近邻选取方法的特征评价机制评价特征子集的优越性。使用实测水声目标数据集和声呐数据集进行特征选择和分类实验,在保持支持向量机平均分类正确率几乎不变的情况下,特征数目分别降低了90%和75%。结果表明,该算法选择出的特征子集,在去除冗余特征后有效地提高了后续学习算法的效率。     

基于Gammatone滤波器组与子带瞬时频率的水声目标特征提取

水声目标识别是现代海战中的关键环节,具有重要的军事应用价值。针对海洋环境的复杂性及多变性,文章以模仿人耳听觉感知机理为基础,提出了基于伽玛通(Gammatone)频率瞬时幅频系数的特征提取方法。该方法通过Gammatone滤波器组模拟人耳基底膜对信号的分解、处理过程,在各子带输出信号中提取目标的子带瞬时频率特征,并与传统的瞬时幅度特征相结合,从而更加全面地反映目标的固有属性。利用支持向量机对四类实测水声目标辐射噪声数据进行了识别实验,结果表明,文章的特征提取算法能够较好地抑制噪声,具有较强的鲁棒性。